Made available in DSpace on 2014-12-17T14:56:07Z (GMT). No. of bitstreams: 1 NaiyanHCL_DISSERT.pdf: 1452285 bytes, checksum: 018fb1e8fa51e8f7094cce68a18c6c73 (MD5) Previous issue date: 2012-08-13 / Reinforcement learning is a machine learning technique that, although finding a large number of applications, maybe is yet to reach its full potential. One of the inadequately tested possibilities is the use of reinforcement learning in combination with other methods for the solution of pattern classification problems. It is well documented in the literature the problems that support vector machine ensembles face in terms of generalization capacity. Algorithms such as Adaboost do not deal appropriately with the imbalances that arise in those situations. Several alternatives have been proposed, with varying degrees of success. This dissertation presents a new approach to building committees of support vector machines. The presented algorithm combines Adaboost algorithm with a layer of reinforcement learning to adjust committee parameters in order to avoid that imbalances on the committee components affect the generalization performance of the final hypothesis. Comparisons were made with ensembles using and not using the reinforcement learning layer, testing benchmark data sets widely known in area of pattern classification / A aprendizagem por refor?o ? uma t?cnica de aprendizado de m?quina que, embora j? tenha encontrado uma grande quantidade de aplica??es, talvez ainda n?o tenha alcan?ado seu pleno potencial. Uma das possibilidades que n?o foi devidamente testada at? hoje foi a utiliza??o da aprendizagem por refor?o em conjunto com outros m?todos para a solu??o de problemas de classifica??o de padr?es. ? bem documentada na literatura a problem?tica que ensembles de m?quinas de vetor de suporte encontram em termos de capacidade de generaliza??o. Algoritmos como Adaboost n?o lidam apropriadamente com os desequil?brios que podem surgir nessas situa??es. V?rias alternativas j? foram propostas, com margens variadas de sucesso. Esta disserta??o apresenta uma nova abordagem para a constru??o de comit?s de m?quinas de vetor de suporte. O algoritmo apresentado combina o algoritmo Adaboost com uma camada de aprendizagem por refor?o, para ajustar par?metros do comit? evitando que desequil?brios nos classificadores componentes do comit? prejudiquem o desempenho de generaliza??o da hip?tese final. Foram efetuadas compara??es de comit?s com e sem essa camada adicional de aprendizagem por refor?o, testando conjuntos de dados benchmarks amplamente conhecidos na ?rea de classifica??o de padr?es

A presente dissertação traz a questão da aderência de viagens de veículos em monitoramentos inteligentes com sistemas Automatic Vehicle Location (AVL) que operam em rotas rodoviárias. Uma viagem é considerada como uma série de \"passadas\", que correspondem ao tempo em que o veículo está em movimento, mas excluindo os tempos gastos em paradas para atividades como carregamento/descarregamento entre outras. A partir de dados históricos coletados via Global Positioning System (GPS) pelo sistema AVL, uma metodologia de filtragem e aplicações estatísticas para geração das passadas é apresentada. Além disso, são propostos métodos para geração de padrões de viagem de referência, baseados em tempos de viagem e velocidades, desvios padrões, locais de descontinuidades entre outros parâmetros. A geração desses padrões em conjunto com procedimentos operacionais permite o monitoramento eficiente do progresso de viagens de frotas de veículos, para finalidades logísticas e de segurança. O progresso de um veículo ao longo de uma rota é analisado diante dos padrões de viagem de referência obtidos a partir de suas viagens prévias, de veículos similares na mesma rota ou de viagens em rotas de mesma classe, dependendo do que for mais adequado. A geração de padrões é um processo dinâmico que gera conhecimento sobre o veículo e comportamento da rodovia ao longo do tempo. Desenho do processo de monitoramento do progresso de viagem é apresentado, no qual, a cada nova coleta de dado GPS ou a cada instante solicitado pelo usuário, a aderência é medida, eventuais descontinuidades (saídas da rota, paradas ou mudança de sentido) são identificadas e avisos são gerados. Tal aderência é definida por índice de desempenho que considera os desvios de tempo em relação a valores de referência e respectivas tolerâncias. Para experimentação da metodologia, foi realizada simulação de viagem na rodovia BR116 