O monitoramento e diagnóstico, com a consequente localização dos curtos-circuitos em Sistemas de Distribuição (SD), fazem parte de um processo complexo, exigindo esforços e agilidade das equipes técnicas de manutenção das concessionárias de energia elétrica. Quando se trata de um SD Subterrâneo (SDS), a complexidade de localização das faltas aumenta, pois não é possível realizar a inspeção visual. Por este motivo, desenvolver e aprimorar métodos para monitorar, classificar e localizar as situações de faltas em SD tem sido de relevante interesse para a comunidade técnico-científica nos últimos anos. Neste contexto, apresenta-se nesta pesquisa um método para processar as informações necessárias para classificar e localizar a ocorrência de um curto-circuito (monofásico, bifásico e/ou trifásico, com e/ou sem o envolvimento da terra) em um SDS. O processamento das informações foi realizado por meio da observação da propagação dos afundamentos de tensão, decorrentes de curtos-circuitos passíveis de ocorrência no SDS, e pela alocação de um número reduzido de medidores, permitindo a classificação e localização precisa da falta. Um dos diferenciais da metodologia proposta é que esta utiliza somente os valores eficazes das tensões trifásicas, registradas em medidores estrategicamente alocados, para indicação da área afetada e classificação das fases envolvidas. A metodologia é baseada no emprego de redes neurais artificiais. Os resultados encontrados são promissores, indicando a aplicabilidade da metodologia proposta. / The monitoring and diagnostics, with the consequent localization of short circuits in Distribution Systems (DS), are part of a complex process, requiring efforts and agility of the technical teams of maintenance of electric utilities. In the case of an underground DS (UDS), the location of faults complexity increases, because it is not possible to perform visual inspection. For this reason, develop and improve methods to monitor, sort and locate the fault situations in DS has been of relevant interest to the technical-scientific community in recent years. In this context, this study presents a method for processing the information required to classify and locate the occurrence of a short circuit (single phase, biphasic and / or phase with and / or without the involvement of the earth) on a UDS. The information processing was carried out by observing the propagation of voltage sags, caused by short circuits that may occur in the UDS, and the allocation of a few meters, allowing classification and precise location of the fault. One of the proposed methodology differentials is that it uses only the RMS values of the three-phase voltages, registered in strategically located meters, for indicating the affected area and classification of the phases involved. The methodology is based on the use of artificial neural networks. The results found are promising, indicating the applicability of the proposed methodology.

Os Sistemas de Distribuição (SDs), devido as suas topologias e configurações, dentre outros fatores, apresentam um desafio para a localização física das situações de faltas passíveis de ocorrência. Como fato, tem-se que uma localização de faltas, rápida e precisa, possibilita atenuar os transtornos que os usuários finais dos SDs viriam a ter em relação à qualidade do serviço prestado pelas distribuidoras. No contexto das redes elétricas inteligentes, e considerando medidores de qualidade da energia elétrica previamente alocados de forma otimizada, esta pesquisa propõe uma metodologia baseada em árvores de decisão e redes neurais artificiais para a localização de faltas em SDs radiais e aéreos. Foram realizados testes da metodologia proposta considerando variações no tipo, na impedância e no ângulo de incidência da falta aplicadas sobre o SD de 34 barras do IEEE (Institute of Electrical and Electronics Engineers). Para os testes de sensibilidade da metodologia desenvolvida, foram consideradas variações no carregamento do sistema, os erros inerentes ao sistema de medição, a variação no número de medidores disponível, o impacto de uma alocação não otimizada dos medidores e uma redução na taxa amostral. Os resultados encontrados foram promissores e indicam que a metodologia como desenvolvida poderá ser aplicada para SDs diferentes do caso teste utilizado. / Due to the distribution systems (DS) topologies, configurations and among other factors, it is a challenge to physically locate situations of faults. As a matter of fact, a fast and accurate fault location will make it possible to mitigate the inconvenience that the end users of DS would have due to the quality of the service provided by the distributors. In the context of intelligent electric grids, and considering the electric power quality meters optimally alocated, this research proposes a methodology based in decision trees and artificial neural networks for a fault location in radial and aerial DS. The proposed methodology was tested considering variations on the type, impedance and angle of incidence of the fault applied on the DS of 34 bars of the IEEE (Institute of Electrical and Electronic Engineers). For a sensitivity test of the developed methodology, it were considered the variations in system loading, the errors inherent to the measurement system, a variation in number of meters available, the impact of the non-optimized allocation of the meters and a redution on the sampling rate. The results were promising and indicated that the methodology developed can be applied to different DS from the test case used.

