Estratégias para calibração de modelo Logit Multinomial por meio de Algoritmos de Aprendizagem de Máquinas: uma abordagem associada a grandes conjuntos de alternativas

• Ano de defesa: 2021
• Autor(a) principal: Caldas, Marina Urano de Carvalho
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Algoritmo CART; Algoritmos Genéticos; Aprendizagem de Máquinas; CART algorithm; Distribuição de viagens; Genetic Algorithms; Grandes conjuntos de alternativas; Large choice sets; Logit Multinomial; Machine Learning; Trip distribution
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/18/18144/tde-23082021-083203/

Os modelos de escolha discreta, em especial o Logit Multinomial, surgem como alternativa aos modelos agregados tradicionais quando se deseja suprir a necessidade de considerar características individuais dos viajantes, além de variáveis agregadas sociodemográficas e de viagens, para previsão dos destinos dos deslocamentos. Apesar disso, há importantes restrições operacionais referentes às técnicas tradicionais de calibração desses modelos que impõem obstáculos ao seu uso em situações com muitas alternativas e parâmetros a serem estimados, como no caso da escolha de destinos urbanos. Diante do uso cada vez mais frequente e das contribuições registradas na literatura frente às ferramentas tradicionalmente usadas, os algoritmos de Aprendizagem de Máquinas surgem como artifício possível para viabilizar a calibração de modelos complexos. Assim, este trabalho tem como objetivo a aplicação de algoritmos de Aprendizagem de Máquinas na calibração de modelo Logit Multinomial para estimativa de escolha de destinos urbanos. Para isso, duas aplicações foram analisadas: (1) a proposição de uma estratégia, utilizando algoritmo CART (Classification And Regression Tree), para redução da quantidade de parâmetros em casos com grandes conjuntos de alternativas; e (2) o uso de Algoritmos Genéticos como ferramenta de calibração do modelo Logit Multinomial. Para ambos os casos, utilizou-se os resultados da calibração tradicional para validação e comparação. O município escolhido para este estudo foi Santa Maria (RS) e os dados utilizados são oriundos de pesquisa domiciliar e do Censo 2010. Os resultados evidenciam que a aplicação da estratégia proposta com algoritmo CART mostra-se viável, uma vez que não causou prejuízo à qualidade geral do modelo. Além disso, a aplicação de Algoritmos Genéticos para calibração do modelo Logit Multinomial em casos com muitas alternativas e/ou parâmetros relacionados ao indivíduo mostrou resultados superiores à calibração tradicional, com a ressalva da necessidade de um número alto de simulações, haja vista a grande quantidade de parâmetros a serem estimados.