Análise de desempenho de algoritmos de aprendizagem de máquinas para análise desagregada de viagens intermunicipais
DOI:
https://doi.org/10.14295/transportes.v26i3.1614Palavras-chave:
Distribuição de viagens, Algoritmos Genéticos, Árvore de Decisão, Modelos Gravitacionais.Resumo
Este trabalho propõe uma análise desagregada de escolhas de destinos para viagens intermunicipais, por meio da aplicação de algoritmos de Aprendizagem de Máquinas - AM (Classification And Regression Tree - CART e Algoritmos Genéticos - AG). Foi utilizada uma Pesquisa OD, realizada pelo Centro de Estudos de Transportes e Meio Ambiente (UFBA), em 2012/2013 em onze municípios do estado da Bahia. Foi realizada a calibração de um Modelo Logit Multinomial a partir do algoritmo AG, trazendo a vantagem de associação das escolhas dos destinos a valores de coeficientes estimados das funções utilidade aleatórias, sem os problemas relativos à calibração dos modelos logit tradicionais, tais como erros identicamente distribuídos, seguindo a distribuição de Gumbel. O desempenho de cada algoritmo de AM foi comparado à abordagem tradicional (modelo gravitacional). Os resultados evidenciaram que os algoritmos de AM apresentaram melhores previsões para a escolha de destinos, sendo que o AG apresentou vantagens na obtenção dos parâmetros associados às variáveis independentes. A principal conclusão é que tais algoritmos podem ser aplicados na modelagem de distribuição de viagens, incorporando o efeito das variáveis desagregadas, sem suposições matemáticas rigorosas contidas no ajuste de modelos tradicionais desagregados.
Downloads
Referências
Ben-Akiva, M.E.; Lerman, S.R. (1985) Discrete Choice Analysis: Theory and Application to Travel Demand. The MIT Press, Cam-bridge, MA.
Breiman, L.; Friedman, J.H; Olshen, R.A.; Stone, C.J. (1984) Classification and Regression Trees. Wadsworth International Group, Belmont, CA.
Carvalho, A. C. P. L. F.; Galvão, C. O.; Lacerda, E. G. M.; Diniz, L. S.; Valença, M. J. S.; Ludermir, T. B.; Vieira, V. P. P. B. (1999). Siste-mas inteligentes: Aplicações a recursos hídricos e ambientais. Porto Alegre: Editora Universidade/ UFRGS/ ABRH. ISBN 8570255276.
De Grange, L.; Fernández, E.; de Cea, J. (2010) A consolidated model of trip distribution. Transportation Research Part E: Lo-gistics and Transportation Review, v. 46, n. 1, p. 61–75. DOI: 10.1016/j.tre.2009.06.001
De Souza, A. D. (2017); Comparação de algoritmos de Aprendizagem de Máquinas para análise desagregada de viagens intermu-nicipais. 84 f. Dissertação de Mestrado. Departamento de Engenharia de Transporte. Escola de Engenharia de São Carlos.
Fotheringham, A.S. (1983) Some theoretical aspects of destination choice and their relevance to production-constrained gravity models. Environment and Planning A, v. 15, n. 8, p. 1121–1132. DOI: 10.1068/a151121
Ichikawa, S.M., Pitombo, C.S., Kawamoto, E. (2002) Aplicação de Minerador de dados na obtenção de relações entre padrões de viagens encadeadas e características socioeconômicas. Anais do XVI do Congresso de Pesquisa e Ensino em Transportes, Anpet, Natal (RN), v. 2, p. 175-186.
Kass, G.V. (1980) An exploratory technique for investigating large quantities of categorical data. Applied Statistics, v. 29, p. 119–127. DOI: 10.2307/2986296
Kononenko, I; Kukar, M. (2007) Machine Learning and Data Mining: Introduction to Principles and Algorithms. Horwood Pub-lishing. Chichester, UK.
Koppelman, F. S.; Wen, C.H. (2000) The paired combinatorial logit model: properties, estimation and application. Transporta-tion Research Part B: Methodological, v. 34, n. 2, p. 75-89. DOI: 10.1016/S0191-2615(99)00012-0
LaMondia, J.; Snell, T.; Bhat, C.R. (2009) Traveler Behavior and Values Analysis in the Context of Vacation Destination and Travel Mode Choices: A European Union Case Study. Transportation Research Record: Journal of the Transportation Re-search Board, n. 2156, p. 140-149. DOI: 10.3141/2156-16
Marsland, S. (2009) Machine Learning: An Algorithmic Perspective. CRC Press. Cambridge, UK.
