O principal objetivo deste trabalho é analisar a aplicabilidade de um minerador de dados para obter relações entre padrões de viagens encadeadas e características sócio-econômicas de viajantes urbanos. Para representar as viagens encadeadas, as viagens correspondentes a cada indivíduo do banco de dados foram codificadas em termos de seqüência de letras que indicam uma ordem cronológica em que atividades são desenvolvidas. O minerador de dados utilizado neste trabalho é árvore de decisão e classificação, uma ferramenta de análise disponível no software S-Plus. A análise foi baseada na pesquisa origem-destino realizada pelo Metrô-SP na região metropolitana de São Paulo, por meio de entrevistas domiciliares, em 1987. Um dos importantes resultados é que indivíduos que têm atributos sócio-econômicos e de viagens similares não se comportam de maneira similar; pelo contrário, eles fazem diferentes padrões de viagens encadeadas, as quais podem ser descritas em termos de probabilidade ou freqüência associada a cada padrão. Portanto, o minerador de dados deve possuir a habilidade para representar essa distribuição. A consistência do resultado foi analisada comparando-os com alguns resultados encontrados na literatura referente a análise de viagem baseada em atividades. A principal conclusão é que árvore de decisão e classificação aplicada a dados individuais, contendo encadeamento de viagem codificado e atributos socioeconômicos e de viagem, permite extrair conhecimento e informações ocultas que ajudam a compreender o comportamento de viagem de viajantes urbanos. / The main aim of this work is to analyze the applicability of a data miner for obtaining relationships between trip-chaining patterns and urban trip-makers socioeconomic characteristics. In order to represent the trip-chains, trips corresponding to each individual in the data set were coded in terms of letters indicating a chronological order in which activities are performed. Data miner applied in this work is decision and classification tree, an analysis tool available in S-Plus software package. The analysis was based on the origin-destination home-interview survey carried out by Metrô-SP in São Paulo metropolitan area. One of the important findings is that individuals having similar socieconomic and trip attributes do not behave in a similar way; on the contrary, they make different trip-chaining patterns, which may be described in term of probability or frequency associated to each pattern. Therefore, the data miner should have ability to represent that distribution. The consistency of results was analyzed by comparing them with some results found in literature related to activity-based travel analysis. The main conclusion is that decision and classification tree applied to individual data, containing coded trip-chaining and socioeconomic and trip attributes, allows extracting hidden knowledge and information that help to understand the travel behaviour of urban trip-makers.

O principal objetivo deste trabalho é analisar a aplicabilidade de um minerador de dados para obter relações entre padrões de viagens encadeadas e características sócio-econômicas de viajantes urbanos. Para representar as viagens encadeadas, as viagens correspondentes a cada indivíduo do banco de dados foram codificadas em termos de seqüência de letras que indicam uma ordem cronológica em que atividades são desenvolvidas. O minerador de dados utilizado neste trabalho é árvore de decisão e classificação, uma ferramenta de análise disponível no software S-Plus. A análise foi baseada na pesquisa origem-destino realizada pelo Metrô-SP na região metropolitana de São Paulo, por meio de entrevistas domiciliares, em 1987. Um dos importantes resultados é que indivíduos que têm atributos sócio-econômicos e de viagens similares não se comportam de maneira similar; pelo contrário, eles fazem diferentes padrões de viagens encadeadas, as quais podem ser descritas em termos de probabilidade ou freqüência associada a cada padrão. Portanto, o minerador de dados deve possuir a habilidade para representar essa distribuição. A consistência do resultado foi analisada comparando-os com alguns resultados encontrados na literatura referente a análise de viagem baseada em atividades. A principal conclusão é que árvore de decisão e classificação aplicada a dados individuais, contendo encadeamento de viagem codificado e atributos socioeconômicos e de viagem, permite extrair conhecimento e informações ocultas que ajudam a compreender o comportamento de viagem de viajantes urbanos. / The main aim of this work is to analyze the applicability of a data miner for obtaining relationships between trip-chaining patterns and urban trip-makers socioeconomic characteristics. In order to represent the trip-chains, trips corresponding to each individual in the data set were coded in terms of letters indicating a chronological order in which activities are performed. Data miner applied in this work is decision and classification tree, an analysis tool available in S-Plus software package. The analysis was based on the origin-destination home-interview survey carried out by Metrô-SP in São Paulo metropolitan area. One of the important findings is that individuals having similar socieconomic and trip attributes do not behave in a similar way; on the contrary, they make different trip-chaining patterns, which may be described in term of probability or frequency associated to each pattern. Therefore, the data miner should have ability to represent that distribution. The consistency of results was analyzed by comparing them with some results found in literature related to activity-based travel analysis. The main conclusion is that decision and classification tree applied to individual data, containing coded trip-chaining and socioeconomic and trip attributes, allows extracting hidden knowledge and information that help to understand the travel behaviour of urban trip-makers.

