O nível de urbanização do mundo está aumentando nos últimos anos e consequentemente cresce o número de movimentos de carga e pessoas nos centros urbanos, desafiando ainda mais a infraestrutura de mobilidade das cidades, durante a etapa de last-mile. Uma alternativa importante em relação ao transporte convencional é a utilização de uma frota de veículos autônomos, que interfere positivamente na sustentabilidade, diminuindo o consumo de combustíveis e as emissões de carbono. A proposta desse trabalho é criar um modelo com a função de realizar a previsão da demanda espaço-temporal das viagens de Yellow Taxi, na cidade de Nova Iorque, com o intuito de reduzir a quantidade de taxis vazios nas ruas, economizando energia e diminuindo o congestionamento de veículos nos grandes centros urbanos. Para modelar o problema foi utilizado o modelo STARMA, de séries temporais, considerando a correlação espaço-temporal dos dados. Os resultados indicaram um erro percentual absoluto médio de aproximadamente 45% para as previsões, demonstrando que a correlação espacial exerce papel importante nos dados.

The level of urbanization in the world has been increasing in recent years and consequently the number of cargo movements and people in urban centers has grown, further challenging the mobility infrastructure of cities during the last-mile stage. An important alternative in relation to conventional transport is the use of a fleet of autonomous vehicles, which positively interferes with sustainability, reducing fuel consumption and carbon emissions. The purpose of this work is to create a model to forecast the space-time demand for Yellow Taxi trips in New York City, in order to reduce the amount of empty taxis on the streets, saving energy and decreasing the vehicle congestion in large urban centers. To model the problem, it will be used a STARMA model, of time series, considering the spatio-temporal correlation of the data. The results indicated a mean absolute percentage error of approximately 45% for the predictions, demonstrating that the spatial correlation plays an important role in the data.