Mozolin, M.; Thill, J.C.; Linn, U.E. (2015) Trip distribution forecasting with multilayer perceptron neural networks: A critical evaluation. Transportation Research Part B: Methodological, v. 34, p. 53-73. DOI: 10.1016/S0191-2615(99)00014-4
Omrani, H. (2015) Predicting travel mode of individuals by machine learning. 18th Euro Working Group on Transportation, EWGT 2015, p. 840-849.
Pitombo, C.S.; Kawamoto, E.; Sousa, A.J. (2011) An exploratory analysis of relationships between socioeconomic, land use, activity participation variables and travel patterns. Transport Policy, v. 18, p. 347-357. DOI: 10.1016/j.tranpol.2010.10.010
Pitombo, C.S.; Kawamoto, E.; Sousa, A.J. (2013) Linking activity participation, socioeconomic characteristics, land use and travel patterns: a comparison of industry and commerce sector workers. Journal of Transport Literature, v. 7, p. 59-86. DOI: 10.1590/s2238-10312013000300004
Pitombo, C. S.; De Souza, A.D.; Lindner, A. (2017) Comparing decision tree algorithms to estimate intercity trip distribution. Transportation Research Part C , v. 77, p. 16-32. DOI: 10.1016/j.trc.2017.01.009
Pulugurta S, Arun A, Errampalli M (2013) Use of Artificial Intelligence for Mode Choice Analysis and Comparison with Tradi-tional Multinomial Logit Model, Procedia - Social and Behavioral Sciences, v. 104, p. 583-592. DOI: 10.1016/ j. sbspro.2013.11.152
Quinlan, R. (1983) Learning efficient classification procedures and their application to chess end-games. Machine Learning: An Artificial Intelligence Approach, Tioga, Palo Alto, p. 463-482.
Rasouli, M.; Nikraz, H. (2013) Trip Distribution Modelling Using Neural Network. Transport Research Forum, Brisbane, Aus-tralia.
Wilson, A.A. (1967) Statistical Theory of Spatial Distribution Models. Transportation Research, v. 1, p. 253-269. DOI: 10.1016/0041-1647(67)90035-4
Xie, C.; Lu, J.; Parkany, E. (2003) Work travel mode choice modeling with data mining: decision trees and neural networks. Transportation Research Record: Journal of the Transportation Research Board, n. 1854, p. 50-61. DOI: 10.3141/1854-06
Yang, C.; Tsai, M.; Chang, C, 2014. Investigating the joint choice behavior of intercity transport mode and high-speed rail cabin with a strategy map. Journal of Advanced Transportation. DOI: 10.1002/atr.1264
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Ao submeter um manuscrito para publicação neste periódico, todos os seus autores concordam, antecipada e irrestritamente, com os seguintes termos:
- Os autores mantém os direitos autorais e concedem à Revista TRANSPORTES o direito de primeira publicação do manuscrito, sem nenhum ônus financeiro, e abrem mão de qualquer outra remuneração pela sua publicação pela ANPET.
- Ao ser submetido à Revista TRANSPORTES, o manuscrito fica automaticamente licenciado sob a Licença Creative Commons Attribution, que permite o compartilhamento do trabalho com reconhecimento da autoria e da publicação inicial neste periódico.
- Os autores têm autorização para assumir contratos adicionais separadamente, para distribuição não exclusiva da versão do trabalho publicada neste periódico (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento da publicação inicial nesta revista, desde que tal contrato não implique num endosso do conteúdo do manuscrito ou do novo veículo pela ANPET.
- Os autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) depois de concluído o processo editorial. Como a Revista TRANSPORTES é de acesso livre, os autores são estimulados a usar links para o site da Revista TRANSPORTES nesses casos.
- Os autores garantem ter obtido a devida autorização dos seus empregadores para a transferência dos direitos nos termos deste acordo, caso esses empregadores possuam algum direito autoral sobre o manuscrito. Além disso, os autores assumem toda e qualquer responsabilidade sobre possíveis infrações ao direito autoral desses empregadores, isentando a ANPET e a Revista TRANSPORTES de toda e qualquer responsabilidade neste sentido.
- Os autores assumem toda responsabilidade sobre o conteúdo do trabalho, incluindo as devidas e necessárias autorizações para divulgação de dados coletados e resultados obtidos, isentando a ANPET e a Revista TRANSPORTES de toda e qualquer responsabilidade neste sentido.