Um Sistema Elétrico de Potência (SEP) está susceptível à presença de diversas fontes de distúrbios que prejudicam a Qualidade da Energia Elétrica (QEE). Desta forma, as suas tensões e/ou correntes podem conter m´múltiplos distúrbios com ocorrência simultânea. Este trabalho apresenta uma metodologia para decomposição do sinal medido em componentes que estimem as formas de onda dos distúrbios individuais quando da ocorrência de m´múltiplos distúrbios, com o posterior reconhecimento de cada um deles. A Análise de Componentes Independentes (ICA) é utilizada como principal ferramenta na etapa de decomposição dos distúrbios. A ICA é originalmente uma t´técnica aplicada em análise multivariada de dados, o que significa que ela necessita de medições realizadas por múltiplos sensores dispostos em diferentes posições de um sistema. No entanto, este trabalho propõe a sua aplicação tendo disponível apenas um sinal medido. Para tanto, são propostos dois métodos para produzir a diversidade necessária para a t´técnica funcionar adequadamente. É demonstrado que ambos os métodos equivalem a um banco de filtros lineares adaptativos capaz de realizar a separação não-supervisionada de múltiplos distúrbios independentes e que sejam espectralmente disjuntos. Por fim, é proposto um sistema de classificação que utiliza Redes Neurais Artificiais (RNAs) para identificar os distúrbios decompostos pela etapa anterior. A metodologia completa é avaliada por meio de testes utilizando dados sintéticos e reais, alcançando resultados altamente satisfatórios para decomposição de sinais contendo múltiplos distúrbios e taxas de acerto globais dos classificadores superiores a 97% / The power system is susceptible to the presence of several sources of disturbances that harm the power quality. In this sense, its voltages and/or currents may contain multiple disturbances with simultaneous occurrence. This work presents a methodology that decomposes the measured signal in components which estimate the waveforms of the individual disturbances followed by their recognition when a multiple disturbance situation occurs. The Independent Component Analysis (ICA) is the main tool in the disturbance decomposition stage. The ICA is originally a technique applied in multivariate data analysis, which means that it requires measurements from multiple sensors allocated in different positions of the system. However, this work proposes its application for a single measured signal available. For this, two methods were developed in order to provide the required diversity to the ICA technique. It is demonstrated that both methods are equivalent to an adaptive linear filter bank capable to perform an unsupervised separation of multiple independent disturbances, if they are spectrally disjoint. A classification system based on artificial neural networks is proposed to identify the disturbances decomposed by the previous stage. The complete system is tested using synthetic and actual data, presenting highly satisfactory results for the decomposition of signals containing multiple disturbances, and precision for the classification task above 97%

O desenvolvimento e utilização do padrão IEC 61850 alterou a concepção e operação das subestações de energia elétrica. O desempenho e confiabilidade do sistema de proteção depende da rede de comunicação de dados. Esta pesquisa propõe um parâmetro de dimensionamento e comparação de desempenho para o tempo de transferência das mensagens Generic Object Oriented Substation Event (GOOSE) entre Intelligent Electronic Devices (IEDs). Esse parâmetro foi obtido através do levantamento experimental da curva do tempo de transferência das mensagens GOOSE versus a ocupação percentual da largura de banda dos IEDs. Para a realização dos experimentos foram utilizados três IEDs, um switch Ethernet gerenciável, três microcomputadores do tipo