Projeto final · Análise exploratória

Entre o clima, o calendário e o pedal

Preparação e análise exploratória dos dados do Capital Bikeshare para investigar como tempo, rotina urbana e condições ambientais se relacionam com a demanda por bicicletas compartilhadas.

João Pedro de Araújo Souza / Programação para Análise de Dados / 2026.1

Ponto de partida

Pergunta-guia: em quais condições a cidade pedala mais?

Este relatório investiga como fatores de calendário, clima, horário e perfil de usuário se relacionam com a demanda por bicicletas compartilhadas em Washington D.C. A proposta é transformar registros brutos de aluguel em uma leitura analítica sobre mobilidade urbana.

Problema analisado

Sistemas de bicicletas compartilhadas fazem parte da infraestrutura de mobilidade urbana. Eles permitem deslocamentos curtos, reduzem a dependência de automóveis em alguns trajetos e produzem registros detalhados sobre o uso da cidade ao longo do tempo.

O problema central deste projeto é compreender como a demanda por bicicletas varia conforme as condições do dia e da hora. A quantidade de aluguéis pode mudar de acordo com o mês, a estação do ano, o dia da semana, a ocorrência de feriado, o horário, a temperatura, a umidade, o vento e a condição climática. Entender essas variações é importante porque o sistema não funciona da mesma forma em todos os contextos: há dias de maior pressão operacional, períodos de baixa procura e situações em que o clima pode alterar fortemente o comportamento dos usuários.

Plano de abordagem

A análise será construída a partir do Bike Sharing Dataset, que contém registros do sistema Capital Bikeshare, de Washington D.C., nos anos de 2011 e 2012. A base possui dois níveis de agregação: registros diários e registros horários.

A abordagem adotada será dividida em cinco etapas:

1. importar os arquivos day.csv e hour.csv;
2. limpar e transformar as variáveis, convertendo códigos numéricos em categorias interpretáveis;
3. validar a consistência entre a base diária e a base horária;
4. realizar uma análise exploratória com tabelas, gráficos e recursos interativos;
5. concluir quais fatores parecem estar mais associados ao aumento ou redução da demanda.

Técnica adotada

A técnica principal será uma análise exploratória de dados. Antes dos gráficos finais, será feito um pré-processamento para tornar a base mais legível e analiticamente útil.

As variáveis de data serão convertidas para o tipo adequado, as variáveis categóricas serão renomeadas com rótulos compreensíveis e as variáveis climáticas normalizadas serão transformadas para escalas mais intuitivas, como temperatura em graus Celsius e umidade em percentual. Também serão criadas variáveis derivadas, como fim de semana, faixa de temperatura, proporção de usuários casuais e proporção de usuários registrados.

A análise exploratória será usada para comparar a demanda por mês, estação, condição climática, tipo de dia, horário e perfil dos usuários. O objetivo não é criar um modelo preditivo final, mas identificar padrões relevantes e produzir uma narrativa coerente sobre o comportamento do sistema.

Como a análise pode ajudar

A análise pode ser útil para gestores de mobilidade urbana, operadores de sistemas de bicicletas compartilhadas e equipes responsáveis por planejamento operacional. Ao identificar períodos e condições associados a maior ou menor demanda, torna-se possível apoiar decisões como redistribuição de bicicletas, planejamento de manutenção, reforço de estações em períodos críticos e comunicação com usuários.

Para um operador do sistema, saber que determinados meses, horários, estações ou condições climáticas alteram a demanda ajuda a antecipar problemas. Para gestores públicos, a análise contribui para entender como a bicicleta compartilhada se encaixa na rotina da cidade e em quais contextos ela é mais utilizada.

Pacotes utilizados

library(tidyverse)
library(lubridate)
library(janitor)
library(knitr)
library(plotly)
library(DT)
library(scales)

Função dos pacotes no projeto:

• tidyverse: leitura, seleção, transformação, resumo e visualização dos dados.
• lubridate: tratamento da coluna de data.
• janitor: padronização dos nomes das variáveis.
• knitr: apresentação de tabelas no relatório.
• plotly: criação de gráfico interativo.
• DT: criação de tabela interativa.
• scales: formatação de números, percentuais e eixos dos gráficos.

