WhyWeMove: Ferramenta de Apoio à Decisão para Desenvolvimento Sustentado do Espaço Urbano

Abstract

Dispositivos que possuem a tecnologia de Posicionamento por Satélite, nomeadamente o Sistemas de Posicionamento Global (GPS) têm sido usados regularmente na recolha de dados de viagens realizadas no espaço urbano. Este uso tem beneficiado a melhoria e qualidade da informação disponível para o desenho e planeamento urbano.Os dispositivos mais usados no quotidiano das pessoas correspondem aos “smartphones”. Eles registam a posição, tempo e velocidade da viagem com o auxílio da tecnologia GPS. Estas características juntamente com o destino da viagem e as atividades (POIs) que lá se podem realizar permitem identificar o propósito de viagem. O propósito de viagem corresponde à identificação da realização de uma determinada atividade num determinado lugar geográfico, por exemplo, lazer, trabalho, educação, entre outras atividades quotidianas. Atualmente a inferência do propósito de viagem não pode ser registada automaticamente pelos dispositivos tecnológicos, porque estas tecnologias ainda não conseguem determinar com qualidade esta informação visto que dependem de diversos fatores: altura do dia e da semana, a sua proximidade à casa e/ou trabalho, modos de transportes usados, duração da atividade/viagem, entre outros. Desta forma, o estudo feito neste trabalho consiste em idealizar um método de aprendizagem computacional em prol desta identificação com base em dados recolhidos por smartphones, onde o método apresenta boas precisões na previsão desta identificação. Ao idealizarmos o modelo permitimos apoiar e impactar de forma positiva em certas estratégias promocionais, eventos, estruturações urbanas, trajetórias dos meios de transportes, entre outros, com base nos hábitos populacionais. Selecionar “features” e trabalhá-las também será incluído neste estudo, integrando no modelo, para proceder à obtenção da melhor previsão possível ao mesmo tempo que se verifica o impacto desta integração.No decorrer deste trabalho foram analisados diferentes features do dataset Breadcrumbs (Moro et al., 2019), com base nas técnicas de recolha e seleção de dados de uma base de dados prosseguindo com a implementação de algoritmos que integram estas features e, posteriormente, determinem a melhor precisão possível na previsão da inferência do propósito de viagens.

Devices that have Satellite Positioning technology, namely Global Positioning Systems (GPS) have been regularly used to collect data from trips carried out in urban space. This use has benefited the improvement and quality of the information available for urban design and planning.The most used devices in people's daily lives correspond to smartphones. They record the position, time, and speed of travel with the help of GPS technology. These characteristics, together with the destination of the trip and the activities (POIs) that can be carried out there, allow identifying the purpose of the trip. The purpose of travel corresponds to the identification of carrying out a certain activity in a certain geographical place, for example, leisure, work, education, among other daily activities. Currently, the inference of the purpose of travel cannot be automatically registered by technological devices because these technologies are still unable to determine this information with quality. In this way, the study carried out in this work consists of devising a computational learning method for this identification based on data collected by smartphones, where the method presents good accuracy in predicting this identification. When we idealized the model, we supported and positively impacted certain promotional strategies, events, urban structures, transport routes, among others, based on population habits. Selecting features and working with them will also be integrated in this study, embedded in the model, to proceed to obtain the best possible forecast while verifying the impact of this integration.