Titulo Estágio
Caracterização Automática da Procura vs Oferta de Mobilidade em Áreas Urbanas
Áreas de especialidade
Sistemas Inteligentes
Sistemas de Informação
Local do Estágio
AmILab (CISUC)
Enquadramento
A mobilidade em grandes espaços urbanos é condicionada por fatores como sejam os congestionamentos de tráfego, informação não atualizada, eventos não regulares, acidentes, supressões de vias, obras, entre outros. Ainda constrangimentos como sejam morar a vários quilómetros do local de trabalho, ter de deixar os filhos na escola, ou falta de serviços integrados de mobilidade levam a que haja uma menor utilização dos transportes públicos em favor do transporte individual. Isto conduz a um aumento do tráfego. Ainda maiores congestionamentos, maior poluição e diminuição da eficiência energética.
Um melhor conhecimento da procura de mobilidade com base em dados agregados de todas as movimentações ocorridas nesse espaço, melhor conhecimento dos modos de transporte utilizados e alinhamento com a oferta de mobilidade dos operadores de transportes coletivos é um passo para melhorar a oferta de transporte público, com claros benefícios. É uma forma clara de incentivar os cidadãos a usarem soluções de mobilidade mais racionais e sustentáveis.
A colaboração existente entre o AmILab, operadores de mobilidade e decisores urbanos permite agora oferecer este estágio que para além de desafios científicos tem claros desafios societais. Pretende-se de forma não intrusiva gerar informação utilizável para a decisão sobre as necessidades de mobilidade no espaço urbano.
Objetivo
O objetivo desta dissertação é estudar e aplicar diferentes técnicas de Análise de Dados, recorrendo a dados de mobilidade individual obtidos de uma aplicação móvel, a dados dos transportes públicos de Lisboa, a dados abertos sobre condições climatéricas e outros dados de contexto para gerar modelos de procura de mobilidade e alinhar estes modelos com a caracterização da oferta de mobilidade em transporte público.
A caracterização da procura compreende a geração das matrizes de origem/destino, modos de transporte, escolhas de rotas, tempos de viagem, e hora de partida das pessoas na cidade de Lisboa. Estes modelos vão ser comparados com as ofertas de linhas e horários dos transportes públicos para caracterização das necessidades não atendidas e procura reprimida relativamente ao transporte público.
Os dados inicialmente utilizados serão os recolhidos em 2018 através de uma aplicação móvel que foi usada durante cerca de 2 meses por cerca de 200 voluntários. É objetivo de durante o estágio obter também dados de uma operadora móvel para enriquecimento do modelo de procura.
Este projeto terá uma componente experimental, que deverá abranger: (i) estudo dos diferentes tipos de fontes de dados de Mobilidade disponíveis; (ii) estudo e exploração de técnicas de aprendizagem aplicadas à Mobilidade (e.g. análise de dados para extração de características, seleção de algoritmos de machine learning); (iii) seleção das técnicas com melhor performance (iv) desenvolvimento de um serviço que integre as técnicas anteriores e permita gerar indicadores de apoio à decisão para o operador de transportes.
Plano de Trabalhos - Semestre 1
Estudo dos dados disponíveis e fontes de dados adicionais.
Levantamento do estado da arte de técnicas de aprendizagem aplicada a problemas de mobilidade.
Experimentação das técnicas de aprendizagem sobre os dados disponíveis para modelação da procura.
Seleção das técnicas de aprendizagem a utilizar.
Elaboração da proposta de dissertação.
Plano de Trabalhos - Semestre 2
Desenvolvimento do modelo de procura.
Segmentação da procura relativamente à oferta de transportes públicos.
Construção de um dashboard para o decisor de transportes públicos.
Experimentação e avaliação.
Elaboração da dissertação.
Escrita de artigo científico.
Condições
O local de trabalho é o laboratório AmILab do grupo CMS do CISUC onde ocorrerá um acompanhamento regular por parte dos orientadores.
Prevê-se que este estágio seja remunerado através de uma bolsa de investigação para licenciado com a duração de 6 meses, eventualmente extensível a 9 meses.
Orientador
Carlos Bento
carlosbento@me.com 📩