Submitted by Fabio Sobreira Campos da Costa (fabio.sobreira@ufpe.br) on 2017-05-08T14:34:09Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Debora_Pereira_thesis.pdf: 4477202 bytes, checksum: 0af71560a8db492ecea51ebedad76427 (MD5) / Made available in DSpace on 2017-05-08T14:34:09Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Debora_Pereira_thesis.pdf: 4477202 bytes, checksum: 0af71560a8db492ecea51ebedad76427 (MD5) Previous issue date: 2016-08-01 / FACEPE / CAPES / In Brazil, since 2000, approximately 50,000 people are murdered every year. In a span of 30 years (1980 – 2010), more than 1 million homicides were registered. In 2012, the homicide rate in Brazil was 29 homicides per 100,000 inhabitants. All Brazilian states exceed the threshold of epidemic established by World Health Organization. In this context, the present study has the objective of to investigate homicides in Recife, taking into account temporal, spatial, environmental, and multicriteria analysis. The temporal analysis shows that the difference of homicides between seasons and months is not statistically significant. However, there is a significant increase in homicides during the weekends (42 percent of all homicides) and evenings (62 percent). Moreover, the spatial results show that the spatial patterns are different within the temporal dimensions in many cases. The findings from spatial analysis reveal that homicides are very concentrated in the city of Recife and in a time span of five years (20092013) all the homicides occurred in less than 10 percent of the street segments. In addition, our test showed that the spatial pattern was not stable over the years. However, when we consider the temporal dimensions (as suggested by temporal analysis), the patterns were stable along the years – except for weekdays and night/dawn. Furthermore, through the environmental analysis, we found that inequality, rented houses, and number of residents have a positive relationship with homicide. On the other hand, income, education, public illumination, population density, and street network density have a negative relationship. The findings of these analyses indicate that homicide in Recife can be understood by the perspective of social disorganization theory and routine activity theory. Finally, multicriteria approach was applied to highlight vulnerable areas to homicide in Recife. We considered six variables to evaluate vulnerability and the areas were identified by PROMETHEE II method and local Moran’s I. Other application was made in Boa Viagem neighborhood, so we were able to perform a more detailed analysis. Three different approaches were tested for Boa Viagem and we suggested some actions in order to reduce criminality in long term. / No Brasil, desde 2000, aproximadamente 50,000 foram mortas todos os anos. Em um espaço de 30 anos (1980 – 2000), mais de 1 milhão de homicídios foram registrados. Em 2012, a taxa de homicídio no Brasil era 29 homicídios para cada 100,000 habitantes. Todos os estados brasileiros excedem o limite de epidemia estabelecido pela Organização Mundial de Saúde. Nesse contexto, o presente estudo tem o objetivo de investigar os homicídios em Recife, levando em consideração análises temporal, espacial, ambiental e multicritério. A análise temporal mostra que a diferença de homicídios entre estações do ano e meses não é estatisticamente significativa. Porém, existe um aumento significante de homicídios durante os finais de semana (42 por cento de todos os homicídios) e noites (62 por cento). E ainda, os resultados espaciais mostram que os padrões espaciais são diferentes dento das dimensões temporais em muitos casos. Os achados da análise espacial revelam que homicídios são muito concentrados na cidade do Recife e que em um espaço de tempo de cinco anos (2009-2013) todos os homicídios ocorreram em menos de 10 por cento dos segmentos de rua. E ainda, o teste do padrão dos pontos espaciais mostrou que os padrões espaciais não foram estáveis no decorrer dos anos. Porém, quando se considera das dimensões temporais (como sugerido pela análise temporal), os padrões foram estáveis ao longo dos anos – com exceção de dias de semana e noites/madrugadas. Além disso, através da análise ambiental encontrou-se que desigualdade, casas alugadas e número de residentes têm uma relação positiva com homicídio. Por outro lado, renda, educação, iluminação pública, densidade populacional e densidade da rede de ruas têm uma relação negativa. Os achados dessas análises indicam que os homicídios em Recife podem ser entendidos pela perspectiva da teoria da desorganização social e da teoria das atividades de rotina. Finalmente, abordagem multicritério foi aplicada para destacar áreas vulneráveis aos homicídios em Recife. Considerou-se seis variáveis para avaliar a vulnerabilidade e as áreas foram identificados pelo PROMETHEE II e pelo índice local de Moran. Outra aplicação foi feita no bairro de Boa Viagem e foi possível realizar uma análise mais detalhada. Três diferentes abordagens foram testadas para Boa Viagem e sugeriu-se algumas ações no sentido de reduzir a criminalidade no longo prazo.