na ligação São Paulo - Rio de Janeiro, sobre base com cerca de 130.000 registros de dados GPS associados. Com integração em Geographic Information System (GIS) para suporte de funcionalidades, foram gerados os padrões de viagem e simulado o processo de monitoramento com sucesso. / This dissertation addresses the question of vehicle travel adherence in intelligent monitoring with Automatic Transportation Location (AVL) operating in a regional environment. A trip is considered as series of runs, corresponding to time in movement but excluding time spent on activities such as loading/unloading and others. Based on historic data collected from AVL/GPS a statistical data filtering method to generate the runs is presented. Furthermore, statistical methods are proposed to generate travel patterns based on travel time, speed, standard deviation and other parameters. The pattern generation together with operational procedures allows effective monitoring of large fleets in logistics and safety. The progress of a vehicle along a route is evaluated face to the statistical patterns of its previous successful trips or against statistical patterns of similar vehicles on the same route, whichever appropriate. The generation of patterns is a dynamic continuous process that generates knowledge on vehicle and road behavior along time. A broad outline of the travel monitoring process is presented. Whenever the requested by user, the process calculates the travel adherence, identifies abnormalities and generates alarms. That adherence is defined by a performance index, which considers the travel time deviations from the reference values and the respective tolerances. Successful experimentation was carried out on the Rio de Janeiro - São Paulo motorway, with 130.000 Global Positioning System (GPS) positional data relayed from trucks to a Geographic Information System (GIS) based monitoring system in Brazil.

O crescente desenvolvimento de aplicações utilizadas por dispositivos móveis que fazem uso das tecnologias de posicionamento via satélite e comunicação móvel, juntamente com a popularização destes dispositivos, sejam eles celulares ou GPSs (Global Positioning System) automotivos reforçam ainda mais a necessidade de representação e o entendimento a cerca das entidades móveis retratadas nestes dispositivos e incentivam estudos que forneçam um significado maior do que a simples representação posicional destas entidades. Considera-se neste trabalho, que estas entidades móveis são veículos rastreados via satélite que fornecem sua posição espacial, determinada por um par de coordenadas geográficas (latitude e longitude), coletadas em intervalos de tempo regulares para sistemas AVL (Automatic Vehicle Location) que são responsáveis pelo monitoramento do estado destes veículos. Neste trabalho, foram desenvolvidas funções para a previsão da localização e geração de padrões dos veículos monitorados por sistemas AVL. Para tanto, as paradas efetuadas pelos veículos irão definir regiões comuns de parada ocorridas durante um intervalo de tempo passado e serão consideradas como um padrão de localização, enquanto que as trajetórias serão utilizadas para definir o padrão de movimentação. Os relacionamentos topológicos que estes padrões possuem irão definir por meio de condições espaciais/direcionais e temporais quais serão as regiões de paradas consideradas como prováveis destinos, a partir de outra região de parada, considerada como origem e, permitirão a geração de matrizes com valores de frequências relativas que consideram o número de visitas que uma região recebe a partir da outra. O que possibilita extrair valores de probabilidade condicional para cada destino provável. Portanto, a metodologia proposta e as funções desenvolvidas que foram validadas em experimentos, que utilizaram dados reais de rastreamento, fornecem uma camada inicial de inteligência aos sistemas AVL, que proporciona aos controladores destes sistemas utilizarem consultas preditivas, identificarem mais facilmente anomalias de comportamento, que possam evidenciar alguma ocorrência incomum na movimentação do veículo, além de aumentar a segurança dos veículos que possuem um dispositivo de rastreamento por meio da definição de padrões inerentes ao veículo. / The increasing development of applications used by mobile devices that make use of the technologies of satellite positioning and mobile communications, along with the popularity of these devices, whether cell phones or GPS\'s (Global Positioning