Distinção de Modos de Transporte em Áreas Urbanas com base no uso de Protótipo de Receptor GNSS
DOI:
https://doi.org/10.17271/2318847285620202270Palavras-chave:
Planejamento de Transportes, Dados de Viagem, Deslocamentos UrbanosResumo
Com o processo de urbanização pelo qual o mundo vem passando nas últimas décadas, os problemas inerentes às cidades tornam-se cada vez mais sérios. Assim, o planejamento de transporte precisa ser feito com maior precisão, em intervalos de tempo mais curtos e com custos mais acessíveis. Neste estudo, foi apresentado um processo para caracterizar e diferenciar viagens por diferentes modos de transporte através de dados brutos do receptor GNSS. Para a coleta de dados de viagem, foi utilizado um protótipo de receptor GNSS desenvolvido com a plataforma Arduino. Foram coletados dados de deslocamentos, realizados por quatro modos de transporte. A análise dos dados de velocidade e aceleração, permitiu diferenciar os deslocamentos por modos não motorizados e motorizados, além de, diferenciar as viagens realizadas por meio de caminhada e bicicleta. No entanto, somente com a ajuda de um SIG foi possível diferenciar viagens por carro e ônibus.Downloads
Referências
BACHIR, Danya; KHODABANDELOU, Ghazaleh; GAUTHIER, Vincent; El YACOUBI, Mounim; PUCHINGER, Jakob. Inferring dynamic origin-Destination Flows by Transport Mode Using Mobile Phone Data. Transport ResearchPart C, v. 101. p. 254-275, 2019.
BOLBOL Adel; CHENG, Tao; TSAPAKIS, Ioannis; HAWORTH, James. Inferring Hybrid Transportation Modes From Sparse GPS Data Using a Moving Window SVM Classification. Computer, Environment and Urban Systems, v. 36, p. 526-537, 2012.
CALIPER. What is a Density Grid? Disponível em: https://www.caliper.com/glossary/what-is-a-density-grid.htm. Acesso em 03 de Jul. de 2019.
CAMPOS, Vânia. B. G. Planejamento de Transportes – Conceitos e Modelos. 1ª ed. Rio de Janeiro. Editora Interciência, 2013.
DABIRI, Sina; HEASLIP, Kevin. Inferring Transportation Modes from GPS Trajectories Using a Convolutional Neural Network. Transportation Research Part C, v. 86, p. 360-371, 2018.
GONG, Lei; MORIKAWA, Takayuki; YAMAMOT, Toshiyuki; SATO, Hitomi. Deriving Personal Trip Data from GPS Data: a literature review from the existing methodologies. Procedia – Social and Behavioral Sciences, v. 138, p. 557-565, 2014.
IBGE (2010) Dados do Censo 2010. Disponível em: <http://censo2010.ibge.gov.br/>. Acesso em 24 de maio de 2019.
KIHARA, Lorena M.; FONTENELE, Heliana B.; SILVA JÚNIOR, Carlos Alberto P. Automação do processo de mapeamento de rotas de ciclistas: testes com um GPS Arduíno. Simpósio de Engenharia, Gestão e Inovação. Águas de Lindoia/SP, 2019.
LARANJEIRO, Patrícia F.; MERCHÁN, Daniel; GODOY, Leonardo A.; GIANNOTTI, Mariana; YOSHIZAKY, Hugo T. Y.; WINKENBACH, Mathias; CUNHA, Cláudio B. Using GPS data to explore speed patterns and Temporal Fluctuations in Urban Logistics: the case of São Paulo, Brazil. Journal of Transport Geography, v. 76. p. 114-129.
MONTINI, Lara; PROST, Sebastian; SCHRAMMEL, Johann; RIESER-SCHUSSLER, Nadine; AXHAUSEN, Kay W. Comparison of Travel Diaries Generated from Smartphone Data and Dedicated GPS Devices. Transportation Research Procedia, v. 11, p. 227-241, 2015.
ONU. Department of Economic and Social Affairs/population division. In: World Urbanization Prospects: The 2018 Revision. 2018.
PRELIPCEAN, Adrian C.; SUSILO, Yusak O.; GIDÓFALVI, Gyozo. Collecting Travel Diaries: current state of the art, best practices, and future research directions. Transportation Research Procedia. v. 32. p. 155-166, 2018.
SHAFIQUE, Muhammad Awais; HATO, Eiji. Travel Mode Detection With Varying Smartphone Data Collection Frequencies. Sensors, v. 16, p. 716., 2016
SILA-NOWICKA, Katarzyna; FOTHERINGHAM, A. Stewart. Calibrating Spatial Interaction Models from GPS Tracking Data: an example of retail behavior. Computers, Environment and Urban Systems, v. 74, p. 136-150, 2019.
STOPHER, Peter R.; DAIGLER Vivian; GRIFFITH, Sarah. Smpartphone App Versus GPS Logger: a comparative study. Transportation Research Procedia, v. 32, p.135-145, 2018.
XIAO, Guangnian; JUAN, Zhicai; GAO, Jingxin. Travel Mode Detection Based on Neural Networks and Particle Swarm Optimization. Information, v. 6, p. 522-535, 2015.
XIAO, Zhibin; WANG, Yang; FU, Kun; WU, Fan. Identifying different transportation modes from trajectory data using tree-based ensemble classifiers. International Journal of Geo-Information. v. 6. p.57-79, 2017.
ZONG, Fang; TIAN, Yongda; HE, Yanan; TANG, Jinjun; LV, Jiannyu. Trip Destination Prediction Based on Multi-day GPS Data. Physica A, v. 515, p. 258-269, 2019.
