A utilização de Redes Neurais Artificias para fins de identificação e controle de sistemas dinâmicos têm recebido atenção especial de muitos pesquisadores, principalmente no que se refere a sistemas não lineares. Neste trabalho é apresentado um estudo sobre a utilização de um tipo em particular de Rede Neural Artificial, uma Perceptron Multicamadas com Atraso de Tempo, na estimação de estados da etapa fermentativa do processo de Reichstein para produção de vitamina C. A aplicação de Redes Neurais Artificiais a este processo pode ser justificada pela existência de problemas associados à esta etapa, como variáveis de estado não mensuráveis e com incertezas de medida e não linearidade do processo fermentativo, além da dificuldade em se obter um modelo convencional que contemple todas as fases do processo. É estudado também a eficácia do algoritmo de Levenberg-Marquadt, na aceleração do treinamento da Rede Neural Artificial, além de uma comparação do desempenho de estimação de estados das Redes Neurais Artificiais estudadas com o filtro estendido de Kalman, baseado em um modelo não estruturado do processo fermentativo. A análise do desempenho das Redes Neurais Artificiais estudadas é avaliada em termos de uma figura de mérito baseada no erro médio quadrático sendo feitas considerações quanto ao tipo da função de ativação e o número de unidades da camada oculta. Os dados utilizados para treinamento e avaliação da Redes Neurais Artificiais foram obtidos de um conjunto de ensaios interpolados para o intervalo de amostragem desejado. / ldentification and Control of dynamic systems using Artificial Neural Networks has been widely investigated by many researchers in the last few years, with special attention to the application of these in nonlinear systems. ls this works, a study on the utilization of a particular type of Artificial Neural Networks, a Time Delay Multi Layer Perceptron, in the state estimation of the fermentative phase of the Reichstein process of the C vitamin production. The use of Artificial Neural Networks can be justified by the presence of problems, such as uncertain and unmeasurable state variables and process non-linearity, and by the fact that a conventional model that works on all phases of the fermentative processes is very difficult to obtain. The efficiency of the Levenberg Marquadt algorithm on the acceleration of the training process is also studied. Also, a comparison is performed between the studied Artificial Neural Networks and an extended Kalman filter based on a non-structured model for this fermentative process. The analysis of lhe Artificial Neural Networks is carried out using lhe mean square errors taking into consideration lhe activation function and the number of units presents in the hidden layer. A set of batch experimental runs, interpolated to the desired time interval, is used for training and validating the Artificial Neural Networks.

Entender as causas geradoras do movimento de pedestres é muito importante para o planejamento urbano das cidades, a fim de inferir se as atitudes tomadas na concepção e manutenção dos espaços estão de fato contribuindo para o fortalecimento da dinâmica social. No entanto, determinar como funciona o movimento dos pedestres é uma tarefa difícil devido à complexidade das estruturas sociais que criam esse fenômeno. Uma maneira de contornar esse problema é através da criação de modelos que associam diretamente os atributos das calçadas e suas relações. Dentre as metodologias observadas para a construção do modelo, aquelas que mais se adequaram para entender os fatores contidos no espaço urbano foram a sintaxe espacial e o nível de serviço dos passeios. A Sintaxe Espacial ajuda na compreensão desse fenômeno, pois permite a análise das relações espaciais da cidade. No entanto, possui a limitação de prever apenas parte desse movimento e, ainda, só encontrar correlações significativas quando a medida de inteligibilidade (correlação entre a integração e conectividade) apresenta valores elevados. Do mesmo modo, a qualidade do passeio interfere diretamente no modo que o pedestre utiliza esse espaço. O fluxo de pedestre é um fenômeno complexo e, como tal, não pode ser entendido através de relações lineares ou de causa e efeito entre quaisquer variáveis, sejam elas espaciais ou não. Para entender a complexidade desse fenômeno será utilizada a abordagem conexionista das redes neurais artificiais, uma forma de processamento em paralelo com capacidade de trabalhar através de exemplos, generalizando e abstraindo as informações das variáveis e suas ligações. Deste modo, este trabalho pretende apresentar uma abordagem diferenciada para entender parte da dinâmica social através do fenômeno da movimentação de pedestres. / In Urban Planning, understanding pedestrian movement generative causes is key issue. Through it is possible to check if public