• Nenhum resultado encontrado

Caraterização de estradas em tempo real através de métodos preditivos

N/A
N/A
Protected

Academic year: 2021

Share "Caraterização de estradas em tempo real através de métodos preditivos"

Copied!
37
0
0

Texto

(1)

Caraterização de estradas

em tempo real através de

métodos preditivos

Joaquim Rui Rocha Barros

(2)

Agenda

Conceitos e trabalhos sobre previsão de tráfego

Modelação/Simulação

Análise de dados

Input/Output

Qualidade dos resultados

Implementação e resultados

(3)
(4)
(5)

Questões introdutórias

Quais as técnicas que

podem ser utilizadas para

previsão de tráfego?

Quais os dados que devem

ser fornecidos e podem ser

obtidos?

Como comparar diferentes

sistemas de previsão de

tráfego?

(6)

Abordagens principais

(7)

Model-driven

(8)
(9)

Sistemas/algoritmos analisados

Model-driven

• DynaMIT

• DynaSMART

• VISTA

• TRANSIMS

• DYNEMO

Data-driven

• K-NN

• HMM

• Particle Filtering

• BCNN

• Adaptive KF

• SARIMA + GARCH

• ARIMA

• Exponential Smoothing

• Neural Network

• MSTAR-MA

(10)

Input

Observações

estáticas

• Velocidade

• Volume

• Ocupação

Observações

de estrada

• Tempo de

viagem

• Comprimento

de filas

Observações

globais

• Meteorologia

• Incidentes

(11)

Output

Output direto

• Velocidade

• Volume

• Ocupação

Dados

derivados

• Tempo de

viagem

• Comprimento

de filas

Complexo

• Probabilidade

de incidente

• Tempo de

reação

• Mensagens

(12)

Qualidade dos resultados

Como medir a precisão?

Erro médio

absoluto (MAE)

Erro médio relativo

(MAPE)

Erro médio

quadrado (RMSE)

1

𝑛

𝑖=1

𝑛

𝑟

𝑖

− 𝑓

𝑖

1

𝑛

𝑖=1

𝑛

𝑟

𝑖

− 𝑓

𝑖

𝑟

𝑖

1

𝑛

𝑖=1

𝑛

(𝑟

𝑖

− 𝑓

𝑖

)

2

(13)

Qualidade dos resultados

MAPE é o mais utilizado

Minimização do MAE ou MAPE pode conduzir a

(14)
(15)
(16)

Qualidade dos resultados

Não existe um processo de

medição standard!

Inexistência de bases de dados

públicas!

(17)

Implementação e

resultados

(18)

Via de Cintura Interna (VCI)

Principal acesso às cidades do Porto e Gaia

Incidentes e congestionamentos

Não existe um sistema de previsão

Integração de diferentes fontes de

(19)

Dados de

sensores

(velocidade,

volume,

ocupação)

Meteorologia

(chuva,

nevoeiro,

humidade)

Incidentes

(localização e

tipo)

(20)

Pré-processamento

Dados entre 1/03/2013 e 11/05/2015

Agregação de dados de acordo com o sensor e

direção

Média pesada nas diferentes faixas por volume

28 750 755

(1,38 GB)

230 669

(463 MB)

(21)

Sistemas implementados

Aplicação

Java

(22)

Análise utilizando R

Preparação do script em R

Realização de testes por variação do intervalo de previsão

e algoritmo

Utilização da biblioteca caret

Introdução de dados meteorológicos

(23)

Algoritmos utilizados em R (caret)

Linear

Regression

Sparse Partial

Least Squares

Robust Linear

Model

Least Angle

Regression

Same as Now

The Lasso

Ridge

regression

(24)

RMSE por algoritmo (R)

0

5

10

15

20

25

30

35

lm

spls rlm

lars SaN lasso ridge

R

MSE

Algoritmos

30 min

Velocidade

Volume

Ocupação

0

5

10

15

20

25

lm

spls rlm

lars SaN lasso ridge

R

MSE

Algoritmos

15 min

(25)