PC, um relógio sincronizador Global Positioning System (GPS), cordões de fibra óptica, cabos do tipo par trançado sem blindagem e aplicativos de software. Os resultados mostraram que a partir de um limiar característico, o qual é distinto para cada IED ensaiado, o tempo de transferência excede o limite máximo permitido pelo padrão IEC 61850. A partir da análise destes dados, foi desenvolvido um sistema preditivo de monitoramento de banda para supervisionar a interface de rede dos IEDs. O sistema preditivo apresentou para a medição de banda um erro relativo médio igual a 0,55% em relação ao aplicativo comercial utilizado na comparação, já a predição feita pela rede neural artificial apresentou um erro de estimativa menor do que 3% para 91,30% das amostras utilizadas, além de modelar adequadamente o comportamento da série temporal que representa a ocupação de banda do IED monitorado. / The development and utilization of IEC 61850 standard changed the design and operation of electric power substations. The performance and reliability of the protection system depends on the data communication network. This research proposes a parameter for dimensioning and comparising the transfer time of Generic Object Oriented Substation Event (GOOSE) messages between different Intelligent Electronic Devices (IEDs). This parameter was obtained from experimental data related to the transfer time of GOOSE messages curve versus IEDs bandwidth percentage occupation. In this context, a laboratory structure was set up in order to carry out these experiments. This structure mainly consists of three IEDs, an Ethernet switch, three personal computers, a GPS Clock, fiber optic cables, unshielded twisted pair cables, as well as support software. The results show the existence of a characteristic threshold, different for each IED tested, after which the transfer time exceeded the total transmission time allowed for the IEC 61850 standard. Based on these results, a predictive bandwidth monitoring system was developed to supervise the IEDs bandwidth interface. The bandwidth measurement has a mean relative error of 0.55% regarding to the commercial software used for comparison. Finally, the forecasting made by the artificial neural network has a relative error of 3% for 91,30% of the samples used in test phase. In addition, that it was able to model the behaviour of the time series that represent the bandwidth occupation.

Neste trabalho, redes neurais dinÃmicas sÃo avaliadas como modelos nÃo-lineares eficientes para prediÃÃo de sÃries temporais complexas. Entre as arquiteturas avaliadas estÃo as redes FTDNN, Elman e NARX. A capacidade preditiva destas redes sÃo testadas em tarefas de prediÃÃo de um-passo-adiante e mÃltiplos-passos-adiante. Para este fim, sÃo usadas as seguintes sÃries temporais: sÃrie laser caÃtico, sÃrie caÃtica Mackey-Glass, alÃm de sÃries de trÃfego de rede de computadores com caracterÃsticas auto-similares. O uso da rede NARX em prediÃÃo de sÃries temporais à uma contribuiÃÃo desta dissertaÃÃo. Esta rede possui uma arquitetura neural recorrente usada originalmente para identificaÃÃo entrada-saÃda de sistemas nÃo-lineares. A entrada da rede NARX à formada por duas janelas deslizantes (sliding time window), uma que desliza sobre o sinal de entrada e outra que desliza sobre sinal de saÃda. Quando aplicada para prediÃÃo caÃtica de sÃries temporais, a rede NARX à projetada geralmente como um modelo autoregressivo nÃolinear (NAR), eliminando a janela de atraso da saÃda. Neste trabalho, à proposta uma estratÃgia simples, porÃm eficiente, para permitir que a rede NARX explore inteiramente as janelas de tempo da entrada e da saÃda, a fim de melhorar sua capacidade preditiva. Os resultados obtidos mostram que a abordagem proposta tem desempenho superior ao desempenho apresentado por preditores baseados nas redes FTDNN e Elman.

