lfkopp / thundera

Análise de frequencia de passageiros no RJ

Geek Repo:Geek Repo

Github PK Tool:Github PK Tool

thundera

Análise de frequencia de passageiros

Crowd

Problema:

Durante a pandemia, deve-se garantir o distanciamento social e em momentos de rush há um risco potencial de transmissão nas viagens. Usuários irão trocar de meio de transporte por medo da lotação. Assim, o problema é como operações e comunicação poderá garantir a qualidade de serviço e espaçamento social em momentos de rush. Por exemplo, um passageiro às 16h, sem saber se haverá condições de distanciamento, poderá optar por transporte de aplicativo, mesmo que naquele momento o transporte estivesse vazia, reduzindo a receita.

Escopo:

Estimar quantidade de passageiros em cada composição ao longo das viagens. Com isso, operações pode aumentar o tempo entre viagens em momentos de movimento fraco para priorizar o rush.

Dados:

Estações

  • Estação / id_catraca / Entrada ou saída / date_time
  • Id_composicao / num_carros / date_time chegada e saída da plataforma / estação

Literatura:

Deep and Confident Prediction for Time Series at Uber COVID-19 Data Analysis and Forecasting: Algeria and the World

Atividades:

  • Coleta e limpeza de dados
  • Modelagem dos grafos
  • Estimativa de Entrada e saída de passageiros por estação e sazonalidade
  • Teste com FB Prophet
  • Modelagem de anomalias / eventos / efeitos climáticos
  • Interface de comunicação
  • Ajuste para correção em tempo real
  • Visualização
  • Teste final

Resultados:

  • Estimativa dos dados em t+1 atualizando online

About

Análise de frequencia de passageiros no RJ