Este estudo investiga os padrões de mobilidade nos quatro terminais estratégicos de Lisboa, Cais do Sodré, Sete Rios, Campo Grande e Oriente, analisando o impacto de fatores temporais, meteorológicos e de tráfego. Seguindo a metodologia CRISP-DM, os autores integraram grandes volumes de dados heterogéneos (Vodafone, Waze e IPMA) utilizando o Azure Data Explorer para análise descritiva e o algoritmo XGBoost para modelação preditiva.
A investigação concluiu que o terminal do Oriente é o mais movimentado e que condições como a precipitação influenciam diretamente os níveis de congestionamento. O modelo desenvolvido demonstrou elevada eficácia, alcançando 85% de precisão na classificação do tráfego e um R² de 0,67 na previsão de fluxos de pessoas, provando ser uma ferramenta robusta para o planeamento e gestão urbana proativa.

This study investigates mobility patterns at Lisbon’s four strategic terminals—Cais do Sodré, Sete Rios, Campo Grande, and Oriente—by analyzing the impact of temporal, meteorological, and traffic factors. Following the CRISP-DM methodology, the authors integrated large volumes of heterogeneous data (Vodafone, Waze, and IPMA) using Azure Data Explorer for descriptive analysis and the XGBoost algorithm for predictive modeling.
The research concluded that the Oriente terminal is the busiest and that conditions such as precipitation directly influence congestion levels. The developed model demonstrated high effectiveness, achieving 85% accuracy in traffic classification and an R² of 0.67 in predicting passenger flows, proving to be a robust tool for proactive urban planning and management.

Autores: Luís Travassos e Sara Pinto | Professor Responsável: Leonor Melo, ISEC