{"id":2956,"date":"2017-10-09T18:21:57","date_gmt":"2017-10-09T21:21:57","guid":{"rendered":"https:\/\/www.poli.usp.br\/noticias\/arquivo-de-noticias\/2956-estudante-da-poli-usa-ia-em-sistema-que-melhora-previsao-de-chegada-de-onibus-coletivo-em-sao-paulo.html"},"modified":"2018-09-09T20:40:38","modified_gmt":"2018-09-09T23:40:38","slug":"estudante-da-poli-usa-ia-em-sistema-que-melhora-previsao-de-chegada-de-onibus-coletivo-em-sao-paulo","status":"publish","type":"post","link":"https:\/\/www.poli.usp.br\/en\/noticias\/estudante-da-poli-usa-ia-em-sistema-que-melhora-previsao-de-chegada-de-onibus-coletivo-em-sao-paulo\/","title":{"rendered":"Estudante da Poli usa IA em sistema que melhora previs\u00e3o de chegada de \u00f4nibus coletivo em S\u00e3o Paulo"},"content":{"rendered":"

Em projeto de inicia\u00e7\u00e3o cient\u00edfica, Filipe Mour\u00e3o conseguiu calcular o tempo que um \u00f4nibus leva de um ponto a outro com quase 50% mais precis\u00e3o do que os m\u00e9todos usados em aplicativos j\u00e1 existentes.<\/em><\/p>\n

Participar do Simp\u00f3sio Internacional de Inicia\u00e7\u00e3o Cient\u00edfica e Tecnol\u00f3gica da USP (SIICUSP) \u00e9 uma possibilidade para quem realiza a gradua\u00e7\u00e3o estar mais pr\u00f3ximo da carreira acad\u00eamica, al\u00e9m de ter o contato com pessoas e professores especializados na \u00e1rea e at\u00e9 concorrer a vagas em simp\u00f3sios internacionais para expor seu projeto. A oportunidade foi aproveitada por Filipe Assis Mour\u00e3o, aluno da Escola Polit\u00e9cnica da Universidade de S\u00e3o Paulo (Poli-USP) que optou por complementar sua forma\u00e7\u00e3o no curso de Engenharia Mecatr\u00f4nica com a atividade de pesquisa e da participa\u00e7\u00e3o na exposi\u00e7\u00e3o.<\/p>\n

Orientado pelo docente Jun Okamoto Jr., do Departamento de Engenharia Mecatr\u00f4nica (PME) da Poli, Mour\u00e3o utilizou t\u00e9cnicas de intelig\u00eancia artificial e desenvolveu um sistema para estimar a chegada dos \u00f4nibus de uma linha da cidade de S\u00e3o Paulo com um tempo de erro 50% menor do que os m\u00e9todos existentes e usados em aplicativos comerciais.<\/p>\n

Para Okamoto, a relev\u00e2ncia do projeto est\u00e1 intimamente ligada com os resultados obtidos, que mostram uma vantagem em rela\u00e7\u00e3o ao c\u00e1lculo feito atualmente pelos sistemas j\u00e1 utilizados. \u201cTradicionalmente, s\u00e3o usados m\u00e9todos estat\u00edsticos comuns, enquanto Filipe leva em considera\u00e7\u00e3o outros fatores que tamb\u00e9m podem influenciar o tempo de chegada do ve\u00edculo\u201d, explica o docente: \u201cAl\u00e9m disso, o trabalho est\u00e1 dentro do conceito de cidades inteligentes, porque visa melhorar a cidade para quem a habita\u201d, completa.<\/p>\n

Os m\u00e9todos para a previs\u00e3o de chegada dos \u00f4nibus da cidade em um ponto j\u00e1 s\u00e3o utilizados por diversos aplicativos dispon\u00edveis no mercado e se baseiam em c\u00e1lculos de dados estat\u00edsticos como a velocidade m\u00e9dia do ve\u00edculo e o tempo m\u00e9dio que ele costuma percorrer para realizar o mesmo trajeto. Contudo, o docente lembra que isso n\u00e3o abrange diversos outros fatores muito importantes. \u201cSabemos que, por exemplo, o tempo de percurso pode ser influenciado pelo tr\u00e2nsito ou at\u00e9 mesmo pelo dia da semana\u201d, acrescenta.<\/p>\n

Para resolver o problema, Mour\u00e3o resolveu utilizar um conceito da intelig\u00eancia artificial denominado aprendizado de m\u00e1quina. Ele pode ser entendido como um campo de estudo que fornece ao computador a capacidade de aprender sobre um determinado problema sem ter sido, necessariamente, programado para isso. Por meio de um grande conjunto de dados, o sistema pode extrair regras e padr\u00f5es dos mesmos e ent\u00e3o criar uma l\u00f3gica para eles, fazendo estimativas e at\u00e9 previs\u00f5es de seus comportamentos.<\/p>\n

Segundo o professor, o aprendizado de m\u00e1quina \u00e9 um campo promissor para \u00e1reas como o mercado financeiro, que pode se beneficiar com a estimativa de queda ou subida de a\u00e7\u00f5es, ou at\u00e9 mesmo para o diagn\u00f3stico de exames m\u00e9dicos.<\/p>\n