policies targeting maintenance and improvement of open spaces are effectively reaching their goals in strengthening social dynamics. Nevertheless it is quite difficult to determinate how pedestrian movement functions due to social structure complexity driving these phenomena emergency and the extensive row of variables underlying it. One of the most effective problem-solving tools targeting the subject is modeling sidewalk attributes through the relations held amidst their physical variables and measured levels of use. Among several methods applied in model building, Space Syntax and Sidewalks Service Leveling were those which provided the best suitable tools to face the research problems. Space Syntax methods are helpful to understand the phenomena, since they allow to depict tendencies for pedestrian movement related directly to grid deformation patterns and spatial configuration. But its scope is limited since it substantiates movement potential rather than measured. Also because correlations found between pedestrian movement measurements and urban morphology are only robust when Integibility measure (correlating Integration to connectivity) is high. Likewise, sidewalk physical qualities are directly responsible for the way in which people move around, establish their routes or use public spaces, fulfilling or hijacking movement potential standards. Pedestrian fluxes are complex phenomena and being such, unable to be pictured by linear relations or explained through cause – effect conditioning between spatial or a-spatial variables. To depict the interdependence between variables amidst these phenomena complexity we opted for a connective approach found at Artificial Neural Nets; a way of parallel data processing which is able to modeling from samples due to their generalization capacity and that of extract information from the structuring variables and their relationships and linkages. Being so, this research presents an original combination of tools and methods that allow approaching social dynamics starting from pedestrian movement phenomena empirical data.

Submitted by (ana.araujo@ufrpe.br) on 2016-06-28T16:05:18Z No. of bitstreams: 1 David Augusto Silva.pdf: 1453777 bytes, checksum: 4516b869e7e749b770a803eb7e91a084 (MD5) / Made available in DSpace on 2016-06-28T16:05:18Z (GMT). No. of bitstreams: 1 David Augusto Silva.pdf: 1453777 bytes, checksum: 4516b869e7e749b770a803eb7e91a084 (MD5) Previous issue date: 2011-07-01 / The techniques for Time Series Analysis and Forecasting have great presence on the literature over the years. The computational resources combined with statistical techniques are improving the predictive results, and these results have been become increasingly accurate. Computational methods base on Artificial Neural Networks (ANN) and Evolutionary Computing (EC) are presenting a new approach to solve the Time Series Analysis and Forecasting problem. These computational methods are contained in the branch of Artificial Intelligence (AI), and they are biologically inspired, where the ANN models are based on the neural structure of intelligent organism, and the EC uses the concept of nature selection of Charles Darwin. Both methods acquire experience from prior knowledge and example of the given problem. In particular, for the Time Series Forecasting Problem, the objective is to find the predictive model with highest forecast perfomance, where the performance measure are statistical errors. However, there is no universal criterion to identify the best performance measure. Since the ANNs are the predictive models, the EC will constantly evaluate the forecast performance of the ANNs, using a fitness functions to guide the predictive model for an optimal solution. The Data Envelopment Analysis (DEA) was employed to predictive determine the best combination of variables based on the relative efficiency of the best models. Therefore, this work to study the optimization Fitness Function process with Data Envelopment Analysis applied the Intelligence Hybrid System for time series forecasting problem. The data analyzed are composed by financial data series, agribusiness and natural phenomena. The C language program was employed for implementation of the hybrid intelligent system and the R Environment version 2.12 for analysis of DEA models. In general, the perspective of using DEA procedure to evaluate the fitness functions were satisfactory and serves as an additional resource in the branch of time series forecasting. Researchers need to compute the results under different perspectives, whether in the matter of the computational cost of implementing a particular function or which function was more efficient in the aspect of assessing which combinations are unwanted saving time and resources. / As técnicas de análise e previsão de séries temporais alcançaram uma posição de distinção