System) automotive further reinforce the need for representation and understanding about the mobile entities represent in these devices and encourage studies that provide a greater meaning than the simple positional representation of these entities. It is considered in this work that these entities are tracked vehicles that provide satellite spatial position, determined by a pair of coordinates (latitude and longitude), collected at regular time intervals for systems AVL (Automatic Vehicle Location) that are responsible for monitoring the state of these vehicles. In this work, functions have been developed to predict the location and pattern generation of vehicles monitored by AVL systems. Accordingly, these stops will define common regions of the stop occurred during a period of time past and will be considered as the pattern location, while the trajectories are used to define the pattern of movement of the vehicle. The topological relationships that have these patterns define conditions through spatial/directional and temporal, which are stops regions considered as probable destinations from another stop region, regarded as origin and allow the generation of matrices with values of frequencies on considering the number of visits that region receives from the other. What makes it possible to extract values of conditional probability for each likely destination. Therefore, the proposed methodology and functions developed that been validated in experiments using real data to tracking provide a initial layer of intelligence to the AVL system that gives drivers of these systems use predictive queries, more easily identify behavioral abnormalities that may show some unusual occurrence in moving the vehicle, in addition to increasing the safety of vehicles which have a tracking device by setting patterns relating to the vehicle.

Orientador: Celso Pascoli Bottura / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e Computação / Made available in DSpace on 2018-08-31T09:18:30Z (GMT). No. of bitstreams: 1 Serra_GinalberLuizdeOliveira_D.pdf: 2165582 bytes, checksum: a1dad46bc4d817f8d4e6457f60ae9599 (MD5) Previous issue date: 2005 / Resumo: Esta tese apresenta propostas de metodologias para identificação e controle inteligentes. Uma metodologia para identificação de sistemas dinâmicos não-lineares no tempo discreto, baseada tio método de variável instrumental e no modelo nebuloso Takagi-Sugeno, é apresentada. Nesta metodologia, a qual é uma extensão do método de variável instrumental tradicional, as variáveis instrumentais escolhidas, estatisticamente independentes do ruído, são mapeadas em conjuntos nebulosos, particionando o espaço de entrada em sub-regiões, para estimação não-polarizada dos parâmetros do conseqüente dos modelos nebulosos TS em ambiente ruidoso. Um esquema de controle adaptativo gain scheduling baseado em redes neurais, sistemas nebulosos e algoritmos genéticos para sistemas dinâmicos não-lineares no tempo discreto também é apresentado. 0 controlador nebuloso é desenvolvido e projetado com o usa de um algoritmo genético para satisfazer, simultaneamente, múltiplos objetivos. Com o esquema de aprendizagem supervisionada, os parâmetros do controlador nebuloso são usados para projetar um gain scheduler neural para ajuste on-line do controlador nebuloso em alguns pontos de operação do sistema dinâmico / Abstract: This thesis presents proposals of methodologies for intelligent identification and control. A methodology tor nonlinear dynamic discrete time systems identification, based on the instrumental variable method and Takagi-Sugeno fuzzy model, is presented. In this methodology, which is an extension of the standard instrumental variable method, the chosen instrumental variables, estatistically independent of the noise, are mapped into fuzzy sets, partitioning the input space in subregions, for unbiased estimation of Takagi-Sugeno fuzzy model consequent parameters in a noisy environment. A gain scheduling adaptive control design based on neural network, fuzzy systems and genetic algorithms for nonlinear dynamic discrete time systems is also presented. The fuzzy controller is developed and designed by a genetic algorithm to satisfy, simultaneously, multiple objectives. "With the supervised learning scheme, the fuzzy controller parameters are used to design the gain neural scheduler to tune on-line the fuzzy controller in some operation points of the dynamic system / Doutorado / Automação / Doutor em Engenharia Elétrica