O estudante e realizador da pesquisa explica que optou por treinar seu computador para o aprendizado de m\u00e1quina supervisionado, um dos poss\u00edveis tipos de treinamento de m\u00e1quinas da intelig\u00eancia artificial. Neste m\u00e9todo, s\u00e3o fornecidos para o algoritmo dados de entrada \u2013 par\u00e2metros do que se quer descobrir \u2013 e dados de sa\u00edda \u2013 os resultados.<\/p>\n

Mour\u00e3o fez exatamente isso durante o projeto: ele realizou diversos treinamentos com seu computador, disponibilizando para o algoritmo os fatores que acreditava serem os influenciadores do tempo de chegada dos \u00f4nibus (quilometragem de tr\u00e2nsito na cidade, se est\u00e1 chovendo ou com sol, dia da semana etc.) e tamb\u00e9m os resultados, ou seja, o tempo real de chegada dos \u00f4nibus de um ponto a outro. A m\u00e1quina, ent\u00e3o, ficou respons\u00e1vel por tra\u00e7ar uma rela\u00e7\u00e3o entre esses dados e estabelecer uma l\u00f3gica sobre como os par\u00e2metros definem o per\u00edodo do percurso.<\/p>\n

Mour\u00e3o conta que cerca de 300 mil dados foram coletados para a realiza\u00e7\u00e3o do treinamento. Destes, 82 mil foram efetivamente utilizados, sendo 12 mil guardados para a etapa de prova final, para garantir que o sistema estivesse funcionando. Ele acrescenta que utilizou 22 vari\u00e1veis, divididas em quatro grandes categorias: Congestionamento, Clima, \u00d4nibus e Par\u00e2metros do Dia. Alguns exemplos de vari\u00e1veis s\u00e3o: dia da semana, se era feriado ou n\u00e3o, quilometragem de congestionamento da cidade, precipita\u00e7\u00e3o, temperatura m\u00e9dia do dia, umidade do ar, velocidade do \u00f4nibus, dist\u00e2ncia at\u00e9 o ponto de parada, e tempo de chegada anterior, entre outros.<\/p>\n

Todas as informa\u00e7\u00f5es foram retiradas de fontes confi\u00e1veis, ele garante. Elas vieram do Maplink, que usa os APIs do Google Maps, do Instituto Nacional de Meteorologia e da SPTrans. Durante o per\u00edodo de um ano de pesquisa, nove meses ficaram reservados para a defini\u00e7\u00e3o dos par\u00e2metros, manipula\u00e7\u00e3o dos dados, treinamento e avalia\u00e7\u00e3o da m\u00e1quina.<\/p>\n

Para as simula\u00e7\u00f5es, o estudante escolheu a linha 8700-10, que liga Tabo\u00e3o da Serra ao centro de S\u00e3o Paulo. A escolha dessa linha foi muito bem pensada. \u201cEla n\u00e3o possui corredores de \u00f4nibus em todo o seu trajeto, o que faz com que sofra mais diretamente a influ\u00eancia de fatores como o tr\u00e2nsito e torne o c\u00e1lculo de sua chegada mais dif\u00edcil\u201d, explica Mour\u00e3o. Como resultado, o aluno criou um sistema que prev\u00ea a chegada com 36 segundos de atraso \u2013 contra os 67 segundos que s\u00e3o a margem de erro dos aplicativos dispon\u00edveis atualmente.<\/p>\n

O professor Okamoto se diz contente com o resultado alcan\u00e7ado. \u201c\u00c9 necess\u00e1rio um esfor\u00e7o muito grande e investimentos para disponibilizar um sistema desses para uma cidade com tantas linhas como S\u00e3o Paulo. Contudo, mostramos que temos o conhecimento do m\u00e9todo, e confirmamos que ele \u00e9 mais eficiente do que o tradicional\u201d.<\/p>\n

Mour\u00e3o garante que a experi\u00eancia de realizar a IC foi muito importante para a sua forma\u00e7\u00e3o. \u201cFoi uma das melhores experi\u00eancias do curso. Eu j\u00e1 tinha uma paix\u00e3o pela \u00e1rea, e a vontade de trabalhar em algo mais pr\u00e1tico. Aprendi muito sobre pesquisa e rotina acad\u00eamica\u201d.<\/p>\n

O professor concorda com o aluno a respeito da import\u00e2ncia da IC. \u201cSe o aluno tiver vontade de aprender alguma coisa que ele n\u00e3o consiga ver durante o curso normal, a Inicia\u00e7\u00e3o Cient\u00edfica \u00e9 uma \u00f3tima oportunidade. Assim, ele melhora a sua forma\u00e7\u00e3o, complementando-a com um assunto que vai al\u00e9m da gradua\u00e7\u00e3o\u201d.<\/p>\n