na literatura ao longo dos anos. A utilização de recursos computacionais, combinada com técnicas estatísticas, apresenta resultados mais precisos quando comparados com os recursos separadamente. Em particular, técnicas que usam Redes Neurais Artificiais (RNA) e Computação Evolutiva (CE), apresenta uma posição de destaque na resolução de problemas de previsão na análise de séries temporais. Estas técnicas de Inteligência Artificial (AI) são inspiradas biologicamente, no qual o modelo de RNA é baseado na estrutura neural de organismos inteligentes, que adquirem conhecimento através da experiência. Para o problema de previsão em séries temporais, um fator importante para o maior desempenho na previsão é encontrar um método preditivo com a melhor acurácia possível, tanto quanto possível, no qual o desempenho do método pode ser analisado através de erros de previsão. Entretanto, não existe um critério universal para identificar qual a melhor medida de desempenho a ser utilizada para a caracterização da previsão. Uma vez que as RNAs são os modelos de previsão, a CE constantemente avaliará o desempenho de previsão das RNAs, usando uma função de fitness para guiar o modelo preditivo para uma solução ótima. Desejando verificar quais critérios seriam mais eficientes no momento de escolher o melhor modelo preditivo, a Análise Envoltória de Dados (DEA) é aplicada para fornecer a melhor combinação de variáveis visando a otimização do modelo. Portanto, nesta dissertação, foi estudado o processo de otimização de Funções de Fitness através do uso da Análise Envoltória de Dados utilizando-se de técnicas hibridas de Inteligência Artificial aplicadas a área de previsão de séries temporais. O banco de dados utilizado foi obtido de séries históricas econômico- financeiras, fenômenos naturais e agronegócios obtidos em diferentes órgãos específicos de cada área. Quanto à parte operacional, utilizou-se a linguagem de programação C para implementação do sistema híbrido inteligente e o ambiente R versão 2.12 para a análise dos modelos DEA. Em geral, a perspectiva do uso da DEA para avaliar as Funções de Fitness foi satisfatório e serve como recurso adicional na área de previsão de séries temporais. Cabe ao pesquisador, avaliar os resultados sob diferentes óticas, quer seja sob a questão do custo computacional de implementar uma determinada Função que foi mais eficiente ou sob o aspecto de avaliar quais combinações não são desejadas poupando tempo e recursos.

Fundação de Apoio a Pesquisa e à Inovação Tecnológica do Estado de Sergipe - FAPITEC/SE / The Internet of Things is a new paradigm of communication based on the ubiquitous presence of objects that, having unique address, they can cooperate with their peers to achieve a common goal. Applications in several areas can benefit from this new paradigm, but the Internet of Things is very vulnerable to attack. The large number of connected devices make an autonomic approach necessary and the small amount of resources requires the use of efficient techniques. This paper proposes a self-protection architecture for the Internet of Things using Artificial Neural Network and Dendritic Cells Algorithm, two bio-inspired techniques. The experiments of this paper show that the use of these two techniques is possible. The Artificial Neural Network implementation consume a small memory footprint, having a high accuracy rate and the Dendritic Cells Algorithm show to be interesting for it distributivity, allowing better use of network resources. / A Internet das Coisas é um novo paradigma de comunicação baseado na presença ubíqua de objetos que, através de endereçamento único, cooperam com seus pares para atingir um objetivo em comum. Aplicações em diversas áreas podem se beneficiar dos conceitos da Internet das Coisas, porém esta rede é muito vulnerável a ataques, seja pela possibilidade de ataque físico, pela alta conectividade dos dispositivos, a enorme quantidade de dispositivos conectados ou a baixa quantidade de recursos disponíveis. A grande quantidade de dispositivos conectados faz com que abordagens autonômicas sejam necessárias e a reduzida quantidade de recursos exige a utilização de técnicas eficientes. Este trabalho propõe uma arquitetura de autoproteção para a Internet das Coisas utilizando as técnicas de Rede Neural Artificial e Algoritmo de Células Dendríticas, duas técnicas bio-inspiradas que, através de experimentos, mostraram a possibilidade de serem utilizadas na Internet das Coisas. A implementação da Rede Neural Artificial utilizada consumiu poucos recursos de memória do dispositivo, mantendo uma alta taxa de acerto, comparável a trabalhos correlatos que não se preocuparam com o consumo de recursos. A utilização do Algoritmo de Células Dendríticas se mostrou interessante pela sua distributividade, permitindo uma melhor utilização dos recursos da rede, como um todo.

