Resumo
A fim de analisar de forma quantitativa os estudos existentes sobre planejamento de transporte urbano com modelos de machine learning através de big data e identificar os principais temas abordados, analisar quais são as aplicações e como podem auxiliar na otimização dos sistemas de transporte urbano foi desenvolvida uma revisão sistemática da literatura. Para a sua elaboração foi utilizado o software stArt, que divide a revisão em três etapas: planejamento, execução e sumarização. Quanto à análise dentre os artigos identificados na fase de seleção (2690), 67% são mais recentes que 2019, e entre os artigos aceitos na fase de extração (47), 84%. Na fase de seleção e extração, dos 47 artigos selecionados, 18 artigos (41%) foram publicados em 2020 e 15 artigos (34%) são ainda mais recentes, de 2021. Os resultados mostraram que o tema mais recorrente identificado foi previsão de demanda, seguido de previsão de tráfego.
Instituições
- 1 Universidade Federal do Rio Grande do Sul
Eixo Temático
- 4. Modelos e Técnicas de Planejamento de Transportes
Palavras-chave
Machine Learning
Big Data
revisão sistemática
modelos de predição
Planejamento de Transportes
Discussões Científicas de Qualidade
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
