Previsão do Tempo de Viagem usando Dados Históricos

Kisgyörgy et al apresenta três métodos para o cálculo do tempo de viagem, denomi- nados básico, indireto e direto [KR02].

Básico Uso da velocidade atual para o cálculo do tempo de viagem

Indireto Uso da rede neuronal para o cálculo da previsão da velocidade e usa o método

básico para o cálculo do tempo de viagem

Direto Uso da rede neuronal para o cálculo do tempo de viagem

Kisgyörgy et al realizou, para cada método, dois testes para a previsão de uma viagem que irá ser realizada dentro de 5 minutos e outra dentro de 25 minutos. Na tabela 2.2 são apresentados os resultados dos testes realizados.

Revisão Bibliográfica

Erro da previsão Básico Indireto Direto

5 minutos 7.6% 8.0% 7.6%

25 Minutos 7.4% 8.2% 8.0%

Tabela 2.2: Erros de previsão para cada um dos métodos apresentados por Kisgyörgy et al [KR02]

Kisgyörgy et al afirma que os melhores resultados são os fornecidos pelo algoritmo básico e que tal se deveu essencialmente às poucas alterações na rede e ao facto da quan- tidade de dados recolhidos ser muito reduzida. A desvantagem do algoritmo básico prende-se essencialmente com o facto de não ser fiável para lidar com as alterações que acontecem na rede(p.e. acidentes), que consequentemente podem levar a grandes erros na previsão do tempo de viagem. Adicionalmente afirma que o método direto tem re- sultados semelhantes ao básico e que consegue lidar muito melhor com as alterações na rede.Contudo, é salvaguardado que este método não pode ser usado, na situação descrita pelo autor devido à falta de recolha de dados de forma constante. Tendo em conta esta desvantagem, Kisgyörgy et al propõem que se use o método indireto para este tipo de situações [KR02].

Uma outra proposta é sugerida por Miwa et al. Este autor apresenta uma solução baseada em eventos para perceber qual o estado de cada táxi e utilizar esses dados para a identificação de rotas e previsão do tempo de viagem. Para tal, no referido trabalho, foram equipados 1570 táxis com GPS, de um universo de 32 companhias de táxis de Nagoya (Japão).

Na tabela 2.3 podem observar-se todos os comportamentos que são utilizados para o cálculo da previsão do tempo de viagem. De referir que os táxis estão equipados com três tipos de aparelhos de GPS. Os tipos 1 e 3 (um total de 915 táxis) são aparelhos simples de posicionamento e o tipo 2 (655 táxis) trata-se de um aparelho com uma maior preci- são(com uma razão de ocorrência de erro de posicionamento perto dos 0%). Para o estudo em questão foram utilizados apenas os táxis equipados com o tipo 2 [MSM04].

Evento Descrição Taxa de usabilidade

S/ incidentes Quando não acontece ne-

nhum evento em mais de 300m percorridos

35.1% SS(pequena paragem) Quando o veiculo arranca 31.3% ST(pequena viagem) Quando o veiculo para 29.8%

Outros Quando o motor arranja ou se

desliga, comportamento inse- guro, entre outros

3.8%

Tabela 2.3: Descrição dos comportamentos utilizador por Miwa et al [MSM04] Miwa et al reporta que existem diferenças nas velocidades médias entre os táxis que estão em serviço e os táxis que estão fora de serviço. Esta diferença pode prender-se com o facto de os táxis em serviço serem geralmente mais rápidos por terem um destino de- finido. A área de estudo do referido trabalho restringe-se a uma distância entre 12km a 18km (distância entre o aeroporto e a estação metropolitana de Nagoya), sendo o percurso

Revisão Bibliográfica

composto por uma estrada nacional ou por uma via-rápida. O referido percurso é um dos mais movimentados da cidade e por isso possibilita a obtenção de um número elevado de informação.

Miwa et al tem em conta dois fatores para o cálculo do tempo de viagem: dias laborais ou férias e tempo seco ou húmido [MSM04].

Passo 1: Definir os dados de entrada, como nós de origem e destino, hora de partida, tempo e um dia da semana. Definir t como “tempo de partida” + mod (hora de partida, 5 min.). Aqui "mod (A, B) significa parte restante de A / B. Passo 2: Aplicar o custo da ligação do período correspondente t-5 t para todas as ligações consideradas “não chegadas”. Usando o algoritmo de Dijkstra, procurar a rota desde a origem até ao destino que tenha o menor custo.

Passo 3: Considerando a procura da rota de menor custo, se o custo máximo de chegada exceder t, deverá suspender-se cálculo da procura.

Passo 4: Se o nó de destino não chegou, definir t = t + 5 min e seguir para a Etapa 2

Algoritmo 2.1:Algoritmo de previsões de tempo de viagem apresentado por Miwa

et al [MSM04]

O custo da ligação é determinado pela seguinte formula:

Custo da ligacao= Tempo de sada − Tempo de entrada

Tempo de entrada= (ta∗ l2+ tb∗ l1)/(l1+ l2)

Tempo de sada= (tc∗ l3+ td∗ l4)/(l3+ l4) ta=Tempo da última transmissão antes de entrar na ligação tb=Tempo da primeira transmissão depois de entrar na ligação tc=Tempo da última transmissão na ligação

ta=Tempo da primeira transmissão depois de sair da ligação

O algoritmo 2.1 calcula o tempo de viagem para todos os caminhos possíveis entre a origem e o destino, construindo assim uma tabela de custos para cada ligação. Na fi- gura 2.2 podemos ver um exemplo do cálculo do tempo de viagem entre a origem e o destino, com um uso de três ligações. A construção da tabela pode ter em conta as condi- ções de trânsito após a partida.

Para a validação do algoritmo desenvolveram dois métodos:

Algoritmo 1 cálculo do custo mínimo da rota considerado as variações das condições da

rede

Algoritmo 2 cálculo do custo mínimo da rota utilizando os custos da ligação e as condi-

ções da rede na hora da partida

A tabela 2.4 mostra que o método 1, que considera as variações das condições na rede, apresenta uma melhor relação e um menor erro do que o método 2. Contudo, da primeira vez que os testes foram realizados, esta diferença não foi muito significativa possivelmente

Revisão Bibliográfica

Figura 2.2: Exemplo de um cálculo de uma viagem [MSM04]

devido devido ao facto de, à altura, as alterações serem relativamente pequenas. Posteri- ormente foi realizada uma validação onde as alterações na rede eram mais frequentes e foi verificado que o método 2, na maior parte das vezes, calculou previsões com um grande erro [MSM04].