Identify some digestive features in people through Electrogastrogram (EGG) is important because this is a cheap, non-invasive and less bother way than traditional endoscopy procedure. This work evaluates the learning behavior of Artificial Neural Networks (ANN) and Hidden Markov Model (HMM) on components extracted by Independent Component Analysis (ICA) algorithms. In this research, an experiment was made with statistical analysis that shows the relationship between neutral, negative or positive images and digestive reactions. Training some classifiers with an EGG signal database, where the emotional states of individuals are known during processing, would it be possible to carry out the other way? Meaning, just from the EGG signal, estimate the emotional state of individuals. The initial challenge is to treat the EGG signal, which is mixed with the signals from other organs such as heart and lung. For this, the FastICA and Tensorial Methods algorithms were used, in order to produce a set of independent components, where one can identify the stomach component. Then, the EGG signal classification is performed through ANN and HMM models. The results have shown that extracting only the stomach signal component before the experiment can reduce the learning error rate in classifiers. / Identificar características digestivas de pessoas através da Eletrogastrografia (EGG) é importante pois esta costuma ser uma opção barata, não-invasiva e incomoda menos que o tradicional procedimento de Endoscopia. Este trabalho avalia o comportamento do aprendizado das Redes Neurais Artificiais (RNA) e do Modelo Oculto de Markov (HMM) diante de componentes extraídas por algoritmos de Análise de Componentes Independentes (ICA). Nesta pesquisa é realizado um experimento com análise estatística cujo objetivo apresenta a relação entre a visualização de imagens neutras, negativas ou positivas e as reações digestivas. Treinando alguns classificadores com uma base de dados de sinais EGG, onde se conhece os estados emocionais dos indivíduos durante a sua obtenção, seria possível realizar o caminho inverso? Em outras palavras, apenas a partir dos sinais EGG, pode-se estimar o estado emocional de indivíduos? O desafio inicial é tratar o sinal EGG que encontra-se misturado aos sinais de outros órgãos como coração e pulmão. Para isto foi utilizado o algoritmo FastICA e os métodos tensoriais, com o intuito de produzir um conjunto de componentes independentes onde se possa identificar a componente do estômago. Em seguida, a classifição do sinal EGG é realizada por meio dos modelos de RNA e HMM. Os resultados mostraram que classificar apenas as componentes com mais presença da frequência do sinal do estômago pode reduzir a taxa de erro do aprendizado dos classificadores no experimento realizado.

Made available in DSpace on 2014-07-29T15:08:18Z (GMT). No. of bitstreams: 1 Previsao de Vazoes Naturais Diarias.pdf: 3835466 bytes, checksum: f927e5c8c3a89c73430512243b55c36c (MD5) Previous issue date: 2012-09-05 / The forecast of natural flows to hydroelectric plant reservoirs is an essential input to the planning and programming of the SIN´s operation. Various computer models are used to determine these forecasts, including physical models, statistical models and the ones developed with the RNA´s techniques. Currently, the ONS performs daily forecasts of natural flows to the UHE Tucuruí based on the univariate stochastic model named PREVIVAZH, developed by Electric Energy Research Center - Eletrobras CEPEL. Throughout the last decade, several papers have shown evolution in the application of neural networks methodology in many areas, specially in the prediction of flows on a daily, weekly and monthly basis. The goal of this dissertation is to present and calibrate a model of natural flow forecast using the RNA´s methodology, more specifically the NSRBN (Non-Linear Sigmoidal Regression Blocks Networks) (VALENCA; LUDERMIR, 2001), on a time lapse from 1 to 12 days forward to the Tucuruí Hydroelectric Plant, considering the hydrometric stations data located upstream from it s reservoir. In addition, a comparative analysis of results found throughout the calibrated neural network and the