O que a IA \u00e9 capaz \u2013<\/strong> Jun Okamoto possui uma linha de pesquisa na Poli que trabalha especificamente com o aprendizado de m\u00e1quina supervisionado. Ele explica que atualmente orienta dois projetos na \u00e1rea, um de mestrado e outro de doutorado.<\/p>\n

O primeiro deles, chamado \u201cClassifica\u00e7\u00e3o Est\u00e9tica de Fotos\u201d, busca entender quais fatores influenciam na escolha de uma fotografia como vencedora de pr\u00eamios ou at\u00e9 mesmo digna de uma grande quantidade de curtidas nas redes sociais. \u201cO objetivo \u00e9 escolher fotos que tenham sido premiadas e treinar a m\u00e1quina de acordo com os resultados que elas tiveram nas competi\u00e7\u00f5es. Assim \u00e9 poss\u00edvel mostrar uma nova foto para a m\u00e1quina e ela dizer se a foto tem chances ou n\u00e3o de ser premiada\u201d, comenta. J\u00e1 a tese de doutorado trabalha com s\u00e9ries temporais do mercado financeiro, e tenta concluir se certas a\u00e7\u00f5es ir\u00e3o cair ou subir na bolsa de valores.<\/p>\n

O tema de estudo do professor j\u00e1 rendeu uma parceria com a Receita Federal em 2008. A coopera\u00e7\u00e3o permitiu o desenvolvimento de um sistema que diz quais os c\u00f3digos CNAE que correspondem \u00e0s atividades de uma empresa por meio de descri\u00e7\u00f5es por texto livre. O projeto do professor tenta automatizar a fun\u00e7\u00e3o de um especialista, utilizando o m\u00e9todo supervisionado. Dessa forma, a m\u00e1quina faz a classifica\u00e7\u00e3o autom\u00e1tica das atividades das empresas indicando quais os c\u00f3digos CNAE mais se ajustam \u00e0s atividades declaradas.<\/p>\n

Apesar do conceito de Intelig\u00eancia Artificial n\u00e3o ser t\u00e3o recente, Okamoto diz que agora h\u00e1 mais possibilidades de sua aplica\u00e7\u00e3o pr\u00e1tica do que antigamente. \u201cHoje em dia, \u00e9 mais f\u00e1cil aplicar a IA porque os computadores s\u00e3o muito mais r\u00e1pidos. Ela demanda uma grande quantidade de dados, e as m\u00e1quinas atuais conseguem realizar o treinamento num tempo muito menor do que antes\u201d.<\/p>\n

Para mais informa\u00e7\u00f5es sobre o laborat\u00f3rio coordenado pelo docente, clique aqui<\/a>.<\/p>","protected":false},"excerpt":{"rendered":"

Em projeto de inicia\u00e7\u00e3o cient\u00edfica, Filipe Mour\u00e3o conseguiu calcular o tempo que um \u00f4nibus leva de um ponto a outro com quase 50% mais precis\u00e3o do que os m\u00e9todos usados […]<\/p>\n","protected":false},"author":2,"featured_media":0,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"event_title":"","event_details":"","event_timezone":"","event_gmap":"","event_image":"","event_image_url":"","event_calendar_link":"","event_location":"","event_datetime_with_summary":"","event_datetime":"","event_date":"","event_time":"","event_date_type":"","event_rulesummary":"","event_ticket_rsvp":"","event_capacity":"","event_capacity_remaining":"","event_capacity_sold":"","event_sold_out":"","event_low_stock":"","event_ticket_count":"","event_ticket_summary":"","event_sales_start":"","event_sales_end":"","event_ticket_price_from":"","event_ticket_price_to":"","event_ticket_price_range":"","event_date_year":"","event_date_month":"","event_date_month_short":"","event_date_day":"","event_date_day_name":"","event_date_iso":"","event_rsvp_capacity":"","event_rsvp_remaining":"","event_rsvp_going":"","event_rsvp_full":"","footnotes":""},"categories":[13],"tags":[176],"coauthors":[],"class_list":["post-2956","post","type-post","status-publish","format-standard","hentry","category-noticias","tag-arquivo-de-noticias"],"_links":{"self":[{"href":"https:\/\/www.poli.usp.br\/en\/wp-json\/wp\/v2\/posts\/2956","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.poli.usp.br\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.poli.usp.br\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.poli.usp.br\/en\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.poli.usp.br\/en\/wp-json\/wp\/v2\/comments?post=2956"}],"version-history":[{"count":1,"href":"https:\/\/www.poli.usp.br\/en\/wp-json\/wp\/v2\/posts\/2956\/revisions"}],"predecessor-version":[{"id":4287,"href":"https:\/\/www.poli.usp.br\/en\/wp-json\/wp\/v2\/posts\/2956\/revisions\/4287"}],"wp:attachment":[{"href":"https:\/\/www.poli.usp.br\/en\/wp-json\/wp\/v2\/media?parent=2956"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.poli.usp.br\/en\/wp-json\/wp\/v2\/categories?post=2956"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.poli.usp.br\/en\/wp-json\/wp\/v2\/tags?post=2956"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/www.poli.usp.br\/en\/wp-json\/wp\/v2\/coauthors?post=2956"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}