O objetivo deste trabalho foi desenvolver um modelo para reconhecer e reproduzir padrões de viagens encadeadas a pé. O processo de modelagem foi conduzido através da aplicação das técnicas das Redes Neurais Artificiais (RNAs), utilizando-se de uma rede estática MLP e de rede dinâmica Elman. A análise do desempenho do modelo foi baseada nos dados de uma pesquisa de Origem-Destino realizada, em 1987, pelo METRÔ-SP na Região Metropolitana de São Paulo. Na modelagem foi fixado o modo de viagem a pé, e, na abordagem seqüencial, padrões de viagens individuais foram representados em termos de dois componentes: duração da viagem e tipo de atividades. A análise foi realizada partindo da classificação geral e específica para cada segmento do encadeamento de viagens, o que permitiu a comparação dos resultados entre padrões de viagens observados e os reproduzidos pelas redes. Na classificação geral, cinco dos padrões previstos com maior freqüência pelas RNAs representaram em média 58,9% dos indivíduos no conjunto de dados usado para testar o desempenho do modelo. Para o vetor de duas e quatro viagens, as redes neurais reproduziram 50% das durações de viagem e 90% das atividades, tais como Trabalho e Escola. Embora esses resultados não pareçam muito robustos, não significa que eles estejam errados. As porcentagens acima representam a probabilidade de uma pessoa realizar viagens com aquelas durações ou tipo de atividades. / The main objective of this work was to develop a model for recognizing and reproduzing trip-chaining patterns by walk. The process of modeling was conducted applying the techniques of Artificial Neural Networks (ANNs), by using one of the static networks MLP and the Elman dynamic network. The analysis of the performance of the model was based on the origin-destination home-interview survey carried out by METRÔ-SP in São Paulo Metropolitan Area in 1987. The mode of trip by walk was fixed in the model, and, in the sequential approach, individual travel patterns were represented in terms of two components: trip duration and activity type. The analysis was accomplished starting from the general and specific classifications for each segment of the chained trips, which allowed the comparison of the results between the observed travel patterns and reproduced ones through ANNs. In general classification, 5 of the patterns most frequently predicted by the ANNs represented 58.9% of the individuals in the dataset used for testing the model performance. For the vectors of two and four trips, the neural networks reproduced 50% of trip durations and 90% of the activities, such as work and school. Although those results seem not so robust, it does not mean that they are wrong. The percentages above represent the probability of a person making trips with those durations or type of activities.

O objetivo deste trabalho foi desenvolver um modelo para reconhecer e reproduzir padrões de viagens encadeadas a pé. O processo de modelagem foi conduzido através da aplicação das técnicas das Redes Neurais Artificiais (RNAs), utilizando-se de uma rede estática MLP e de rede dinâmica Elman. A análise do desempenho do modelo foi baseada nos dados de uma pesquisa de Origem-Destino realizada, em 1987, pelo METRÔ-SP na Região Metropolitana de São Paulo. Na modelagem foi fixado o modo de viagem a pé, e, na abordagem seqüencial, padrões de viagens individuais foram representados em termos de dois componentes: duração da viagem e tipo de atividades. A análise foi realizada partindo da classificação geral e específica para cada segmento do encadeamento de viagens, o que permitiu a comparação dos resultados entre padrões de viagens observados e os reproduzidos pelas redes. Na classificação geral, cinco dos padrões previstos com maior freqüência pelas RNAs representaram em média 58,9% dos indivíduos no conjunto de dados usado para testar o desempenho do modelo. Para o vetor de duas e quatro viagens, as redes neurais reproduziram 50% das durações de viagem e 90% das atividades, tais como Trabalho e Escola. Embora esses resultados não pareçam muito robustos, não significa que eles estejam errados. As porcentagens acima representam a probabilidade de uma pessoa realizar viagens com aquelas durações ou tipo de atividades. / The main objective of this work was to develop a model for recognizing and reproduzing trip-chaining patterns by walk. The process of modeling was conducted applying the techniques of Artificial Neural Networks (ANNs), by using one of the static networks MLP and the Elman dynamic network. The analysis of the performance of the model was based on the origin-destination home-interview survey carried out by METRÔ-SP in São Paulo Metropolitan Area in 1987. The mode of trip by walk was fixed in the model, and, in the sequential approach, individual travel patterns were represented in terms of two components: trip duration and activity type. The analysis was accomplished starting from the general and specific classifications for each segment of the chained trips, which allowed the comparison of the results between the observed travel patterns and reproduced ones through ANNs. In general classification, 5 of the patterns most frequently predicted by the ANNs represented 58.9% of the individuals in the dataset used for testing the model performance. For the vectors of two and four trips, the neural networks reproduced 50% of trip durations and 90% of the activities, such as work and school. Although those results seem not so robust, it does not mean that they are wrong. The percentages above represent the probability of a person making trips with those durations or type of activities.