Previsão de Utilização de Bicicletas em Sistemas de Partilha: O BikingPrediction
Análise de Dados Históricos para Identificar Padrões de Utilização
Uma empresa especializada em sistemas de partilha de bicicletas públicas e privadas (bike sharing), identificou a necessidade de prever os períodos do dia em que as bicicletas são mais utilizadas numa cidade, com base em dados históricos. Este produto em desenvolvimento tem como objetivo otimizar a gestão dos sistemas de partilha de bicicletas, planeamento de infraestruturas cicláveis e alinhamento de recursos de manutenção e logística, contribuindo para uma gestão mais eficiente e melhor experiência para os utilizadores. A solução BikingPrediction ambiciona ser um modelo preditivo escalável que analisa dados históricos para identificar padrões de utilização das bicicletas, permitindo prever a procura em diferentes períodos do dia, de acordo com a granularidade e horizonte temporal especificados pelo utilizador.
O DESAFIO
O Problema
A empresa enfrentou o desafio de prever os períodos de maior utilização das bicicletas em sistemas de partilha, o que é crucial para a otimização de recursos e o planeamento urbano. A necessidade de prever a procura em horários específicos e locais da cidade permite melhorar a gestão das bicicletas, otimizar a distribuição de recursos e facilitar o planeamento da infraestrutura ciclável.
Setor e área de atuação
O produto BikingPrediction está a ser desenvolvido para o setor de mobilidade urbana, com foco na gestão de sistemas de partilha de bicicletas (bike sharing). A solução atende a operadores destes sistemas, entidades públicas de planeamento urbano e outros stakeholders, proporcionando dados preditivos para melhorar a eficiência operacional e a distribuição de bicicletas, bem como o alinhamento de recursos logísticos.
Definição e objetivos
O objetivo do BikingPrediction é criar um modelo preditivo capaz de analisar dados históricos sobre o número de bicicletas em circulação, apresentando previsões sobre os períodos de maior utilização nas cidades. O modelo foi projetado para ser escalável, permitindo ajustes para diferentes meses e cidades, atendendo às necessidades específicas dos operadores de sistemas de bicicletas e das entidades responsáveis pelo planeamento urbano.
IMPACTO
Vantagens competitivas
Eficiência na gestão de bicicletas
A BikingPrediction permitirá aos operadores de sistemas de partilha de bicicletas prever com precisão os períodos de maior procura, otimizando a distribuição de bicicletas e recursos logísticos.
Apoio ao planeamento urbano
Com previsões detalhadas sobre a utilização das bicicletas, a solução oferece dados úteis para entidades públicas que gerem a infraestrutura ciclável, facilitando o planeamento e a expansão de redes de bicicletas.
O DESAFIO
Desenvolvimento e Testes
O desenvolvimento do BikingPrediction começou com a análise dos dados históricos disponíveis, que foram processados em formato JSON e adaptados para o modelo preditivo. Durante a fase de testes, o sistema foi ajustado para lidar com diferentes granularidades e horizontes temporais, permitindo previsões ajustadas conforme as necessidades do utilizador. A interface do produto permite visualizar gráficos claros sobre os dados históricos e as previsões, além de oferecer a possibilidade de exportar as informações em formatos como CSV, XLSX, JSON e PNG, garantindo flexibilidade na utilização dos dados.
Implementação e Resultados Iniciais
Espera-se que o produto-piloto alcance um nível de maturidade tecnológica (TRL) 5.
PERSPETIVAS FUTURAS
Os próximos passos
O produto tem o potencial de se expandir para outros tipos de transporte público e sistemas de mobilidade, ampliando ainda mais seu impacto no setor urbano e na gestão de recursos de mobilidade sustentável.
