Descoberta de conhecimento em bases de dados aplicação na área de transportes públicos

Abstract

O avanço da tecnologia tem proporcionado novas formas de criar e armazenar dados. Diariamente, as organizações acumulam dados sobre diversos processos, tendo como base a ideia de que os grandes volumes de dados podem ser fonte de conhecimento, contido de uma forma implícita, que pode ser extraído com a ajuda das técnicas apropriadas. Assim, é natural assumir que as organizações estão interessadas em obter previsões fundamentadas de certos tipos de indicadores, especialmente acerca daqueles que possam influenciar a tomada de decisões. Uma das formas reside na previsão de valores futuros ou desconhecidos de outras variáveis de interesses e de descoberta de padrões. Nas últimas décadas tem sido desenvolvido vários tipos de algoritmos de aprendizagem, tendo sido estes aplicados com sucesso em vários domínios. Das várias ferramentas para tratamento destaca-se as Redes Neurais Artificiais (RNA), as Árvores de Decisão e a Regressão. O principal objectivo deste projecto foi o de através do modelo de Regressão, associado à técnica de forcasting utilizando janelas deslizantes conseguir resultados da venda de titulos de transporte de forma antecipada com um grau de fiabilidade perto dos 100%, tendo sido conseguido. Os resultados obtidos neste estudo revestem-se de um enorme potencial quando comparados com os métodos classicos, distribuição normal, variância, análise de regressão, desvio simples, análise de conjuntos, análises de discriminantes e intervalos de confiança, todos usados para estudar dados e os relacionamentos entre eles, para prever o numero de titulos vendidos no futuro, abrindo espaço para o desenvolvimento de ferramentas automáticas para suporte à decisão. Após aturada pesquisa bibliográfica, constata-se que a literatura associada a este tipo de análise é escassa sendo orientada mais para análise de previsão dos padrões de viagens, e mudança comportamental dos individuos.

The advancement of technology has provided new ways of creating and storing data.Daily, the organisations accumulate data on various processes, having based on the idea that large volumes of data can be a source of knowledge, contained an implicit form, which can be extracted with the help appropriate techniques. Thus, it is natural to assume that organizations are interested in getting reasoned forecasts of certain types of indicators, especially about those that may influence decision-making. A forms lies in forecasting future values of other unknown or variables of interest and pattern discovery. In recent decades has been developed various types of learning algorithms, applied with success in many areas. Of several tools for treatment is Artificial Neural Networks (RNA), decision trees and regression. O the main aim of this project was the with , regression model associated with the forcasting technique using sliding Windows achieve results of selling tickets early with a degree of reliability near 100%, has been achieved. The the results obtained in this study are of enormous potential when compared with the normal methods, classics, distribution, analysis of variance regression analysis, simple deviation of discriminantes analysis sets and confidence intervals, all used to study data and relationships among them, to predict the number of titles sold in the future, opening space for the development of automated tools for decision support. After mature bibliographic search that is associated with this literature is little analysis type being oriented predictive analysis travel patterns and behavioral change of individuals.