Tipo:	Trabalho de Conclusão de Curso
Título:	Análise comparativa entre os modelos CNN e LSTM para predição de fluxo do tráfego urbano na cidade de recife
Autor(es):	Silva, Rafael Gomes da
Primeiro Orientador:	Jukemura, Anibal Santos
metadata.dc.contributor.referee1:	Vieira, Sibelius Lellis
metadata.dc.contributor.referee2:	Vinhal, Gustavo Siqueira
Resumo:	Diante do aumento na quantidade de dados disponíveis para o tráfego urbano, e das consequências causadas por congestionamentos, como o aumento no tempo de espera dos motoristas e o aumento na emissão de CO2 na atmosfera, este trabalho se propôs a realizar uma análise comparativa entre os modelos de Deep Learning CNN e LSTM para demonstrar qual modelo melhor se adapta ao problema de predição de fluxo do tráfego urbano na cidade de Recife. Utilizando técnicas de pré-processamento dos dados para otimizar os resultados, e adotando estruturas para os modelos com base nos trabalhos relacionados, os dados foram divididos em subconjuntos para a análise de cenários diferentes. Apesar do modelo CNN ter apresentado um limite no valor máximo de predição, e do modelo LSTM não ter conseguido realizar predições para um dos subconjuntos, os resultados, em geral, indicaram que o modelo LSTM possui uma performance melhor do que o modelo CNN.
Palavras-chave:	Análise preditiva Deep learning Fluxo de tráfego urbano CNN LSTM
CNPq:	CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO::COMPUTABILIDADE E MODELOS DE COMPUTACAO
Idioma:	por
País:	Brasil
Editor:	Pontifícia Universidade Católica de Goiás
Sigla da Instituição:	PUC Goiás
metadata.dc.publisher.department:	Escola de Ciências Exatas e da Computação
Tipo de Acesso:	Acesso Aberto
URI:	https://repositorio.pucgoias.edu.br/jspui/handle/123456789/360
Data do documento:	30-Nov-2020
Aparece nas coleções:	TCC Ciência da Computação

Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.