ones released by ONS is performed. The results show the advantage of the methodology of artificial neural networks on autoregressive models. The Mean Absolute Percentage Error - MAPE values obtained were, on average, 48 % lower than those released by the ONS. / A previsão de vazões naturais aos reservatórios das usinas hidrelétricas é insumo fundamental para o planejamento e operação do SIN. Diversos modelos são utilizados na determinação dessas previsões, entre os quais podem ser citados os modelos físicos, os estatísticos e aqueles baseados na técnica de Redes Neurais Artificiais. Atualmente, o ONS realiza as previsões diárias de vazões naturais para a Usina Hidrelétrica Tucuruí com base no modelo estocástico univariado denominado PREVIVAZH, desenvolvido pelo CEPEL. Ao longo da última década, muitos trabalhos têm mostrado a evolução da aplicação da metodologia de Redes Neurais Artificiais em diversas áreas e em particular na previsão de vazões naturais, para intervalos de tempo diários, semanais e mensais. O objetivo deste trabalho foi calibrar e avaliar um modelo de previsão de vazões naturais, utilizando a metodologia de RNA, mais especificamente as redes construtivas do tipo NSRBN(Non-Linear Sigmoidal Regression Blocks Networks) (VALENCA; LUDERMIR, 2001), no horizonte de 1 até 12 dias à frente, para a Usina Hidrelétrica Tucuruí, considerando as informações advindas de postos hidrométricos localizados à montante do seu reservatório. Adicionalmente, foi realizada uma análise comparativa dos resultados encontrados pela rede neural calibrada e aqueles obtidos e divulgados pelo ONS. Os resultados obtidos mostram a vantagem da metodologia de redes neurais artificiais sobre os modelos auto-regressivos. Os valores do Erro Percentual Médio Absoluto - MAPE foram, em média, 48% inferiores aos divulgados pelo ONS.

Made available in DSpace on 2014-07-29T15:08:19Z (GMT). No. of bitstreams: 1 dissertacao_pedro_quindere.pdf: 1753745 bytes, checksum: 1a9e14157501ea719da0e4e18d0479eb (MD5) Previous issue date: 2008-02-23 / In the context of efficient information transmission among people and, particularly in the helping of learning and training processes, this investigation presents results on the use of the technology of Hybrid Intelligent Tutoring Systems, based on artificial neural networks and expert rules, developed by Martins [MEA 2004], Melo [MEL 2003] and Meireles [MEI 2003]. Due to the fact that, in its initial empirical validation, neural training data has been originated from courseware in Introduction to Data Processing , some doubts have remained on the applicability of the trained neural network to other scenarios. The present production has approached these issues by the formalization of the content format and by presenting promising empirical results in two other scenarios: Scientific Methodology and Biological Rhythms . Results were analyzed by non-parametric methods with 5% significance. They reinforce the hypotheses that the studied tutoring system is efficient, able to reduce differences of distinct groups and shows thematic adaptability actually / No contexto da transmissão eficiente de informação entre pessoas, particularmente no auxílio a processos de ensino-aprendizagem e treinamento empresarial, este trabalho apresenta resultados da investigação do uso da tecnologia de Sistemas Tutores Inteligentes Híbridos, baseada em redes neurais artificiais e regras de especialistas, desenvolvida por Martins [MEA 2004], Melo [MEL 2003] e Meireles [MEI 2003]. Por utilizar, em sua validação empírica inicial, dados de treinamento neural provenientes de conteúdo na área de Introdução ao Processamento de Dados , restaram dúvidas sobre a aplicabilidade da rede neural treinada a outros cenários. Esta pesquisa aborda tais questões, formalizando requisitos de formatação dos conteúdos e apresentando resultados promissores em dois outros cenários distintos: Metodologia Científica e Ritmos Biológicos . Os dados obtidos são analisados através de métodos não-paramétricos e nível de significância de 5%, sugerindo que o sistema tutor ensina eficientemente, uniformiza grupos distintos de indivíduos e realmente apresenta adaptabilidade temática

