• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Master's Dissertation
DOI
https://doi.org/10.11606/D.18.2021.tde-23082021-083203
Document
Author
Full name
Marina Urano de Carvalho Caldas
Institute/School/College
Knowledge Area
Date of Defense
Published
São Carlos, 2021
Supervisor
Committee
Pitombo, Cira Souza (President)
Costa, Luis Henrique Magalhães
Uriarte, Ana Margarita Larrañaga
 
Title in Portuguese
Estratégias para calibração de modelo Logit Multinomial por meio de Algoritmos de Aprendizagem de Máquinas: uma abordagem associada a grandes conjuntos de alternativas
Keywords in Portuguese
Algoritmo CART
Algoritmos Genéticos
Aprendizagem de Máquinas
Distribuição de viagens
Grandes conjuntos de alternativas
Logit Multinomial
Abstract in Portuguese
Os modelos de escolha discreta, em especial o Logit Multinomial, surgem como alternativa aos modelos agregados tradicionais quando se deseja suprir a necessidade de considerar características individuais dos viajantes, além de variáveis agregadas sociodemográficas e de viagens, para previsão dos destinos dos deslocamentos. Apesar disso, há importantes restrições operacionais referentes às técnicas tradicionais de calibração desses modelos que impõem obstáculos ao seu uso em situações com muitas alternativas e parâmetros a serem estimados, como no caso da escolha de destinos urbanos. Diante do uso cada vez mais frequente e das contribuições registradas na literatura frente às ferramentas tradicionalmente usadas, os algoritmos de Aprendizagem de Máquinas surgem como artifício possível para viabilizar a calibração de modelos complexos. Assim, este trabalho tem como objetivo a aplicação de algoritmos de Aprendizagem de Máquinas na calibração de modelo Logit Multinomial para estimativa de escolha de destinos urbanos. Para isso, duas aplicações foram analisadas: (1) a proposição de uma estratégia, utilizando algoritmo CART (Classification And Regression Tree), para redução da quantidade de parâmetros em casos com grandes conjuntos de alternativas; e (2) o uso de Algoritmos Genéticos como ferramenta de calibração do modelo Logit Multinomial. Para ambos os casos, utilizou-se os resultados da calibração tradicional para validação e comparação. O município escolhido para este estudo foi Santa Maria (RS) e os dados utilizados são oriundos de pesquisa domiciliar e do Censo 2010. Os resultados evidenciam que a aplicação da estratégia proposta com algoritmo CART mostra-se viável, uma vez que não causou prejuízo à qualidade geral do modelo. Além disso, a aplicação de Algoritmos Genéticos para calibração do modelo Logit Multinomial em casos com muitas alternativas e/ou parâmetros relacionados ao indivíduo mostrou resultados superiores à calibração tradicional, com a ressalva da necessidade de um número alto de simulações, haja vista a grande quantidade de parâmetros a serem estimados.
 
Title in English
Strategies for calibrating the Logit Multinomial model using Machine Learning Algorithms: an approach associated with large choice sets
Keywords in English
CART algorithm
Genetic Algorithms
Large choice sets
Logit Multinomial
Machine Learning
Trip distribution
Abstract in English
Discrete choice models, especially Logit Multinomial, have emerged as an alternative to traditional aggregate models considering the importance of including individual characteristics of commuters, as well as aggregated sociodemographic and travel variables, to predict trip destinations. Despite this, there are important operational restrictions regarding traditional calibration techniques of these models that pose obstacles in terms of using them in situations with many alternatives and parameters to be estimated, as in the case of choosing urban destinations. Considering the ever-increasing use and contributions found in the literature compared to traditionally used tools, Machine Learning algorithms have emerged as a possible solution to enable the calibration of complex models. Thus, this study aims to apply Machine Learning algorithms to the calibration of the Logit Multinomial model to estimate urban destinations choices. To do this, two applications were analyzed: (1) proposing a strategy, using the CART (Classification and Regression Tree) algorithm, to reduce the number of parameters in cases with large choice sets; and (2) using Genetic Algorithms as a calibration tool for the Logit Multinomial model. For both cases, the results of the traditional calibration were used for validation and comparison. The municipality chosen for this study was Santa Maria (RS) and the data used are from OD household survey and the 2010 Census. The results show that the application of the proposed strategy using the CART algorithm proves to be viable as it did not affect the overall quality of the model. In addition, the application of Genetic Algorithms to calibrate the Logit Multinomial model in cases with many alternatives and/or parameters related to the individual showed better results than the traditional calibration. However, a high number of simulations was needed considering the large number of parameters to be estimated.
 
WARNING - Viewing this document is conditioned on your acceptance of the following terms of use:
This document is only for private use for research and teaching activities. Reproduction for commercial use is forbidden. This rights cover the whole data about this document as well as its contents. Any uses or copies of this document in whole or in part must include the author's name.
Publishing Date
2021-08-25
 
WARNING: Learn what derived works are clicking here.
All rights of the thesis/dissertation are from the authors.
CeTI-SC/STI
© 2001-2024. Digital Library of Theses and Dissertations of USP.