Os motores de indução desempenham um importante papel na indústria, fato este que destaca a importância do correto diagnóstico e classificação de falhas ainda em fase inicial de sua evolução, possibilitando aumento na produtividade e, principalmente, eliminando graves danos aos processos e às máquinas. Assim, a proposta desta tese consiste em apresentar um multiclassificador inteligente para o diagnóstico de motor sem defeitos, falhas de curto-circuito nos enrolamentos do estator, falhas de rotor e falhas de rolamentos em motores de indução trifásicos acionados por diferentes modelos de inversores de frequência por meio da análise das amplitudes dos sinais de corrente de estator no domínio do tempo. Para avaliar a precisão de classificação frente aos diversos níveis de severidade das falhas, foram comparados os desempenhos de quatro técnicas distintas de aprendizado de máquina; a saber: (i) Rede Fuzzy Artmap, (ii) Rede Perceptron Multicamadas, (iii) Máquina de Vetores de Suporte e (iv) k-Vizinhos-Próximos. Resultados experimentais obtidos a partir de 13.574 ensaios experimentais são apresentados para validar o estudo considerando uma ampla faixa de frequências de operação, bem como regimes de conjugado de carga em 5 motores diferentes. / Induction motors play an important role in the industry, a fact that highlights the importance of correct diagnosis and classification of faults on these machines still in early stages of their evolution, allowing increase in productivity and mainly, eliminating major damage to the processes and machines. Thus, the purpose of this thesis is to present an intelligent multi-classifier for the diagnoses of healthy motor, short-circuit faults in the stator windings, rotor broken bars and bearing faults in induction motors operating with different models of frequency inverters by analyzing the amplitude of the stator current signal in the time domain. To assess the classification accuracy across the various levels of faults severity, the performances of four different learning machine techniques were compared; namely: (i) Fuzzy ARTMAP network, (ii) Multilayer Perceptron Network, (iii) Support Vector Machine and (iv) k-Nearest-Neighbor. Experimental results obtained from 13.574 experimental tests are presented to validate the study considering a wide range of operating frequencies and also load conditions using 5 different motors.

Este trabalho tem por objetivo desenvolver uma abordagem fuzzy focando na estimação de curto prazo da demanda de potência ativa de um alimentador de sistema de distribuição de energia elétrica. A motivação para este trabalho encontra-se na redução do erro de estimação para que o sistema de distribuição como um todo seja corretamente operado. O destaque da abordagem desenvolvida é a metodologia de seleção de entradas para o sistema de estimação, que o treina fornecendo-lhe informações não redundantes e não desnecessárias sobre o comportamento da série temporal. Os resultados, obtidos com treinamento e teste de um sistema de inferência fuzzy multicamadas, mostram que as estimações realizadas selecionando as entradas do sistema de forma criteriosa apresentam menor erro que quando não há critério de seleção. Conclui-se então que a metodologia foi funcional e eficiente para o caso estudado, o que faz com que este trabalho resulte em válidas contribuições nas áreas de sistemas inteligentes, de sistemas dinâmicos e inclusive na forma metodológica de especificação de modelos de estimação de séries temporais. / This work aims to develop a fuzzy approach focusing on the short-term active power demand forecast in a feeder of an electrical energy distribution system. This work motivation lies on the reduction of the forecast error so that the whole distribution system can be correctly operated. The highlight of the developed approach is the methodology to select the inputs for the estimation system, which trains it giving to it non-redundant and non-unnecessary information about the time series behavior. The results, obtained by training and testing a multilayer fuzzy inference system, show that the estimations made by following a criterion to select the inputs have smaller error than when there is no selection criterion at all. It is therefore concluded that the methodology was functional and efficient for the case under study, what makes this work result in valid contributions for the fields of intelligent systems, dynamic systems and in the methodological way to specify models to estimate time series.

