Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/39260
Full metadata record
DC FieldValueLanguage
dc.creatorCruz, Willian dos Santos-
dc.date.accessioned2023-10-04T18:53:53Z-
dc.date.available2023-10-04T18:53:53Z-
dc.date.issued2023-09-21-
dc.identifier.citationCRUZ, Willian dos Santos. Aplicação de redes neurais artificiais na predição da acidentalidade viária na rodovia BR-365. 2023. 93 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Agrimensura e Cartográfica) - Universidade Federal de Uberlândia, Monte Carmelo, 2023.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/39260-
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.subjectRedes neurais artificiaispt_BR
dc.subjectMLPpt_BR
dc.subjectModelos de prediçãopt_BR
dc.subjectAcidentalidade viáriapt_BR
dc.subjectRodovias federaispt_BR
dc.titleAplicação de redes neurais artificiais na predição da acidentalidade viária na rodovia BR-365pt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor-co1Sales, Vinícius Ferreira-
dc.contributor.advisor1Seabra, Luciany Oliveira-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/1270315505605105pt_BR
dc.contributor.referee1Sales, Vinícius Ferreira-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/8982402548073538pt_BR
dc.contributor.referee2Machado, Wagner Carrupt-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/2700872881834497pt_BR
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoA segurança viária brasileira possui atualmente diversos problemas, sendo a acidentalidade viária responsável por ser uma das principais causas de mortes no Brasil. Em Minas Gerais, a BR-365, importante via do triângulo mineiro, constitui numa das rodovias federais que mais desponta no ranking de vítimas fatais neste estado. Para a atenuação deste cenário, técnicas de aprendizado de máquina como as Redes Neurais Artificiais (RNA’s) que se destacam no ramo da predição, tem sido utilizadas para modelar abordagens que busquem mitigar o nível de ocorrências viárias. Nesse sentido, o objetivo desse estudo consistiu em desenvolver um modelo de rede neural artificial para predição da frequência de acidentes da BR-365, com trecho do município de Patos de Minas ao município de Ituiutaba, no estado de Minas Gerais. Para construção da metodologia do trabalho e visando selecionar a melhor arquitetura de RNA, a metodologia consistiu em analisar a área de estudo a partir de três métodos diferentes: por margens de erros, variando o tamanho dessas margens de 5 a 30 km, em seguida, por trechos fixados segmentando a área de estudo em diferentes tamanhos de extensões variando de 5 a 30 km, e, por trechos situados entre seis municípios escolhidos contidos dentro da área estudada. A partir dos resultados obtidos, é possível compreender que a assertividade das RNA’s é diretamente proporcional ao aumento do trecho analisado, sendo o último método aplicado uma forma de análise mais aprimorada, demonstrando que o trecho com os segmentos mais críticos estão localizados entre os municípios de Uberlândia e Monte Alegre de Minas.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseEngenharia de Agrimensura e Cartográficapt_BR
dc.sizeorduration93pt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA CIVIL::INFRA-ESTRUTURA DE TRANSPORTES::RODOVIAS PROJETO E CONSTRUCAOpt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA DE TRANSPORTES::OPERACOES DE TRANSPORTES::ENGENHARIA DE TRAFEGOpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAOpt_BR
dc.orcid.putcode143675051-
Appears in Collections:TCC - Engenharia de Agrimensura e Cartográfica (Monte Carmelo)

Files in This Item:
File Description SizeFormat 
AplicaçãoRedesNeurais.pdfTrabalho de Conclusão de Curso3.47 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons