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

Fundação de Apoio a Pesquisa e à Inovação Tecnológica do Estado de Sergipe - FAPITEC/SE / A falta de mobilidade urbana é uma grande preocupação da gestão pública em todo o mundo. Algumas políticas têm sido adotadas a fim de minimizar seus efeitos nas grandes cidades. Construção de rotas alternativas, melhorias e incentivo ao uso de transportes públicos, construção de ciclovias e estímulo ao uso de bicicletas são algumas dessas políticas. Uma prática que pode contribuir para a solução do problema é a carona. Carona consiste no ato de transportar gratuitamente num veículo pessoas que possuem trajetórias semelhantes. Embora existam algumas aplicações que se propõem a facilitar a prática de caronas, nenhuma dessas aplicações possuem funcionalidades de busca por usuários que possuem similaridades de trajetória e de perfil demográfico e social. Neste trabalho, propomos uma abordagem inovadora, considerando peculiaridades do contexto do uso de caronas, que visa a descoberta de agrupamentos de usuários que possuem trajetórias semelhantes, usuários que possuem perfis semelhantes e agrupamentos de usuários que são similares considerando suas trajetórias e seus perfis. Elementos intrínsecos ao problema são formalmente definidos e uma primeira análise de complexidade para tempo de processamento foi realizada. Uma rede social de propósito específico para o compartilhamento de caronas foi modelada e implementada com respeito à abordagem proposta. O método para experimentação e avaliação da abordagem consistiu (i) na confecção de base de dados alimentada periodicamente em tempo real por dados de trânsito obtidos a partir de aparelhos de smartphone com GPS de voluntários em trânsito com seus automóveis, (ii) aplicação da abordagem proposta para geração dos agrupamentos de usuários a partir da base estabelecida e (iii) aplicação da métrica Davies-Boulding Index, que indica o quão factível os agrupamentos são. Resultados mostraram a efetividade da abordagem para solução do problema se comparada a formas bem estabelecidas da literatura relacionada, como o K-means, por exemplo. Resultados da análise da base de dados também mostraram que algumas informações de trânsito podem ser inferidas a partir de ações de mineração. Por fim, a aceitabilidade de potenciais usuários da rede social foi medida a partir de questionário. / Problems related to urban mobility is a big concern to public administration. Some policies have been adopted in order to soften those problems in large cities. Building new routes, encouraging the use of public transportation, building new bike paths and encouraging the use of bicycle are some of them. A common practice which is closely related to cultural habits in some nations and which can contribute to soften the problem is ridesharing. Ridesharing is defined as a grouping of travellers into common trip by car or van. Though there exist some applications that aim to facilitate the practice of ridesharing, none of them have the functionality to search automatically for users with similar trajectories or demographic and social profile. In this work, we proposed an innovative approach, considering ridesharing context, that aims to discover clusters of users that have similar trajectories, clusters of users that have similar profile and clusters of users with similar trajectory and similar profile. Furthermore, we define a formalization of ridesharing terms and an initial time complexity analysis is done. A social network for ridesharing has been also modeled and developed according to proposed approach. Experimentation and evaluation method consist of: (i) Building a dataset from volunteers in transit with GPS-equipped smartphones, (ii) Using proposed approach to generate clusters of users and application of Davies-Boulding index metrics which reflects how similar the elements of the same cluster are, as well as the dissimilarity among distinct clusters. Results show the feasibility of the approach to problem solution if compared with some approach established in literature such as, K-means. Results of dataset analysis show that some traffic information should undergo data mining. Finally, social network mobile app acceptance was measured by questionnaire.