Submitted by Geyciane Santos (geyciane_thamires@hotmail.com) on 2015-12-02T21:18:51Z No. of bitstreams: 1 Dissertação - Mafran Martins Ferreira Júnior.pdf: 2373705 bytes, checksum: ffd481c7fb68c5e26d7888b9d927dd89 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-12-03T19:00:48Z (GMT) No. of bitstreams: 1 Dissertação - Mafran Martins Ferreira Júnior.pdf: 2373705 bytes, checksum: ffd481c7fb68c5e26d7888b9d927dd89 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2015-12-03T19:14:41Z (GMT) No. of bitstreams: 1 Dissertação - Mafran Martins Ferreira Júnior.pdf: 2373705 bytes, checksum: ffd481c7fb68c5e26d7888b9d927dd89 (MD5) / Made available in DSpace on 2015-12-03T19:14:41Z (GMT). No. of bitstreams: 1 Dissertação - Mafran Martins Ferreira Júnior.pdf: 2373705 bytes, checksum: ffd481c7fb68c5e26d7888b9d927dd89 (MD5) Previous issue date: 2015-07-31 / Não informada / The amazon biome has a range of natural resources with high economic value, which can be exploited in a sustainable way to generate jobs and income. Among these resources, we can spotlight the tucuman, native fruit from the Amazonian region used in cooking, crafts and sold by local producers. The tucuman palm tree presents many varieties within the same specie, each one differs from the other in its morphology, population, origin, among other factors. Scientifically, the tucuman taxonomic classification refers to its species. There isn’t yet a manual or an automatic way of classifying varieties of Astrocaryum aculeatum G. Mey., also known as Amazonian tucuman. The indication of the variety to which a fruit unit belongs is performed empirically and may be confused when there are fruits with a large difference in their characteristics. In this scenario, this study aimed to generate and evaluate computer models able to classify and get into groups four varieties of tucuman found in the Itacoatiara-AM region. The secondary objective of this study was to indicate which of the varieties have the best economic potential regarding to the harvested fruit characteristics. To generate the models, three machine learning techniques were used: Decision Trees and Artificial Neural Networks in the classification task, and to the grouping task the K-Means technique was applied, using Euclidean and Manhattan distance measurements. The results obtained based on the data set show that the models generated with machine learning techniques presented satisfactory indexes for predicting of varieties' classes of tucuman. / O bioma amazônico possui uma gama de recursos naturais com alto valor econômico, os quais podem ser explorados de maneira sustentável para gerar emprego e renda. Dentre esses recursos destaca-se o tucumã, fruta nativa da região utilizada na culinária, no artesanato e comercializada pelos produtores locais. A palmeira do tucumã apresenta ampla variedade dentro de uma mesma espécie, cada uma diferenciando-se quanto à sua morfologia, população, procedência, entre outros fatores. Cientificamente, a classificação taxonômica do tucumã é referente às suas espécies, ainda não existe nenhuma forma manual ou automática de classificar variedades da espécie Astrocaryum aculeatum G. Mey., também conhecida como tucumã do Amazonas. A indicação da variedade a qual uma unidade do fruto pertence é realizada de forma empírica, podendo ser confusa perante o aparecimento de frutos com grande diferença em suas características. Nesse cenário, esta pesquisa objetivou gerar e avaliar modelos computacionais capazes de classificar e agrupar quatro variedades de tucumã, encontradas na região do município de Itacoatiara-AM. O estudo teve como objetivo secundário indicar qual das variedades possui melhor potencial econômico quanto às características do fruto já colhido. Para gerar os modelos foram utilizadas três técnicas de Aprendizado de Máquina: Árvores de Decisão e Redes Neurais Artificiais na tarefa de classificação, e na tarefa de agrupamento a técnica K-Médias, usando as medidas de distância Euclidiana e de Manhattan. Os resultados obtidos com base no conjunto de dados mostram que os modelos gerados com as técnicas de aprendizado de máquina apresentaram índices satisfatórios para a predição de classes de variedades de tucumã.

