Submitted by Lucas Pinto (lvspinto@gmail.com) on 2018-06-14T18:47:56Z No. of bitstreams: 1 Thesis_Lucas_Pinto.pdf: 574830 bytes, checksum: ecb43b867c2cf85709e8ddedbf9ac172 (MD5) / Approved for entry into archive by Katia Menezes de Souza (katia.menezes@fgv.br) on 2018-06-14T18:51:40Z (GMT) No. of bitstreams: 1 Thesis_Lucas_Pinto.pdf: 574830 bytes, checksum: ecb43b867c2cf85709e8ddedbf9ac172 (MD5) / Approved for entry into archive by Isabele Garcia (isabele.garcia@fgv.br) on 2018-06-15T18:13:57Z (GMT) No. of bitstreams: 1 Thesis_Lucas_Pinto.pdf: 574830 bytes, checksum: ecb43b867c2cf85709e8ddedbf9ac172 (MD5) / Made available in DSpace on 2018-06-15T18:13:57Z (GMT). No. of bitstreams: 1 Thesis_Lucas_Pinto.pdf: 574830 bytes, checksum: ecb43b867c2cf85709e8ddedbf9ac172 (MD5) Previous issue date: 2018-05-15 / Ao tirarmos proveito das diferentes datas de lançamento de plataformas de compartilhamento de veículos particulares, pudemos investigar o efeitos destas na segurança do trânsito, mensurada pelo número de acidentes reportados na popular plataforma de navegação Waze. Não encontramos efeito conclusivo no número total de acidentes. No entanto, encontramos um heterogeneidade substancial em função do dia da semana analisado, com uma redução significativa no número de acidentes aos domingos. Dividindo os dias em períodos, encontramos efeitos ainda mais heterogêneos, com reduções significativas tanto aos sábados como aos domingos pela noite. Ao contrário de nossa espectativa, encontramos efeitos mais fortes no curto prazo (primeiros dois meses) do que no longo prazo (mais de dois meses). Estes resultados sugerem que aplicativos de compartilhamento de veículos particulares têm um impacto relevante na redução do número de acidentes de trânsito, especialmente aos finais de semana a noite, o que corrobora com a popular hipótese de que tais plataformas reduzem o número de motoristas alcoolizados. Os resultados também indicam que há outros canais (além da diminuição do número de motoristas alcoolizados) pelos quais os aplicativos levam a uma redução no número de acidentes. / By taking advantage of the timing in the expansion of car sharing platforms in Brazil, we investigated their impact on road safety, measured as user-reported car accidents on the popular navigation platform Waze. We found no conclusive effect on the overall number of accidents. However, we found substantial heterogeneity depending on the weekday and a significant reduction on the number of accident on Sundays. Dividing the days into periods showed further heterogeneity, with a significant reduction on the number of accidents both on Saturday and Sunday nights. Contrary to our expectations we found a stronger effect on the short run (first two months) rather than in the long run (more then two months). This findings suggest that car sharing apps have a relevant impact in reducing the number of car accidents, specially at weekend nights, which corroborates to the popular hypotheses that such platforms help curb drunk driving. The results also indicate that there are more channels in play leading to the reduction of car accidents other than restricting drunk driving.

Orientador: Eduardo Candido Xavier / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação / Made available in DSpace on 2018-08-26T21:57:37Z (GMT). No. of bitstreams: 1 Santos_DouglasOliveira_M.pdf: 1370671 bytes, checksum: 41f9ee952e593c7ed8fa83d738c343d5 (MD5) Previous issue date: 2014 / Resumo: Nesse trabalho é apresentado um framework que tem como objetivo facilitar o compartilhamento de veículos no dia a dia de uma grande cidade. O framework apresenta uma arquitetura cliente-servidor. O lado cliente é usado por passageiros para requerer uma viagem compartilhada e por motoristas, que podem ser donos de veículos privados ou taxistas, os quais estão dispostos a compartilharem seu veículo para redução de custos ou obtenção de lucro. O lado servidor precisa resolver um problema dinâmico de otimização que provamos ser NP-difícil. O problema em questão, denominado Ride-sharing Problem with Money Incentive (RSPMI), é modelado da seguinte forma: em cada instante de tempo, temos um conjunto de pessoas, as quais necessitam de uma viagem a partir de um ponto de origem até um ponto de destino, e um conjunto de veículos, onde cada um tem uma origem e um destino. É necessário considerar algumas restrições que os passageiros possam ter, que são: o horário mínimo de saída da origem, o horário máximo de chegada até o destino, o número de passageiros que devem viajar juntos e também o valor máximo que estão dispostos a pagar. Os veículos também apresentam restrições, já que estes podem ter um horário mínimo de saída e um horário máximo de chegada. O motorista define a capacidade máxima do veículo e o preço por quilômetro rodado. Dado todas as informações e restrições, o problema consiste em formar uma rota para cada veículo com o objetivo de maximizar o número de passageiros atendidos e de minimizar os custos. O RSPMI é um problema novo na literatura e difere dos demais problemas de compartilhamento de veículos por ser o único a considerar custos compartilhados, calculando o valor total a ser pago por cada passageiro e possibilitando cada um escolher o valor máximo a ser pago. O foco do trabalho se deu no estudo e desenvolvimento de métodos que possam resolver a versão dinâmica do RSPMI, em tempo real, e em larga escala. O método proposto necessita de uma heurística que resolva o problema estático e de um algoritmo que resolva, eficientemente, o Many to Many Shortest Path Problem. Desenvolvemos heurísticas GRASP para o problema estático e usamos um algoritmo baseado em Contraction Hierarchies, o qual é muito eficiente, para lidar com os caminhos mínimos. Experimentos computacionais foram realizados usando instâncias que simulam, a partir de dados reais, uma atividade de compartilhamento de táxis na cidade de São Paulo. Em nossas simulações, os passageiros pagaram, em média, quase 30% menos do que pagariam em uma viagem privada / Abstract: In this work, we present a framework for dynamic ride-sharing. The framework has a client-server architecture. The client is used by passengers to request rides and by drivers, including vehicle owners and taxi drivers, who are willing to share their vehicles in order to reduce costs or to earn money. The server needs to solve a dynamic optimization problem which is proved to be NP-Hard. The problem, called Ride-sharing Problem with Money Incentive (RSPMI), is modeled in the following manner: at each instant of time, there are a set of passengers needing to travel from a source to a destination point and a set of vehicles, each one having a source and a destination. Passengers have constraints that need to be considered, which are: an earliest departure time, a latest arrival time, the number of passengers that will travel together and the maximum value they are willing to pay for the ride. Vehicles can have an earliest departure time and a latest arrival time, as well. They also have a maximum capacity and a price per kilometer. The problem is to compute a route for each vehicle, with the goal of maximizing the number of attended requests and minimizing the total paid by passengers. RSPMI is a new problem in the literature, differing from others ride-sharing problems, because it is the only one that considers shared costs, having a constraint which allows people to set the maximum value for the ride. The main focus of the work is to develop methods that can solve the dynamic version of the RSPMI, in real time and large scale. The proposed method needs an heuristic to solve the static problem and an algorithm to solve the Many to Many Shortest Path Problem. We developed GRASP heuristics for the static problem and used Contraction Hierarchies to deal with the shortest path problem. Computational experiments were made to evaluate our method and heuristics. We used instances based on real data that simulates a day of taxis activity in the city of Sao Paulo. In our experiments, passengers paid, on average, almost 30% less than a private ride / Mestrado / Ciência da Computação / Mestre em Ciência da Computação