A utilização de equipamentos digitais e de meios de comunicação de dados, na conexão entre os dispositivos de uma subestação de energia elétrica oportunizam o uso de tecnologias para aprimorar e elevar as potencialidades de controle e supervisão do sistema elétrico de potência. As concessionárias de energia elétrica demandam altos investimentos na construção e implantação de sistemas de supervisão, controle e aquisição de dados. A partir destes sistemas é possível visualizar em um mapa da rede elétrica, os pontos de instalação dos relés e os status do seu funcionamento, possibilitando a concretização de um diagnóstico e o controle destes equipamentos. A World Wide Web se tornou um meio conveniente para acesso às informações devido ao fato dos browsers serem capazes de integrar diferentes serviços de rede em uma única e amigável interface com o usuário. A implementação de um sistema de supervisão e controle utilizando tecnologias web gratuitas pode, com custo competitivo, agregar dados que estejam dispostos geograficamente, em uma plataforma computacional ergonômica, coesa e flexível, provendo acesso aos mesmos a partir de qualquer dispositivo conectado a Internet. Como resultado deste trabalho, foi implementado um sistema Web de controle e supervisão de um bay típico de saída de linha com interface simples, geração de relatórios pertinentes e anunciação de eventos. Foi implementado um segundo sistema Web de supervisão de uma lógica de corte e restabelecimento de cargas conhecido como ERAC (Esquema Regional de Alívio de Carga) que, utilizando recursos distribuídos, exibe em uma interface intuitiva as regiões de atuação dos estágios de cortes, anunciando os eventos e gerando relatórios de interesse. Por fim, foi desenvolvido um sistema de aquisição de dados de frequência e tensão de um medidor de qualidade da energia elétrica, construção de gráficos com os dados variantes no tempo, exportação dos dados de acordo com um período selecionado e implementação de uma rede neural perceptron multicamadas Time Delay Neural Network para predição dos valores de frequência futuros. As aplicações de supervisão e controle do sistema elétrico foram desenvolvidas com tecnologias Web e testadas em uma rede Intranet, de forma a avaliar a pertinência da implementação de aplicações para o sistema elétrico de potência, que podem ser acessadas de um browser padrão. Cabe ressaltar que todo sistema desenvolvido foi testado em equipamentos reais que fazem parte de uma estrutura laboratorial disponível, aos alunos de pós-graduação da Universidade de São Paulo, Escola de Engenharia de São Carlos, Laboratório de Sistemas de Energia Elétrica onde duas subestações com relés digitais comerciais são simuladas em bastidores interligados por um backbone de fibra óptica, os quais estão conectados a rede local do laboratório, permitindo o acesso remoto aos equipamentos. Tais sistemas, por estarem em plataforma Web, podem agregar recursos, que estão distribuídos, na construção de interfaces amigáveis e intuitivas, além da disponibilidade de acesso a informação de qualquer ponto conectado à Internet que uma aplicação Web oportuniza. / The use of digital equipment and data communication for the connection of the devices in an electric power substation provides the implementation of new technologies to improve and upgrade the potentialities of control and supervision of an electrical power system. The utilities demand high investments in the establishment and implementation of supervision, control and data acquisition systems. Based on these systems, it is possible to visualize a map of the electrical network, the installation points of digital relays and the status of their functions, making it possible the diagnosis and control of such equipment. The World Wide Web started a convenient access to information due to the friendly interface with the user. The implementation of a supervising and control system using free web technologies can, in a competitive cost, join data which are geographically available to an ergonomic computational platform and also provides access to the users from any device connected to the web. As a result of this work, a supervision Web control System of a typical bay with a simple interface was set up, as well as the development of reports and announcement of events. A second network supervision system for cutting load and for power reestablishment, known as regional load relief scheme, was implemented. Finally, a voltage and frequency data acquisition system from a power quality equipment with time varying graphics was developed as well as a implementation of a multiple neural perception net (Time Delay Neural Network) in order to predict future values of the frequency. The supervision and control applications were developed with web technologies and tested using an intranet in order assure the application on the electrical power system, which can be accessed by a standard browser. It is relevant to mention that the whole system was tested in actual equipment which belongs to a laboratorial structure available to the post graduation students at the University of São Paulo, School of Engineering of São Carlos, Power Systems Laboratory where two substations with commercial digital relays are simulated and interconnected by a fiber optics backbone and also connected to the local laboratory network which allows remote access to the equipment. Such system as set up in a web platform that can add resources which are distributed in the development of a friendly and intuitive interface in addition to the availability of access to the information from any point connected to the web.