Fonte e descrição dos dados

Os dados utilizados pertencem ao Bike Sharing Dataset, elaborado por Hadi Fanaee-T e associado ao sistema Capital Bikeshare, de Washington D.C., nos Estados Unidos. A base está disponível publicamente no repositório da UCI Machine Learning Repository.

Fonte dos dados: UCI Machine Learning Repository — Bike Sharing Dataset

Propósito original da base

A base foi construída para estudar o comportamento de aluguel de bicicletas compartilhadas em relação a fatores temporais, climáticos e sazonais. A documentação do conjunto de dados indica que a demanda por bicicletas pode ser influenciada por condições como temperatura, precipitação, estação do ano, dia da semana e horário do dia.

Por isso, a base é adequada para tarefas como regressão, quando o objetivo é estimar a quantidade de bicicletas alugadas, e também para identificação de eventos ou anomalias, quando determinados dias apresentam comportamento fora do padrão esperado.

Período e origem dos registros

Os registros correspondem a dois anos de funcionamento do sistema Capital Bikeshare: 2011 e 2012. Os dados originais de aluguel foram obtidos a partir dos registros históricos do sistema, enquanto as informações meteorológicas foram incorporadas posteriormente a partir de fontes climáticas.

O conjunto de dados foi disponibilizado em dois níveis de agregação:

• day.csv: dados agregados por dia, com 731 registros;
• hour.csv: dados agregados por hora, com 17.379 registros.

Essa duplicidade é útil para o projeto porque permite trabalhar com uma visão diária mais sintética e, ao mesmo tempo, explorar padrões de horário que não aparecem na base diária.

Estrutura dos dados

Os arquivos day.csv e hour.csv possuem variáveis muito semelhantes. A principal diferença é que o arquivo horário contém a variável hr, que representa a hora do dia, enquanto o arquivo diário não possui essa coluna.

As variáveis podem ser agrupadas em quatro blocos:

• identificação e data: índice do registro e data da observação;
• calendário: ano, mês, dia da semana, feriado e dia útil;
• clima e sazonalidade: estação do ano, situação climática, temperatura, sensação térmica, umidade e velocidade do vento;
• demanda: usuários casuais, usuários registrados e total de bicicletas alugadas.

A variável cnt representa o total de bicicletas alugadas e corresponde à soma das variáveis casual e registered.

Peculiaridades da fonte

Algumas variáveis da base original estão codificadas numericamente. Por exemplo, a estação do ano aparece como valores de 1 a 4, o ano aparece como 0 para 2011 e 1 para 2012, e a condição climática também aparece como uma escala numérica. Essas codificações são práticas para armazenamento, mas dificultam a leitura do relatório. Por isso, no pré-processamento, elas serão convertidas para categorias com nomes compreensíveis.

Outra peculiaridade importante é que as variáveis climáticas estão normalizadas. A temperatura, por exemplo, não aparece diretamente em graus Celsius: ela está dividida por um valor máximo. O mesmo ocorre com sensação térmica, umidade e velocidade do vento. Para facilitar a interpretação, essas variáveis serão convertidas para escalas mais próximas da leitura comum.

A documentação da base não informa uma codificação especial para valores ausentes. Por esse motivo, a presença de valores faltantes será verificada diretamente nos arquivos importados, durante o diagnóstico da base bruta.

Importação dos dados

Antes de importar, o código abaixo verifica se os arquivos estão na mesma pasta do relatório. Isso evita um erro comum no RStudio: tentar ler um arquivo que está em outro diretório.

arquivos_necessarios <- c("day.csv", "hour.csv")

arquivos_ausentes <- arquivos_necessarios[!file.exists(arquivos_necessarios)]

if (length(arquivos_ausentes) > 0) {
  stop(
    paste(
      "Arquivo(s) não encontrado(s):",
      paste(arquivos_ausentes, collapse = ", "),
      "\nColoque os arquivos CSV na mesma pasta deste relatório Rmd."
    )
  )
}

day_raw <- read_csv("day.csv")
hour_raw <- read_csv("hour.csv")

