Abordagens multivariadas aplicadas em dados de sistemas de transportes

Abstract

Esta tese tem por objetivo a proposição de métodos apoiados em ferramentas multivariadas voltados à seleção de variáveis para clusterização e classificação de dados dentro de sistemas de transporte (corredores prioritários de ônibus, conflitos de trânsito e acidentes de trânsito). Para tanto, ela é sustentada por três artigos. O artigo 1 propôs uma nova estrutura para identificar as variáveis mais informativas para agrupar corredores prioritários de ônibus de acordo com suas similaridades (aspectos de sistemas, físicos e operacionais). No artigo 2, conflitos de tráfego foram agrupados usando o self-organizing maps (SOM) com base em perfis e características semelhantes que contribuem para a ocorrência de conflitos de tráfego; fim a melhorar a qualidade dos grupos formados, foi desenvolvido um novo índice de importância de variável baseado nos resultados do nonlinear principal component analysis (NLPCA). No artigo 3, foram analisados acidentes de trânsito nas áreas rurais e urbanas do Brasil (BR) e da Grã-Bretanha (GB) ocorridos em 2018, com o objetivo de identificar as variáveis mais relevantes para a classificação de acidentes de trânsito em fatais e não fatais. Desta forma, esta tese forneceu contribuições teóricas e práticas. Foram propostas abordagens inéditas, na área de análise multivariada de dados, como um (i) novo índice para mensurar a qualidade da clusterização, e (iii) um novo índice de importância de variáveis baseado nos resultados do NLPCA. Ainda, dentro da área de segurança viária, foi proposto um (iii) método de seleção de variáveis para classificar acidentes fatais e não-fatais (análise similar não foi encontrada na literatura). Em termos práticos, pesquisadores e profissionais podem se beneficiar das proposições desta tese para (i) projetar estratégias de atendimento de corredores prioritários de ônibus, em diferentes cidades ao redor no mundo, com base nas suas características mais relevantes, (ii) gerenciar as condições dos conflitos de trânsito mais suscetíveis a ocorrência de acidentes, e (iii) desenvolver políticas de redução de acidentes com base nas variáveis mais relevantes para discriminar acidentes de trânsito fatais e não-fatais.

This thesis aimed to proposed methods supported by multivariate tools that integrate a variable selection with clustering and classification within transportation systems (priority bus corridors, traffic conflicts, and road accidents). For this, this research is supported on three papers. Paper 1 proposed a novel framework to identify the most informative variables for clustering bus priority corridors according to their similarities (system, physical, and operational aspects). Paper 2 developed a framework for grouping traffic conflicts relying on similar profiles and factors that contribute to conflict occurrence using self-organizing maps (SOM). In order to improve the quality of the formed groups, we developed a novel variable importance index relying on the outputs of the nonlinear principal component analysis (NLPCA). Paper 3 aimed to identify the most relevant variables for the classification of road accidents as fatal and nonfatal; for that matter, data reporting accidents in rural and urban areas of Brazil (BR) and Great Britain (GB) in 2018 were analyzed. Thus, this thesis provided theoretical and practical contributions. New approaches were proposed, in the area of multivariate data analysis, as an (i) index to measure the quality of clustering and a (iii) new variable importance index based on the outputs of the NLPCA. Also, within the area of road safety, a (iii) variable selection method was proposed to classify fatal and non-fatal accidents (similar analysis was not found in the literature). Besides, researchers and professionals can benefit from the results of this thesis. For example, to (i) design service strategies for priority bus corridors, in different cities around the world, based on their most relevant variables; (ii) manage the conditions of traffic conflicts that are more susceptible to accidents; and, (iii) develop accident reduction policies based on the most relevant variables to discriminate btween fatal and non-fatal road accidents.