This research proposes a methodology to improve computed individual prediction values provided by an existing regression model without having to change either its parameters or its architecture. In other words, we are interested in achieving more accurate results by adjusting the calculated regression prediction values, without modifying or rebuilding the original regression model. Our proposition is to adjust the regression prediction values using individual reliability estimates that indicate if a single regression prediction is likely to produce an error considered critical by the user of the regression. The proposed method was tested in three sets of experiments using three different types of data. The first set of experiments worked with synthetically produced data, the second with cross sectional data from the public data source UCI Machine Learning Repository and the third with time series data from ISO-NE (Independent System Operator in New England). The experiments with synthetic data were performed to verify how the method behaves in controlled situations. In this case, the outcomes of the experiments produced superior results with respect to predictions improvement for artificially produced cleaner datasets with progressive worsening with the addition of increased random elements. The experiments with real data extracted from UCI and ISO-NE were done to investigate the applicability of the methodology in the real world. The proposed method was able to improve regression prediction values by about 95% of the experiments with real data. / Esta pesquisa propõe uma metodologia para melhorar previsões calculadas por um modelo de regressão, sem a necessidade de modificar seus parâmetros ou sua arquitetura. Em outras palavras, o objetivo é obter melhores resultados por meio de ajustes nos valores computados pela regressão, sem alterar ou reconstruir o modelo de previsão original. A proposta é ajustar os valores previstos pela regressão por meio do uso de estimadores de confiabilidade individuais capazes de indicar se um determinado valor estimado é propenso a produzir um erro considerado crítico pelo usuário da regressão. O método proposto foi testado em três conjuntos de experimentos utilizando três tipos de dados diferentes. O primeiro conjunto de experimentos trabalhou com dados produzidos artificialmente, o segundo, com dados transversais extraídos no repositório público de dados UCI Machine Learning Repository, e o terceiro, com dados do tipo séries de tempos extraídos do ISO-NE (Independent System Operator in New England). Os experimentos com dados artificiais foram executados para verificar o comportamento do método em situações controladas. Nesse caso, os experimentos alcançaram melhores resultados para dados limpos artificialmente produzidos e evidenciaram progressiva piora com a adição de elementos aleatórios. Os experimentos com dados reais extraído das bases de dados UCI e ISO-NE foram realizados para investigar a aplicabilidade da metodologia no mundo real. O método proposto foi capaz de melhorar os valores previstos por regressões em cerca de 95% dos experimentos realizados com dados reais.

Submitted by Maria Aparecida (cidazen@gmail.com) on 2017-04-24T13:52:10Z No. of bitstreams: 1 Julio Cesar da Silva Soares.pdf: 1645821 bytes, checksum: e32d7384c0a6f1999bc7eb190dcd7a05 (MD5) / Made available in DSpace on 2017-04-24T13:52:10Z (GMT). No. of bitstreams: 1 Julio Cesar da Silva Soares.pdf: 1645821 bytes, checksum: e32d7384c0a6f1999bc7eb190dcd7a05 (MD5) Previous issue date: 2017-03-22 / FAPEMA / Urban roads are very complex. The increase in the flow of vehicles in the cities has contributed to traffic accidents. Researches for accident reduction show that the traffic lights are effective in reducing accidents. Traffic lights can minimize the occurrence of accidents at intersections and crosswalks. The implementation of traffic light signals shows significant advantages, otherwise reveals some problems such as the failure to detect road signs by drivers on urban roads. This fact is related to excessive visual information, the stress of the drivers and/or eyestrain makes the drivers lose their attention. These reasons motivated researches about intelligent vehicles. This work aims to develop a methodology to detect and recognize traffic lights, to be applied in smart vehicles. This methodology can contribute to the Advanced Driver Support Systems (ADAS), which assists drivers, especially those with partial vision impairment. Image processing techniques are used to develop the detection methodology. Back project and global thresholding are combined to find light points. Local thresholding techniques are applied to calculate the symmetry between the radius and the center of the light points to segment the traffic light body. The first step got an average rate of 99% of detection. The features of the traffic lights are extracted using Haralick texture measures, with the inclusion of color and shape information. The data generated by the feature extraction step were preprocessed using the SMOTE technique to balance the database. The recognition and identification of the traffic lights state are made by an artificial neural network using Multilayer-Perceptron (MLP). The backpropagation learning algorithm