Estratégias para calibração de modelo Logit Multinomial por meio de Algoritmos de Aprendizagem de Máquinas: uma abordagem associada a grandes conjuntos de alternativas (2021)
- Authors:
- Autor USP: CALDAS, MARINA URANO DE CARVALHO - EESC
- Unidade: EESC
- Sigla do Departamento: STT
- Subjects: ALGORITMOS GENÉTICOS; APRENDIZADO COMPUTACIONAL; VIAGENS
- Keywords: Algoritmo CART; Logit Multinomial
- Agências de fomento:
- Language: Português
- Abstract: Os modelos de escolha discreta, em especial o Logit Multinomial, surgem como alternativa aos modelos agregados tradicionais quando se deseja suprir a necessidade de considerar características individuais dos viajantes, além de variáveis agregadas sociodemográficas e de viagens, para previsão dos destinos dos deslocamentos. Apesar disso, há importantes restrições operacionais referentes às técnicas tradicionais de calibração desses modelos que impõem obstáculos ao seu uso em situações com muitas alternativas e parâmetros a serem estimados, como no caso da escolha de destinos urbanos. Diante do uso cada vez mais frequente e das contribuições registradas na literatura frente às ferramentas tradicionalmente usadas, os algoritmos de Aprendizagem de Máquinas surgem como artifício possível para viabilizar a calibração de modelos complexos. Assim, este trabalho tem como objetivo a aplicação de algoritmos de Aprendizagem de Máquinas na calibração de modelo Logit Multinomial para estimativa de escolha de destinos urbanos. Para isso, duas aplicações foram analisadas: (1) a proposição de uma estratégia, utilizando algoritmo CART (Classification And Regression Tree), para redução da quantidade de parâmetros em casos com grandes conjuntos de alternativas; e (2) o uso de Algoritmos Genéticos como ferramenta de calibração do modelo Logit Multinomial. Para ambos os casos, utilizou-se os resultados da calibração tradicional para validação e comparação. O município escolhido para este estudofoi Santa Maria (RS) e os dados utilizados são oriundos de pesquisa domiciliar e do Censo 2010. Os resultados evidenciam que a aplicação da estratégia proposta com algoritmo CART mostra-se viável, uma vez que não causou prejuízo à qualidade geral do modelo. Além disso, a aplicação de Algoritmos Genéticos para calibração do modelo Logit Multinomial em casos com muitas alternativas e/ou parâmetros relacionados ao indivíduo mostrou resultados superiores à calibração tradicional, com a ressalva da necessidade de um número alto de simulações, haja vista a grande quantidade de parâmetros a serem estimados
- Imprenta:
- Publisher place: São Carlos
- Date published: 2021
- Data da defesa: 01.06.2021
-
ABNT
CALDAS, Marina Urano de Carvalho. Estratégias para calibração de modelo Logit Multinomial por meio de Algoritmos de Aprendizagem de Máquinas: uma abordagem associada a grandes conjuntos de alternativas. 2021. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/18/18144/tde-23082021-083203/. Acesso em: 25 set. 2024. -
APA
Caldas, M. U. de C. (2021). Estratégias para calibração de modelo Logit Multinomial por meio de Algoritmos de Aprendizagem de Máquinas: uma abordagem associada a grandes conjuntos de alternativas (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/18/18144/tde-23082021-083203/ -
NLM
Caldas MU de C. Estratégias para calibração de modelo Logit Multinomial por meio de Algoritmos de Aprendizagem de Máquinas: uma abordagem associada a grandes conjuntos de alternativas [Internet]. 2021 ;[citado 2024 set. 25 ] Available from: https://www.teses.usp.br/teses/disponiveis/18/18144/tde-23082021-083203/ -
Vancouver
Caldas MU de C. Estratégias para calibração de modelo Logit Multinomial por meio de Algoritmos de Aprendizagem de Máquinas: uma abordagem associada a grandes conjuntos de alternativas [Internet]. 2021 ;[citado 2024 set. 25 ] Available from: https://www.teses.usp.br/teses/disponiveis/18/18144/tde-23082021-083203/ - An investigation of trip-chaining behaviour based on activity participation, socioeconomic variables and aggregated characteristics of modal alternatives
- Uso de redes neurais artificiais para abordagem desagregada de distribuição de viagens urbanas com dados de preferência revelada
- Strategy to reduce the number of parameters to be estimated in discrete choice models: an approach to large choice sets
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
