Eficiência e previsão no transporte público através da Inteligência Artificial: análise de dados urbanos

• Autor(a) principal: Beraldi, Natan Castanhera [UNESP]
• Data de Publicação: 2025
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: https://hdl.handle.net/11449/261566
• topic: Python (Linguagem de programação de computador); Aprendizado do computador; Tráfego urbano; Python (Computer program language); Machine learning; City traffic

O crescimento das cidades tem levado a uma maior demanda por um transporte público eficiente e confiança crescente na mesma medida. Entretanto, esse cenário traz consigo desafios consideráveis como atrasos frequentes, lotação excessiva e falta de manutenção adequada que afetam diretamente a qualidade do serviço prestado aos passageiros. A relação entre a eficiência operacional e a satisfação dos usuários ressalta a importância de desenvolver abordagens que possam aumentar a precisão das previsões e reduzir os riscos. Decisões tomadas sem embasamento adequado podem resultar em serviços insatisfatórios e perda de confiança por parte da comunidade. Neste projeto, a linguagem python é usada para analisar dados de tráfego e transporte com o objetivo de prever padrões de demandas e possíveis problemas no sistema viário urbano. A pesquisa aborda os fundamentos teóricos da análise de dados urbanísticos, fornecidos pela Companhia de Engenharia de Tráfego (CET), e do machine learning para fornecer uma base técnica sólida para compreender os processamentos necessários. A análise revelou que o sistema é capaz de analisar eventos passados para antecipar o fluxo de tráfego futuro, o que resultava em percursos mais rápidos para os usuários do transporte público e consequentemente melhorava consideravelmente o funcionamento do sistema como um todo - um avanço que pode deixar os passageiros mais satisfeitos com a solução desenvolvida.