Banca de DEFESA: JOHNATTAN DOUGLAS FERREIRA VIANA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: JOHNATTAN DOUGLAS FERREIRA VIANA
DATA: 16/06/2021
HORA: 09:00
LOCAL: Google Meet (online)
TÍTULO:

Uma abordagem para geração automática de casos de testes para apoio à certificação de Sistemas Médicos Físico-Cibernéticos.

PALAVRAS-CHAVES:

Sistemas de Bicicletas Compartilhadas, BSRP, Predição de Demandas, Tomada de Decisão, Gestão Estratégica.

PÁGINAS: 111
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Metodologia e Técnicas da Computação
RESUMO:

Os Sistemas de Bicicletas Compartilhadas (SBC) têm contribuído para a melhoria da mobilidade urbana e se tornaram cada vez mais comuns nas cidades. Embora esses sistemas forneçam um transporte econômico e sustentável, melhorando o trânsito nas cidades, para o seu funcionamento é necessário uma análise dos hábitos dos usuários para que as empresas fornecedoras desse serviço possam suprir a demanda de estações com alta procura e evitar o desperdício de recursos em estações pouco utilizadas, coletando bicicletas em estações superlotadas e redistribuí-las em estações que estão com baixo estoque ou mesmo vazias. Esse problema de rebalanceamento de bicicletas (do inglês Bike Sharing Rebalancing Problem - BSRP) requer estratégias eficientes de redistribuição, que dependem muito da modelagem e previsão de demanda de aluguéis, evidenciando a relevância de abordagens que auxiliem na tomada de decisão e gestão estratégica das empresas responsáveis por esses sistemas. Neste trabalho é analisado um conjunto de dados do Capital BikeShare (Washington, D.C.), explorando a relação de condições meteorológicas e sazonais nesse serviço. Modelos de regressão e classificação foram elaborados usando algoritmos clássicos da literatura como Linear Regression (LR), Support Vector Machine (SVM), Gaussian Naive Bayes (NB), K-Nearest Neighbors (KNN), MultiLayer Perceptron (MLP), Random Forest (RF) e Decision Tree (DT). O objetivo é predizer a quantidade de aluguéis, fornecendo um parâmetro para auxiliar na redistribuição eficiente de bicicletas nos SBC. A utilização de múltiplos algoritmos também foi experimentada para a construção de comitês homogêneos e heterogêneos. Os desempenhos dos modelos preditivos gerados foram analisados usando validação cruzada de 10 partes. Os testes estatísticos de Friedman e Nemenyi foram aplicados. Além disso, foram discutidas abordagens de agrupamento das estações de aluguéis, evidenciando tais agrupamentos como uma técnica útil na melhoria do desempenho dos modelos preditivos. O melhor modelo de regressão gerado utilizou o RF e alcançou coeficiente de determinação de 0,963, enquanto que o melhor modelo de classificação elaborado foi o DT, com acurácia de 96,21%. Um cenário de aplicação e uso dos potenciais modelos preditivos foi descrito, de forma a facilitar a interpretação dos resultados da predição para os gestores desses serviços e melhorar o processo de tomada de decisão nos SBC.

MEMBROS DA BANCA:
Presidente - 2303300 - LENARDO CHAVES E SILVA
Interno - 1286535 - FRANCISCO MILTON MENDES NETO
Interno - 032.691.924-44 - SEBASTIÃO EMIDIO ALVES FILHO - UERN
Externo à Instituição - CARINA TEIXEIRA DE OLIVEIRA - IFCE