Este trabalho teve como objetivo analisar a demanda potencial para um sistema de compartilhamento de bicicletas pedelecs no campus da USP de São Carlos, com foco nos deslocamentos de estudantes entre as duas áreas do campus. Para tanto, foi elaborado um conjunto de procedimentos, que constituem duas etapas: caracterização do público-alvo e análise da demanda potencial pelas bicicletas pedelecs compartilhadas. Na primeira etapa foi aplicado um questionário, elaborado com a técnica de preferência declarada, para verificar as preferências dos usuários em relação às pedelecs compartilhadas e ao ônibus operado pela USP. Os resultados desta consulta, que envolveu variáveis de condições meteorológicas, situação de ciclovias/ciclofaixas entre as áreas do campus e lotação do ponto de ônibus USP, foram posteriormente utilizados para calibrar um modelo logit e treinar uma Rede Neural Artificial (RNA). Na segunda etapa foi elaborada uma planilha eletrônica com os dados obtidos na coleta, a fim de analisar as probabilidades de escolha da pedelec (ao invés do ônibus USP). Nesta planilha também foram utilizados dados do histórico meteorológico de São Carlos no período entre 2011 e 2015. Alguns dos resultados obtidos são destacados na sequência. A probabilidade de escolha das pedelecs é, em média, três vezes maior quando existem ciclovias/ciclofaixas (em relação à ausência da referida infraestrutura cicloviária). A ocupação do ponto de ônibus USP também é impactante, pois as probabilidades de uso da bicicleta pedelec praticamente dobram quando o ponto está cheio. No caso da meteorologia, foi constatado que as maiores probabilidades ocorrem no Outono e no Inverno, ou seja, nas épocas em que se concentram os dias mais secos e com menores temperaturas. Para o período letivo de 2011 a 2015, considerando a situação atual (isto é, sem ciclovias/ciclofaixas entre as áreas), os valores de probabilidade de uso da pedelec correspondem a 9% com o ponto vazio e 19% com o ponto cheio. Se houvesse ciclovias/ciclofaixas, a probabilidade seria de até 54%. Desse modo, a estratégia de análise desenvolvida conceitualmente, bem como implantada em planilha eletrônica, se constitui em importante ferramenta de auxílio para a condução da política de transportes que a Prefeitura do campus irá adotar para os anos futuros. Além disso, evidencia uma possível demanda potencial para um sistema com pedelecs compartilhadas. / The objective of this study was to analyze the potential demand for a pedelec sharing system at the São Carlos campus of the University of São Paulo (USP), aiming at the displacements of students between the two campus Areas. The set of procedures developed to reach the objective has involved two steps: characterization of the target audience and analysis of the potential demand for shared pedelecs. The first step was accomplished with a questionnaire designed with a stated preference approach for identifying users\' preferences regarding shared pedelecs and the bus system operated by the university. The survey results, which involved variables of weather conditions, existence of bike paths/bike lanes between the campus Areas, and occupancy rates at the USP bus stop, were subsequently used to calibrate a logit model and to develop an Artificial Neural Network (ANN). The survey data were also used in the second step of the process, in which an electronic spreadsheet was created to analyze the probabilities of choosing the pedelec alternative (instead of the bus route operated by university). The spreadsheet was also fed with meteorological data of São Carlos in the period between 2011 and 2015. Some of the obtained outcomes are highlighted in the sequence. The probability of a pedelec being chosen is almost three times higher if bike paths/bike lanes do exist than if they do not exist. The occupancy rates of the bus stop are also particularly relevant. The probability of someone choosing a pedelec nearly doubles when the bus stop is crowded. Regarding the weather conditions, the highest probabilities are observed in the Fall and Winter seasons, i. e. in the driest and coldest days. For the entire academic period comprised between 2011 and 2015, the probabilities range from 9% (empty bus stop) to 19% (full bus stop), considering the current situation (i. e. no cycleways connect the two campus Areas). In the presence of this cycling infrastructure, however, the probability goes up to 54%. Thus, the strategy of analysis conceptually developed, and made available through an electronic spreadsheet, may be an important support tool for the implementation of transport policies by the campus administration. In addition, it highlights a likely potential demand for a system of shared pedelecs.

