Modelo rapide : Uma aplicação de mineração de dados e redes neurais artificiais para a estimativa da demanda por transporte rodoviário interestadual de passageiros no Brasil

AUTOR(ES)
DATA DE PUBLICAÇÃO

2004

RESUMO

Transporte Rodoviário Interestadual de Passageiros (TRIP) tem uma importância significativa no Brasil, pois gera milhares de empregos, movimenta milhões de reais e torna possível que milhões de pessoas se desloquem entre localidades situadas em estados diferentes. A prestação dos serviços públicos de TRIP é uma incumbência do Poder Público, sendo que a execução dos mesmos pode ser concedida ou permitida por licitação pública a Empresas de Transporte. Hoje, a condução dessas licitações está a cargo da Agência Nacional de Transportes Terrestres (ANTT). Um dos elementos centrais das licitações é a estimativa da demanda de passageiros a serem transportados entre duas localidades. É central porque tanto a ANTT quanto as Empresas precisam ter conhecimento, antes do início da operação da linha de, aproximadamente, quantos passageiros utilizarão os serviços. Fundamentado em regressões estatísticas múltiplas e considerando a demanda como função das populações totais residentes nas localidades de origem e de destino e da distância rodoviária entre as mesmas, o modelo gravitacional em uso no Brasil (MGB) tem sido utilizado para estimar a demanda no País. Na visão de especialistas em transporte, contudo, o MGB apresenta estatisticamente taxas de erro elevadas, quando comparado com valores reais de operação dos serviços, podendo acarretar duas situações: a demanda ser estimada muito acima ou muito abaixo da demanda real. Na primeira situação pode ocorrer de empresas que atenderiam aos requisitos serem excluídas da licitação ou a empresa vencedora do processo licitatório adquiri veículos ou contratar funcionários desnecessários. Ocorrendo a segunda situação pode acontecer de uma empresa que não atenderia aos requisitos sair vencedora da licitação, o que a obrigaria a devolver a concessão ou a realizar , no curto prazo, investimentos não previstos para atender à demanda real. O objetivo principal desta dissertação foi construir um modelo, utilizando-se a metodologia de Data Mining (DM) e a ferramenta Rede Neural Artificial (RNA) com validação cruzada, para a estimativa da demanda por TRIP no Brasil que, implementado por meio de uma aplicação computacional, apresentasse estatisticamente maior precisão do que o MGB. Enquanto a DM tem sido aplicada no desenvolvimento de aplicações de negócio e de tomada de decisão, as RNA são úteis em situações nas quais é difícil ou impossível resolver explicitamente um problema. Dentre os vários modelos construídos nesta dissertação um, chamado de RAPIDE, destacou-se por mostrar precisão consideravelmente maior do que o MGB.Esse modelo considerou como parâmentros de entrada : quantas pessoas vivem nas regiões urbanas e rurais dos municípios de origem e de destino e os respectivos estados, frotas de veículos automotores, índices de desenvolvimento humano, rendas per capita e distâncias rodoviárias que os separam. Além da aplicações, oferecendo maior transparência, segurança e precisão, o RAPIDE poderia ser útil em: planejamento estratégico, estudos tarifários e avaliação de corredores de transporte. Considerando-se que os serviços de TRIP objetivam atender a usuários que desejam se deslocar entre localidades espera-se que o RAPIDE possa também contribuir para a oferta de serviços com maior qualidade e frequência, rotas mais adequadas e menores tarifas.

ASSUNTO(S)

passengers transport by roads travel demand forecasting redes neurais artificiais transporte rodoviário interestadual de passageiros artificial neural networks sistemas de computacao modelo para estimativa de demanda mineração de dados data mining

ACESSO AO ARTIGO

Documentos Relacionados