are used in the network training. The validation results show an average recognition rate of 98%. / As vias urbanas estão cada vez mais complexas e o acréscimo no fluxo de veículos nas cidades de médio e grande porte vem contribuindo para a elevação do número de acidentes. Pesquisas apontam que os sinais de trânsito são eficientes na redução do número de acidentes. A implantação de sinais de trânsito apresentam vantagens relevantes, mas por outro lado revelam alguns problemas, como a dificuldade na detecção de sinais de trânsito pelos condutores em vias urbanas. Este fato está relacionado à quantidade de informações visuais nas vias, ao estresse dos motoristas e/ou à fadiga visual destes, que fazem os motoristas desviarem sua atenção da sinalização. Estas razões motivaram muitas pesquisas nos últimos anos, sobre o tema veículos inteligentes. Assim, o presente trabalho propõe uma metodologia para detectar e reconhecer semáforos de trânsito para ser aplicada em veículos inteligentes, podendo contribuir para os Advanced Driver Support Systems - ADAS (Sistema Avançado de Auxílio ao Motorista), e que auxilie os motoristas, em especial aqueles com deficiência parcial da visão. Além disso, o sistema desenvolvido é capaz de identificar o estado do semáforo e indicar ao condutor se ele deve parar ou prosseguir, contribuindo assim para a redução de acidentes de transito. Para o desenvolvimento do algoritmo de detecção, utilizaram-se técnicas de processamento de imagens, através de histograma retroprojetado e limiarização global para detectar pontos de luzes. A limiarização local é aplicada para o cálculo de simetria entre o raio e o centro dos pontos de luzes, com a finalidade de segmentar o corpo do semáforo, onde se obteve uma taxa média de detecção de 99%. As características dos semáforos foram extraídas utilizando os atributos de Haralick, com a inclusão de informações de cor e forma. Os dados gerados pela extração de características foram pré-processados utilizando a técnica de SMOTE para balancear a base de dados. O reconhecimento e a identificação do estado do semáforo foram realizados por uma rede neural artificial do tipo Multilayer Perceptron (MLP). No treinamento da rede se utilizou o algoritmo de aprendizagem backpropagation e a separação de dados para treinamento e validação. Os resultados da validação mostraram uma taxa média de reconhecimento de 98%.

Made available in DSpace on 2017-07-10T19:24:19Z (GMT). No. of bitstreams: 1 Clovis_Cechim_MC.pdf: 6987482 bytes, checksum: c33db297dd7ec8aaf8bfde9e1e56c2cc (MD5) Previous issue date: 2016-02-04 / Sugarcane has been cropped and produced in Brazil for a long time, so, it deserves mention because it makes the country as the largest producer, with also representativeness in sugar and ethanol production. The knowledge of reliable estimates concerning their cropped areas is essential for Brazilian agribusiness, as they help in determining prices to producers by power plants as well as allow establishing logistics flow of production. The cropped areas estimates are made by official agencies. Therefore, in order to reduce this subjectivity, geotechnology use comes as an alternative since it has been widely used in mappings agricultural crops. Thus, this study aimed at developing a methodology for mapping sugarcane crop in Paraná State with satellite images as LANDSAT, IRS and spectrum-temporal series of vegetation indexes from MODIS sensor, for 2010/2011 to 2014/2015 harvesting season. The carried out mappings indicated a strong positive correlation concerning Canasat and official IBGE. The developed method was based on Fuzzy ARTMAP classification and was efficient to map and estimate the sugarcane cropped area using vegetation index in Paraná State. / A cana-de-açúcar como cultura cultivada e produzida no Brasil merece destaque, pois torna o País o maior produtor mundial, com representatividade também na produção de açúcar e etanol. O conhecimento de estimativas confiáveis de suas áreas cultivadas é imprescindível para o agronegócio brasileiro, por auxiliar na determinação dos preços aos produtores pelas usinas e permitir estabelecer a logística de escoamento da produção. As estimativas de área cultivada são realizadas de forma subjetiva pelos órgãos oficiais. Com a finalidade de diminuir tal subjetividade, surge como alternativa o uso de geotecnologias, as quais têm sido muito utilizadas em mapeamentos de culturas agrícolas. Diante disto, o objetivo deste trabalho foi o desenvolvimento de uma metodologia para o mapeamento da cultura de cana-de-açúcar para o Estado do Paraná usando imagens dos satélites LANDSAT, IRS e de séries espectro-temporais de índices de vegetação, provenientes do sensor MODIS, para as safras de 2010/2011 a 2014/2015. O mapeamento da cultura foi realizado a partir do modelo de classificação supervisionada Fuzzy ARTMAP, tendo como variáveis de entrada, termos harmônicos de amplitude e fase e as métricas fenológicas da cultura. Os mapeamentos realizados indicaram forte correlação positiva com relação aos dados do Canasat e oficiais IBGE. O método desenvolvido com base na classificação Fuzzy ARTMAP demonstrou ser eficiente para mapear e estimar a área cultivada da cultura de cana-de-açúcar utilizando índices de vegetação no Estado do Paraná.