Este trabalho apresenta um sistema computacional que utiliza técnicas de Aprendizado de Máquina (AM) para auxiliar o diagnóstico oftalmológico. Trata-se de um sistema de medidas objetivas e automáticas dos principais vícios de refração ocular, astigmatismo, hipermetropia e miopia. O sistema funcional desenvolvido aplica técnicas convencionais de processamento a imagens do olho humano fornecidas por uma técnica de aquisição chamada Hartmann-Shack (HS), ou Shack-Hartmann (SH), com o objetivo de extrair e enquadrar a região de interesse e remover ruídos. Em seguida, vetores de características são extraídos dessas imagens pela técnica de transformada wavelet de Gabor e, posteriormente, analisados por técnicas de AM para diagnosticar os possíveis vícios refrativos presentes no globo ocular representado. Os resultados obtidos indicam a potencialidade dessa abordagem para a interpretação de imagens de HS de forma que, futuramente, outros problemas oculares possam ser detectados e medidos a partir dessas imagens. Além da implementação de uma nova abordagem para a medição dos vícios refrativos e da introdução de técnicas de AM na análise de imagens oftalmológicas, o trabalho contribui para a investigação da utilização de Máquinas de Vetores Suporte e Redes Neurais Artificiais em sistemas de Entendimento/Interpretação de Imagens (Image Understanding). O desenvolvimento deste sistema permite verificar criticamente a adequação e limitações dessas técnicas para a execução de tarefas no campo do Entendimento/Interpretação de Imagens em problemas reais. / This work presents a computational system that uses Machine Learning (ML) techniques to assist in ophthalmological diagnosis. The system developed produces objective and automatic measures of ocular refraction errors, namely astigmatism, hypermetropia and myopia from functional images of the human eye acquired with a technique known as Hartmann-Shack (HS), or Shack-Hartmann (SH). Image processing techniques are applied to these images in order to remove noise and extract the regions of interest. The Gabor wavelet transform technique is applied to extract feature vectors from the images, which are then input to ML techniques that output a diagnosis of the refractive errors in the imaged eye globe. Results indicate that the proposed approach creates interesting possibilities for the interpretation of HS images, so that in the future other types of ocular diseases may be detected and measured from the same images. In addition to implementing a novel approach for measuring ocular refraction errors and introducing ML techniques for analyzing ophthalmological images, this work investigates the use of Artificial Neural Networks and Support Vector Machines (SVMs) for tasks in Image Understanding. The description of the process adopted for developing this system can help in critically verifying the suitability and limitations of such techniques for solving Image Understanding tasks in \"real world\" problems.

As redes ópticas passivas (PON), em virtude da oferta de maior largura de banda a custos relativamente baixos, vêm se destacando como possível candidata para suprir a demanda dos novos serviços como, tráfego de voz, vídeo, dados e de serviços móveis, exigidos pelos usuários finais. Uma importante candidata, para realizar o controle de acesso nas PONs, é a técnica de acesso múltiplo por divisão de código óptico (OCDMA), por apresentar características relevantes, como maior segurança e capacidade flexível sob demanda. No entanto, agentes físicos externos, como as variações de temperatura ambiental no enlace, exercem uma influência considerável sobre as condições de operação das redes ópticas. Especificamente, nas OCDMA-PONs, os efeitos da variação de temperatura ambiental no enlace de transmissão, afetam o valor do pico do autocorrelação do código OCDMA a ser detectado, degradando a qualidade de serviço (QoS), além do aumento da taxa de erro de bit (BER) do sistema. O presente trabalho apresenta duas novas propostas de técnicas, utilizando sistemas inteligentes, mais precisamente, controladores lógicos fuzzy (FLC) aplicados nos transmissores e nos receptores das OCDMA-PONs, com o objetivo de mitigar os efeitos de variação de temperatura. Os resultados das simulações mostram que o desempenho da rede é melhorado quando as abordagens propostas são empregadas. Por exemplo, para a distância de propagação de 10 km e variações de temperatura de 20°C, o sistema com FLC, suporta 40 usuários simultâneos com a BER = 10-9, enquanto que, sem FLC, acomoda apenas 10. Ainda neste trabalho, é proposta uma nova técnica de classificação de códigos OCDMA, com o uso de redes neurais artificiais, mais precisamente, mapas auto-organizáveis de Kohonen (SOM), importante para que o sistema de gerenciamento da rede possa oferecer uma maior segurança para os usuários. Por fim, sem o