Aprimoramento de um sistema de informação ao passageiro para estações metroviárias
Fecha
2024Autor
Tutor
Nivel académico
Grado
Tipo
Materia
Resumo
Sistemas de informação ao passageiro são importantes para comunicar aos usuários do transporte público informações operacionais, como a previsão do tempo de chegada dos trens, mensagens de alerta e mudanças de plataforma. Serviços como esse aprimoram a experiência no transporte público, tornando-o mais confortável e acessível, e promo vem sua maior utilização ao torná-lo uma escolha mais atrativa para os usuários. O pre sente trabalho tem o objetivo de aprimorar sistema de informação ao usuário ...
Sistemas de informação ao passageiro são importantes para comunicar aos usuários do transporte público informações operacionais, como a previsão do tempo de chegada dos trens, mensagens de alerta e mudanças de plataforma. Serviços como esse aprimoram a experiência no transporte público, tornando-o mais confortável e acessível, e promo vem sua maior utilização ao torná-lo uma escolha mais atrativa para os usuários. O pre sente trabalho tem o objetivo de aprimorar sistema de informação ao usuário destinado às estações da Trensub. As principais melhorias e novas funcionalidades propostas são a implementação de páginas de administração e de gerenciamento de mensagens de alerta na aplicação Web que compõe o sistema, a criação de um novo módulo cliente utilizando uma Smart TV e realizando o desenvolvimento de um aplicativo Android personalizado e a criação de modelos de previsão do tempo de chegada dos trens nas estações utili zando técnicas de aprendizado de máquina, juntamente com uma refatoração do software da aplicação Web para comportar essas melhorias. Para a construção da aplicação Web utilizou-se o framework Django da linguagem Python 3, e o banco de dados MySQL. Para a criação dos modelos de predição, utilizaram-se as técnicas k-nearest neighbours, rede neural MLP e Floresta Aleatória. Também foi construído um algoritmo analítico para calcular a previsão a partir da velocidade média de operação. Um conjunto de dados com informações de geolocalização dos trens foi criado para realizar o treinamento e a valida ção dos modelos. A métrica de erro utilizada para avaliar os resultados foi o Root Mean Squared Error e demonstrou-se que os modelos de Floresta Aleatória apresentaram o me nor erro com o conjunto teste. Por fim, os modelos treinado foram integrados à aplicação e o sistema final demonstrou atender aos requisitos levantados. ...
Abstract
Passenger information systems are important for communicating operational infor mation to public transport users, such as the estimated time of arrival of trains, alert mes sages, and platform changes. Services like these enhance the public transport experience, making it more comfortable and accessible, and promote its increased use by making it a more attractive choice for users. The present work aims to improve the user information system intended for Trensub stations. The main improvements ...
Passenger information systems are important for communicating operational infor mation to public transport users, such as the estimated time of arrival of trains, alert mes sages, and platform changes. Services like these enhance the public transport experience, making it more comfortable and accessible, and promote its increased use by making it a more attractive choice for users. The present work aims to improve the user information system intended for Trensub stations. The main improvements and new functionalities proposed are the implementation of administration pages and alert message management in the Web application that makes up the system, the creation of a new client module using a Smart TV, the development of a custom Android app, and the development of train arrival time prediction models at stations using machine learning techniques, along with a refactoring of the Web application software to accommodate these improvements. The Django framework of the Python 3 language, and the MySQL database were used for the Web application development. For the creation of the prediction models, the k nearest neighbours, MLP neural network, and Random Forest techniques were utilized. An analytical algorithm was also constructed to calculate the prediction from the average operational speed. A dataset with train geolocation information was created to perform the training and validation of the models. The error metric used to evaluate the results was the Root Mean Squared Error, and it was demonstrated that the Random Forest models presented the lowest error with the test set. Finally, the trained models were integrated into the application, and the final system was shown to meet its requirements. ...
Institución
Universidade Federal do Rio Grande do Sul. Escola de Engenharia. Curso de Engenharia Elétrica.
Colecciones
-
Tesinas de Curso de Grado (36524)Tesinas Ingenierías (5727)
Este ítem está licenciado en la Creative Commons License
![](/themes/Mirage2Novo//images/lume/cc.png)