Aplicação conjunta de modelos não paramétricos e paramétricos para previsão de escolha modal

AUTOR(ES)

Pitombo, Cira Souza, Costa, Aline Schindler Gomes da

FONTE

J. Transp. Lit.

DATA DE PUBLICAÇÃO

2015-01

RESUMO

O presente trabalho visa apresentar uma metodologia realizada em duas etapas, envolvendo aplicação de modelos não paramétricos (Árvore de Decisão - AD) e paramétricos (Regressão Linear Múltipla-RLM) para previsão de escolha modal. A aplicação da AD permite encontrar relações entre variáveis socioeconômicas e escolha modal, bem como discretizar as variáveis numéricas e categóricas para construção dos modelos lineares na etapa posterior. Os dados utilizados para o desenvolvimento deste trabalho são provenientes da entrevista domiciliar da Pesquisa Origem-Destino de 2007/2008, realizada na cidade de São Carlos (SP). O modelo não paramétrico apresentou um total de acertos em torno de 70%, com alta associação entre valores categóricos estimados e observados do modo de transporte. Após transformação de todas as variáveis independentes em binárias através da técnica de AD, foram obtidos modelos lineares pelo método stepwise com bom poder preditivo para as três categorias de modo de transporte consideradas. Além disso, a validação dos modelos lineares com 30% da amostra restante apresentou baixos valores de erro médio e variância dos resíduos. Finalmente, o método proposto pode ser considerado razoável, sendo uma boa alternativa às abordagens tradicionais.

ASSUNTO(S)

escolha modal Árvore de decisão regressão linear múltipla

Documentos Relacionados

• Modelos parametricos e não-parametricos de redes neurais artificiais e aplicações
• Aplicação dos modelos paramétricos ARMAV e ARV na identificação modal de sistemas mecânicos
• Uma sistemática para construção e escolha de modelos de previsão de risco de crédito
• Aplicação de modelos de tempo-contínuo para escolha de portfólio ótimo
• Comparação de procedimentos de comparações multiplas : parametricos e não parametricos