uso de técnica inteligente, é apresentada, uma nova proposta de código OCDMA, cujo formalismo desenvolvido, permite generalizar a obtenção de código com propriedades distintas, como diversas ponderações e comprimentos de códigos. / Passive optical networks (PON), due to the provision of higher bandwidth at relatively low cost, have been excelling as a possible candidate to meet the demand of new services, such as voice traffic, video, data and mobile services, as required by end users. An important candidate to perform access control in PONs, is the Optical Code-Division Multiple-Access (OCDMA) technique, due to relevant characteristics, such as improved security and flexible capacity on demand. However, external physical agents, such as variations in environmental temperature on the Fiber Optic Link, have considerable influence on the operating conditions of optical networks. Specifically, in OCDMA-PONs, the effects of environmental temperature variation in the transmission link affect the peak value on the autocorrelation of the OCDMA code to be detected, degrading the quality of service (QoS), in addition to increasing the Bit Error Rate (BER) of the system. This thesis presents two new proposals of techniques using intelligent systems, more precisely, Fuzzy Logic Controllers (FLC) applied on the transmitters and receivers of OCDMA-PONs, in order to mitigate the effects of temperature variation. The simulation results show that the network performance is improved when the proposed approaches are employed. For example, for the propagation distance of 10 kilometers and temperature variations of 20°C, the FLC system supports 40 simultaneous users at BER = 10-9, whereas without the FLC, the system can accommodate only 10. Furthermore, in this work is proposed a new technique of OCDMA codes classification, using Artificial Neural Networks (ANN), more precisely, the Self-Organizing Maps (SOM) of Kohonen, important for the network management system to provide increased security for users. Finally, without the use of intelligent technique, it is presented a new proposal of OCDMA code, whose formalism developed, allows to generalize the code acquisition with distinct properties, such as different weights and length codes.

[pt] As descargas atmosféricas são de grande importância para o setor elétrico, sendo frequentemente responsáveis por desligamentos de linhas de transmissão, que podem desencadear uma sequência de eventos que levem o sistema elétrico interligado ao colapso. As longas extensões de linhas de transmissão, expostas a intemperes climáticas, determinam uma probabilidade significativa de incidência direta de descargas atmosféricas nestes equipamentos. Devido ao caráter estratégico das linhas para o fornecimento de energia e a constatação de que descargas atmosféricas estão entre as principais causas de desligamentos, torna-se importante o estudo do comportamento das descargas atmosféricas, antes do instante da ocorrência do desligamento das linhas de transmissão, para compreender os padrões característicos potenciais causadores destes desligamentos. Os estudos encontrados atualmente estão orientados na eficiência das redes de detecção de descargas atmosféricas e na identificação de condições climáticas que indiquem a ocorrência de raios de forma preditiva, sem correlação a ocorrências em linhas de transmissão. Assim, essa dissertação consiste na determinação do risco de desligamentos de linhas de transmissão por descargas atmosféricas, visando fornecer informações antecipadas e possibilitar ações operativas para manter a segurança do sistema elétrico. O modelo desenvolvido nesse estudo, denominado Risco de Desligamentos de Linhas de Transmissão por Raios (RDLR), é composto de dois módulos principais, sendo o primeiro o agrupamento do conjunto amostral de descargas atmosféricas, realizado através de um método baseado em densidade. Nesse módulo, os ruídos são eliminados de forma eficiente e são formados grupos representativos de descargas atmosféricas. O segundo módulo consiste em uma etapa classificatória, baseado em redes neurais artificiais para identificar padrões de grupos de descargas que representem riscos de desligamentos de linhas de transmissão. Visando a otimização do modelo, foi aplicado um método de seleção das variáveis, através de componentes principais, para determinar aquelas que mais contribuem na caracterização desses eventos. O modelo RDLR foi testado com dados reais dos registros de desligamentos de linhas de transmissão, associado a outro banco com dados reais contendo milhões de registros de descargas atmosféricas oriundos das redes de detecção de raios, sendo obtidos excelentes resultados na determinação dos riscos de desligamentos de linhas de transmissão por descargas atmosféricas. / [en] Atmospheric discharges are of great importance to power systems, and are