Este trabalho aborda a análise e predição da velocidade comercial dos autocarros da Carris, utilizando técnicas avançadas de análise de dados e machine learning. O estudo foca-se nas carreiras 750 e 731, com o objetivo de identificar períodos e locais com velocidades mais baixas, contribuindo para o planeamento urbano e a mobilidade eficiente. A metodologia adotada seguiu a abordagem CRISP-DM, incluindo a análise estatística, visualização temporal e geoespacial, preparação dos dados e modelação.

O modelo implementado utiliza redes LSTM, otimizadas com o algoritmo Hyper-Band, para prever as velocidades com base em variáveis temporais e espaciais.

This work addresses the analysis and prediction of the commercial speed of Carris buses, using advanced data analysis and machine learning techniques. The study focuses on routes 750 and 731, aiming to identify periods and locations with lower speeds, contributing to urban planning and efficient mobility. The adopted methodology followed the CRISP-DM approach, including statistical analysis, temporal and geospatial visualization, data preparation, and modeling.
The implemented model uses LSTM networks, optimized with the Hyper-Band algorithm, to predict speeds based on temporal and spatial variables.

Autores: Diogo Lopes e Nuno Fidalgo | Professor Responsável: Mateus Mendes, ISEC

Ficheiros de código