Submitted by Luciana Ferreira (lucgeral@gmail.com) on 2016-08-18T11:09:56Z No. of bitstreams: 2 Dissertação - Gilberto Antônio Marcon dos Santos - 2016.pdf: 15378242 bytes, checksum: d10f5df08686b55ad63c406e648a2b8e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2016-08-18T11:12:10Z (GMT) No. of bitstreams: 2 Dissertação - Gilberto Antônio Marcon dos Santos - 2016.pdf: 15378242 bytes, checksum: d10f5df08686b55ad63c406e648a2b8e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2016-08-18T11:12:10Z (GMT). No. of bitstreams: 2 Dissertação - Gilberto Antônio Marcon dos Santos - 2016.pdf: 15378242 bytes, checksum: d10f5df08686b55ad63c406e648a2b8e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2016-08-12 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / Depth sensing methods yield point clouds that represent neighboring surfaces. Interpreting and extracting information from point clouds is an established field, full of yet unsolved challenges. Classic image processing algorithms are not applicable or must be adapted because the organized structure of 2D images is not available. This work presents three contribution to the field of point cloud processing and segmentation. These contributions are the results of investigations carried out at the Laboratory for Education and Innovation in Automation – LEIA, aiming to advance the knowledges related to applying spacial sensing to autonomous robotics. The first contribution consists of a new algorithm, based on evolutionary methods, for extracting planes from point clouds. Based on the method proposed by Bazargani, Mateus e Loja (2015), this contribution consists of adopting evolutionary strategies in place of genetic algorithms making the process less sensitive to user-defined parameters. The second contribution is a method for segmenting ground and obstacles from point clouds for autonomous navigation, that utilizes the proposed plane extraction algorithm. The use of a quadtree for adaptive area segmentation allows for classifying points with high accuracy efficiently and with a time performance compatible with low cost embedded devices. The third contribution is a variant of the proposed segmentation method that is more noise tolerant and robust by incorporating a neural classifier. The use of a neural classifier in place of simple thresholding makes the process less sensitive to point cloud noise and faults, making it specially interesting for processing point clouds obtained from real time stereo reconstruction methods. A through sensitivity, accuracy, and efficiency analysis is presented for each algorithm. The dihedral angle metric (angle between the detected plane and the reference polygons that share at least one point) proposed by Bazargani, Mateus e Loja (2015) is used to quantify the plane detection method accuracy. The ratio between the correctly classified points and the total number of points is utilized as an accuracy metric for the ground segmentation methods. Additionally, computing costs and execution times are considered and compared to the main state-of-the-art methods. / Métodos de sensoriamento de profundidade produzem nuvens de pontos que representam as superfícies vizinhas. Interpretar e extrair informações de nuvens de pontos é um campo estabelecido e repleto de desafios ainda não superados. Algoritmos de processamento de imagens clássicos não se aplicam ou têm de ser adaptados porque a estrutura organizada que se poderia supor em imagens bidimensionais não se faz presente. Este trabalho apresenta três contribuições ao campo de processamento e segmentação de nuvens de pontos. Tais contribuições são resultados da investigação realizada no Laboratório para Educação e Inovação em Automação – LEIA, com o fim de avançar os conhecimentos relacionados a aplicações de sensoriamento espacial para robótica autônoma. A primeira contribuição consiste de um novo algoritmo para extração de planos de nuvens de pontos, que se baseia em métodos evolutivos. Partindo do método proposto por Bazargani, Mateus e Loja (2015), esta contribuição consiste em utilizar estratégias evolucionárias no lugar de algoritmos genéticos, de forma a tornar o processo menos sensível aos parâmetros definidos pelo usuário. A segunda contribuição é um método para segmentação de piso e obstáculos em nuvens de pontos para navegação autônoma, que utiliza o algoritmo de extração de planos proposto. O uso de uma árvore quaternária para segmentação adaptativa de área permite classificar os pontos com elevada taxa de acerto de forma eficiente e com desempenho compatível com dispositivos embarcados de baixo custo. A terceira contribuição é uma variação do método de segmentação proposto que se faz mais robusta e tolerante a ruído através da agregação de um classificador neural. O uso do classificador neural no lugar da limiarização simples torna o processo menos sensível a ruídos e falhas nas nuvens de pontos, o tornando especialmente interessante para o processamento de nuvens de pontos obtidas por métodos de reconstrução estéreo de tempo real. Uma completa análise de sensibilidade, acurácia e eficiência é apresentada para cada algoritmo. A métrica de ângulo diedral (ângulo entre os planos detectados e os polígonos de referência que compartilham ao menos um ponto em comum) proposta por Bazargani, Mateus e Loja (2015) é utilizada para quantificar a acurácia do método de detecção de planos. A razão entre os pontos corretamente classificados e o número total de pontos é utilizada como métrica de acurácia para os métodos de segmentação de piso. Também são considerados os custos computacionais e o tempo de execução, comparados aos principais métodos estado-da-arte.