Previsão e Visualização de Tendências de Utilização de Bikesharing: o BicycleVisualization
Previsão de Utilização de Bicicletas Partilhadas
O produto-piloto BicycleVisualization permite visualizar e analisar as tendências de utilização de sistemas de bikesharing numa determinada cidade, com base em dados temporais sobre a disponibilidade de slots de bicicletas vagos. Utilizando Inteligência Artificial (IA) e dados históricos, o produto em desenvolvimento permite prever a utilização futura das bicicletas partilhadas, ajudando as autoridades urbanas a adaptar as infraestruturas e operações à procura prevista. Esta funcionalidade é essencial para otimizar a gestão tanto da oferta pública, quanto da privada, de serviços de bikesharing, promovendo uma distribuição eficiente e uma melhor experiência para os utilizadores.
O DESAFIO
O Problema
Uma empresa identificou a necessidade de uma solução que permitisse analisar e prever a ocupação das estações de bicicletas partilhadas, antecipando variações na procura e possibilitando uma gestão mais eficiente da mobilidade urbana. A ausência de ferramentas preditivas dificulta a adaptação dos sistemas de bikesharing à procura real dos utilizadores, levando a desigualdades na distribuição das bicicletas e congestionamento em algumas estações.
Setor e área de atuação
O BicycleVisualization está a ser desenvolvido para o setor da mobilidade urbana inteligente, especificamente na gestão e otimização de sistemas de bikesharing. O produto destina-se a operadores de mobilidade, Municípios e entidades públicas apresentando dados, dicas e previsões que apoiam a tomada de decisão estratégica na adaptação das infraestruturas de mobilidade partilhada.
Definição e objetivos
O BicycleVisualization tem como principal objetivo proporcionar uma ferramenta intuitiva e eficiente para a análise e previsão da ocupação das estações de bicicletas partilhadas. Para isto, foi desenvolvido um sistema que permite a importação de dados históricos sobre a utilização das estações, processando estas informações através de modelos de Machine Learning que identificam padrões de ocupação e fazem previsões futuras. O produto integra um dashboard interativo que facilita a visualização gráfica dos dados históricos e das previsões, permitindo ainda ao utilizador definir a granularidade e o horizonte temporal das análises. Foram também implementadas funcionalidades para a exportação dos dados em diferentes formatos, como CSV, XLSX e JSON, tornando a solução flexível e adaptável às necessidades dos utilizadores.
IMPACTO
Vantagens competitivas
Contribuição para a mobilidade sustentável
Ao melhorar a eficiência dos sistemas de bikesharing, a solução incentiva o uso da bicicleta como meio de transporte sustentável, reduzindo a dependência de veículos motorizados e contribuindo para cidades mais ecológicas.
Melhoria na gestão de bikesharing
O BicycleVisualization permitirá uma gestão mais eficiente das frotas de bicicletas partilhadas, garantindo uma distribuição equilibrada das bicicletas entre as estações e reduzindo a indisponibilidade de slots.
Apoio ao planeamento urbano
A ferramenta apresenta previsões estratégicas que permitem ajustar infraestruturas e políticas de mobilidade com base na procura real dos utilizadores.
Otimização da operação e redução de custos
A capacidade preditiva do BicycleVisualization irá ajudar operadores e Municípios a evitar congestionamentos e reduzir custos operacionais, garantindo um melhor aproveitamento dos recursos.
O DESAFIO
Desenvolvimento e Testes
Numa primeira fase, foi efetuado um levantamento detalhado dos requisitos iniciais do produto-piloto. Em seguida, utilizando datasets recolhidos em plataformas de dados abertos acerca dos registos de bicicletas em circulação numa cidade, a AI-Center Testbed assegurou a limpeza e harmonização dos dados para análise. Com base nestes dados, foram identificados padrões e elaboradas previsões sobre as tendências de bikesharing numa determinada cidade. Após o desenvolvimento, serão realizados testes para validar a precisão das previsões e a funcionalidade geral do produto.
Implementação e Resultados Iniciais
Espera-se que o BicycleVisualization atinja o nível de maturidade tecnológica (TRL) 5, validação da tecnologia em ambiente relevante (semi-industrial).
PERSPETIVAS FUTURAS
Os próximos passos
No final, espera-se que o BicycleVisualization continue a evoluir com novas funcionalidades. O objetivo é tornar-se uma ferramenta indispensável para cidades que procuram soluções baseadas em dados para melhorar a sua infraestrutura de mobilidade sustentável.
