Sistema de apoio à decisão sobre transportes urbanos

Abstract

Com o aumento do número de veículos nas estradas o engarrafamento de trânsito nas zonas urbanas tem-se tornado um problema. Os engarrafamentos levam a prejuízos, poluem o ambiente e causam riscos para a saúde pública. Existe uma necessidade de gerir o trânsito de forma a evitar o congestionamento nas vias sem aumentar o número de infraestruturas, o que se tem demonstrado desafiador. Para combater estas dificuldades têm sido desenvolvidas novas soluções de gestão de trânsito, como a que será apresentada nesta dissertação. Para este projeto de dissertação os Transportes Urbanos de Braga (TUB) forneceram dados relativos às suas rotas desde 2016, até ao presente ano. O que se pretende com esta tese é recorrendo a técnicas de Data Mining, alimentados com estes dados e com dados de datasets complementares sobre o ambiente, como por exemplo um calendário de eventos na cidade, se consiga prever o comportamento do trânsito, de modo a otimizar as rotas feitas pelos autocarros dos Transportes Urbanos de Braga (TUB), reduzindo assim gastos em combustível, baixando a poluição e ter horários mais precisos para os utilizadores destes transportes.

With the raise of the number of vehicles on the roads, traffic jams on urban areas became a problem. Traffic jams lead to financial losses, pollute the environment and cause risks to the public health. There is a necessity to manage traffic in order to avoid road congestion without increasing the number of infrastructures, which has been challenging. To combat these difficulties new traffic management solutions have been developed, like the one that will be presented in this dissertation. For this dissertation project the TUB provided data relative to their routes since 2016, until the present year. The objective of this thesis is using Data Mining techniques, powered by this data and with data from complementary datasets about the environment like, for example a calendar with the city events, we will be able to predict the behavior of the traffic in the following days in order to optimize the TUB bus routes accordingly with what is expected, reducing the fuel costs, lowering the pollution levels and have more accurate schedules for the costumers of these transports.