Esta pesquisa objetivou uma melhor compreensão do processo de escolha do modo de viagem. Empregou-se a abordagem indutiva dirigida a dados livre de suposições a priori da mineração em banco de dados (Data Mining), utilizando redes neurais artificiais (RNA) como ferramenta mineradora, à procura de conhecimento, ou informação útil, a respeito de escolha e capaz de indicar qual das estruturas de decisão subjacentes aos modelos de escolha modal considerados mais se aproximaria ao do observado. Partindo-se da ideia de que nesse processo exista um padrão o qual pode ser captado por uma RNA, ajustou-se um modelo de RNA aos dados e extraiu-se então o conhecimento contido no modelo de RNA ajustado através de um algoritmo de extração de árvore de decisão de RNA chamado Trepan (Trees parroting network), que foi analisado e interpretado à luz dos objetivos desta pesquisa. Os dados que foram utilizados nesse processo de descoberta de conhecimento são provenientes de uma pesquisa de entrevista domiciliar realizada na cidade de Bauru - SP, para fins de estimativa da matriz de deslocamentos origem-destino dessa cidade. Obteve-se quatro árvores de decisão com estruturas simples e com a araucária preditiva de 75% aproximadamente para os três modos de viagem estudados. Embora o conhecimento extraído dos modelos neurais ajustados não tenham proporcionado a indicação de qual das estruturas de decisão subjacentes aos modelos de escolha modal mais se aproxima da obtida com o modelo neural, foi constatada nas árvores resultantes do processo de descoberta do conhecimento uma relação de compensação entre o atributo sexo e os atributos relacionados à capacidade econômica do domicílio na decisão de escolha do modo carro para a realização de uma viagem. Os resultados também sugerem a não necessidade de mais um atributo de entrada referente ao deslocamento realizado em uma viagem para modelagem por RNA do processo de escolha do modo de viagem no contexto estudado. / This research aimed at a better understanding of the mode travel choice process. The inductive data driven free from a priori assumptions of the data mining approach was employed, using artificial neural networks (ANN) as a mining tool, looking for knowledge or useful information, concerning the choice process and capable of indicating which of the underlying decision structures to the considered modal choice models would come closer to the observed one. Taking into consideration that there is a pattern in this process that can be captured by ANN, an ANN model was fitted (trained) to the data, and the knowledge contained in the trained ANN model was extracted by employing an ANN decision tree extraction algorithm called Trepan (Trees parroting network), which was analysed and interpreted in the light of the object of this research. The data which was employed in this knowledge discovery process come from a household survey carried out in Bauru - SP in order to estimate the O-D matrix in this city. Four decision trees with simple structures and predicting accuracy of approximately 75% for the three travel modes studied were obtained. Even though the knowledge extracted from the trained ANN model has not yielded the indication of which of the underlying decision structures to the modal choice models was closer to the neural model, a compensating relation between the sex attribute and the household economic-related attribute in the decision of choosing the car mode in order to travel was evidenced in the trees resulting from the process of knowledge discovery. The results also suggest the lack of necessity of more than one input travel attribute concerning the displacement performed in a trip for the ANN modelling of the mode travel choice process in the studied context.