Use este identificador para citar ou linkar para este item:
http://repositorio.ufc.br/handle/riufc/58821| Tipo: | TCC |
| Título: | Predição de velocidades utilizando dados de sensores através de técnicas de aprendizado de máquina |
| Autor(es): | Gomes, Isac Moura |
| Orientador: | Magalhães, Regis Pires |
| Palavras-chave: | Aprendizado do computador;Previsão;Velocidade;Trânsito |
| Data do documento: | 2020 |
| Citação: | GOMES, Isac Moura. Predição de velocidades utilizando dados de sensores através de técnicas de aprendizado de máquina. 2020. 46 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Software)-Universidade Federal do Ceará, Campus de Quixadá, Quixadá, 2020. |
| Resumo: | Um dos problemas crescentes em grandes centros urbanos se dá pela demora no deslocamento de um ponto a outro da cidade devido a engarrafamentos, horários de pico, obras em vias etc. No entanto, a alta disponibilidade atual de dados pode ajudar a criar soluções para este problema de mobilidade urbana. Por conta disso, este trabalho propõe e avalia abordagens de Aprendizado de Máquina com o objetivo de identificar a melhor técnica para predição de velocidades a partir de dados obtidos por uma rede de sensores espalhados pela cidade de Fortaleza (Brasil), no decorrer do ano de 2014. Para isso foram testadas diversas técnicas e algoritmos de Aprendizado de Máquina com o intuito de identificar o algoritmo e seus hiperparâmetros que melhor conseguem lidar com o problema proposto. |
| Abstract: | One of the growing problems in large urban centers is due to the delay in moving from one point to another in the city, due to traffic jams, peak hours, road works, etc. However, the current high availability of data can help to create solutions to this urban mobility problem. Because of this, this work proposes and evaluates Machine Learning approaches in order to identify the best technique for speed prediction from data obtained by a network of sensors spread over the city of Fortaleza (Brazil), during the year of 2014. For this purpose, several Machine Learning techniques and algorithms were tested, in order to identify the algorithm and its hyperparameters that best deal with the proposed problem. |
| URI: | http://www.repositorio.ufc.br/handle/riufc/58821 |
| Aparece nas coleções: | ENGENHARIA DE SOFTWARE - QUIXADÁ - TCC |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| 2020_tcc_imgomes.pdf | 585,89 kB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.