Melhoria do RMSE com meteorologia (R)

-3

-2.5

-2

-1.5

-1

-0.5

0

0.5

1

1.5

lm

spls

rlm

lars

SaN

lasso

ridge

Mel

h

oria

d

ia

d

o

R

MSE (%)

Algoritmos

Estado geral do tempo

Positivo significa

redução do RMSE

(26)

Melhoria do RMSE com meteorologia (R)

-1.5

-1

-0.5

0

0.5

1

1.5

lm

spls

rlm

lars

SaN

lasso

ridge

Mel

h

oria

d

ia

d

o

R

MSE (%)

Algoritmos

Visibilidade

Velocidade

Volume

Ocupação

Positivo significa

redução do RMSE

(27)

Aplicação Java

Visualizador

Processamento de dados

Integração de fontes de informação externas

Métodos de previsão (com variantes)

(28)
(29)

Métodos desenvolvidos

Same as Now

Média

Média

baseada na

diferença

(30)

RMSE por algoritmo (Java)

0

5

10

15

20

25

30

35

40

Velocidade

Volume

Ocupação

30 min

0

5

10

15

20

25

30

35

Velocidade

Volume

Ocupação

(31)

Melhoria do RMSE com meteorologia (Java)

-3

-2

-1

0

1

2

3

4

5

Mean

K-NN

K-NN interval

Mel

h

oria

d

o

R

MSE (%)

Algoritmos

30 min

Positivo significa

redução do RMSE

(32)

Melhoria do RMSE sem incidentes (Java)

-5

0

5

10

15

20

Mel

h

oria

d

o

R

MSE (%)

Algoritmos

30 min

Velocidade

Volume

Ocupação

Positivo significa

redução do RMSE

(33)

Conclusões

Melhoria da

Relação entre os

dados de input e

output

?

?

Conhecimento sobre

Abordagens Híbridas

Resultados

adequados

Sistema extensível

em métodos e

(34)

Trabalho futuro

Estender previsões a toda a rede

Aplicação na gestão de tráfego rodoviário

Determinação da probabilidade de ocorrência de

incidentes

Geração automática de mensagens para ATIS (ex.

(35)

Obrigado!

JOAQUIM BARROS

joaquim.barros@fe.up.pt

pt.linkedin.com/in/jrrbarros

(36)

Configurações/Variantes

Distinção por dias da semana

Atribuição de um intervalo de tolerância

Previsão por sensor ou pela rede

Integração da meteorologia

(37)

Resultados da aplicação

A3-Paranhos apresenta erros elevados

Correlação entre velocidade e ocupação e os RMSE’s

Referências

Documentos relacionados

escreveram, não sintetiza o que as circunstâncias impõem, não discreteia acerca de assun- tos impessoais. Entorna no «papel» que tem dentro do seu coração. Nos seus escritos

Para a primeira, o conto literário moderno é meramente narrativo num modo impressionista, não possuindo nenhuma característica especial que o defina como género,

Figure 14 – Performance of the algorithms by σ of the GBF over the real dataset; each graphic shows the MSE in semilogarithmic scale of the estimations when varying the number

with the partial least squares (PLS) regression and the leave- one-out cross-validation (LOOCV) method have been applied as multivariate methods to generate the regression model

three it is proposed a new approach to estimating the covariance matrix of the least square (henceforth LS) estimator in a linear regression model..

No SU, onde observei 23 doentes, além de praticar um exame objetivo sistemático e dirigido, pude contactar com as principais patologias pediátricas que motivam

Evolution of the amount of nitrogen derived from fertilizer (QNdff) (mg leaves -1 ) in coffee seedlings, after the application of different nitrogen (N) doses, in

Abstrair da validade de toda e qualquer norma da justiça, tanto da validade daquela que está em contradição com uma norma jurídica positiva como daquela que está em harmonia com