often responsible for outages of transmission lines, which can trigger a sequence of events that leads to a system collapse. The long extensions of transmission lines, exposed to climatic conditions, create significant probability of direct incidence of atmospheric discharges in these equipments. Due to the strategic nature of power supply lines and the fact that atmospheric discharges are among the main causes of outages, it is important to study atmospheric discharges characteristics before failure of transmission lines and understand patterns that are responsible for interruptions. Current studies focus on efficiency of lightning detection networks and on identification of climatic conditions that indicate lightning occurrence in a predictive approach, without any correlation with transmission lines outages. Therefore, this thesis consists on real-time risk determination of transmission lines outage by lightning, providing early information to enabling operational procedures for power system safety. The proposed model, named Transmission Lines Outage Risk by Lightning (TLORL) is composed of two main modules: Atmospheric Discharge Data Clustering and Classification. In the atmospheric discharges data-clustering module, performed by a density-based method, the outages are efficiently eliminated and representative groups of atmospheric discharges are formed. The second module consists of a classification step, based on artificial neural networks, to identify patterns of discharges groups that represent risks to cause transmission lines outages. Aiming at improving the proposed model, principal components analysis (PCA) was applied to determine the input variables that most contribute to the events characterization. The TLORL model was tested with real data transmission line outages, associated to another database with millions lightning records from the detection networks, producing excellent results of transmission lines outages caused by atmospheric discharges.

VINNOVA;KTH;URBS / Um conceito bastante em voga atualmente e o de cidades inteligentes. Ele define um tipo de desenvolvimento urbano capaz de reduzir os impactos ambientais, melhorando os modelos atuais de acesso a recursos naturais, transportes, gestão do lixo, climatização residencial e sobretudo a gestão da energia (produção e distribuição). O massivo volume de dados produzidos por cidades inteligentes oferece uma grande oportunidade para analisar, compreender e melhorar o modo como elas funcionam e se desenvolvem. Esta explosão na quantidade de informações tem elevado a importância do aprendizado a partir de dados a um patamar extremamente elevado. Esta dissertação tem por objetivo descrever uma metodologia para aquisição e exploração de dados de um dos mais importantes pilares de cidades inteligentes: o sistema de transporte público. Como obter, armazenar e utilizar tais dados a fim de prover a todos os envolvidos, serviços telemáticos de alto valor agregado e o problema que se busca resolver neste trabalho. Cinco serviços telemáticos são propostos sob forma de prova de conceito: avaliação da cobertura da rede de transporte atual, seguida de uma proposta de novas linhas de ônibus; avaliação indireta da ocupação diária dos ônibus da cidade; cerca-eletrônica com os limites geográficos definidos pelos itinerários das linhas; serviços de alerta de velocidade e de manutenção. Os resultados são bastante coerentes e promissores, abrindo um grande leque de possíveis trabalhos futuros a serem explorados. / Smart city is a very trendy concept today. It defines a type of urban development capable of reducing environmental impacts, enhancing current models of access to natural resources, better transportation systems, waste management, residential climatization and, above all, energy management (production and distribution). The huge data volume produced by smart cities offers a great opportunity to analyze, understand and improve the way cities work and grow. This explosion in the amount of digital information has elevated the importance of learning from data to a higher level. This document aims at describing a methodology for acquiring and exploring data from one of the most important pillars of smart cities: the public transportation system. How to acquire, store and use such data in order to provide to all stakeholders telematics services with high added value is the problem that is sought to solve in this work. Five telematics services proof of concept are proposed: assessment of current network coverage followed by the proposal of some new bus lines; indirect evaluation of buses’ passengers occupation during the day; geofence with geographical boundaries according to itineraries; speed alert and maintenance reminder services. The results are very coherent and promising, opening up a wide range of possible future work to be explored.