Primeiro contato com as bases

dimensoes <- tibble(
  arquivo = c("day.csv", "hour.csv"),
  unidade_de_observacao = c("Um dia", "Uma hora"),
  linhas = c(nrow(day_raw), nrow(hour_raw)),
  colunas = c(ncol(day_raw), ncol(hour_raw))
)

kable(dimensoes)

arquivo	unidade_de_observacao	linhas	colunas
day.csv	Um dia	731	16
hour.csv	Uma hora	17379	17

Leitura inicial: a base diária resume a demanda por dia, enquanto a base horária abre a mesma dinâmica em mais detalhe. Essa combinação permite olhar o sistema em duas escalas: a escala do calendário e a escala da rotina diária.

glimpse(day_raw)

## Rows: 731
## Columns: 16
## $ instant    <dbl> 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, …
## $ dteday     <date> 2011-01-01, 2011-01-02, 2011-01-03, 2011-01-04, 2011-01-05…
## $ season     <dbl> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,…
## $ yr         <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,…
## $ mnth       <dbl> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,…
## $ holiday    <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0,…
## $ weekday    <dbl> 6, 0, 1, 2, 3, 4, 5, 6, 0, 1, 2, 3, 4, 5, 6, 0, 1, 2, 3, 4,…
## $ workingday <dbl> 0, 0, 1, 1, 1, 1, 1, 0, 0, 1, 1, 1, 1, 1, 0, 0, 0, 1, 1, 1,…
## $ weathersit <dbl> 2, 2, 1, 1, 1, 1, 2, 2, 1, 1, 2, 1, 1, 1, 2, 1, 2, 2, 2, 2,…
## $ temp       <dbl> 0.3441670, 0.3634780, 0.1963640, 0.2000000, 0.2269570, 0.20…
## $ atemp      <dbl> 0.3636250, 0.3537390, 0.1894050, 0.2121220, 0.2292700, 0.23…
## $ hum        <dbl> 0.805833, 0.696087, 0.437273, 0.590435, 0.436957, 0.518261,…
## $ windspeed  <dbl> 0.1604460, 0.2485390, 0.2483090, 0.1602960, 0.1869000, 0.08…
## $ casual     <dbl> 331, 131, 120, 108, 82, 88, 148, 68, 54, 41, 43, 25, 38, 54…
## $ registered <dbl> 654, 670, 1229, 1454, 1518, 1518, 1362, 891, 768, 1280, 122…
## $ cnt        <dbl> 985, 801, 1349, 1562, 1600, 1606, 1510, 959, 822, 1321, 126…

Dicionário prático das variáveis

A base original contém variáveis de identificação, calendário, clima e demanda. Algumas vêm codificadas por números, o que é útil para armazenamento, mas pouco amigável para interpretação.

dicionario <- tibble(
  variavel_original = c(
    "instant", "dteday", "season", "yr", "mnth", "hr", "holiday", "weekday",
    "workingday", "weathersit", "temp", "atemp", "hum", "windspeed",
    "casual", "registered", "cnt"
  ),
  significado = c(
    "Índice do registro",
    "Data da observação",
    "Estação do ano codificada numericamente",
    "Ano codificado: 0 para 2011 e 1 para 2012",
    "Mês do ano",
    "Hora do dia, presente apenas na base horária",
    "Indica se o dia é feriado",
    "Dia da semana codificado numericamente",
    "Indica se o dia é útil",
    "Condição climática codificada numericamente",
    "Temperatura normalizada",
    "Sensação térmica normalizada",
    "Umidade normalizada",
    "Velocidade do vento normalizada",
    "Quantidade de usuários casuais",
    "Quantidade de usuários registrados",
    "Total de bicicletas alugadas"
  )
)

kable(dicionario)

variavel_original	significado
instant	Índice do registro
dteday	Data da observação
season	Estação do ano codificada numericamente
yr	Ano codificado: 0 para 2011 e 1 para 2012
mnth	Mês do ano
hr	Hora do dia, presente apenas na base horária
holiday	Indica se o dia é feriado
weekday	Dia da semana codificado numericamente
workingday	Indica se o dia é útil
weathersit	Condição climática codificada numericamente
temp	Temperatura normalizada
atemp	Sensação térmica normalizada
hum	Umidade normalizada
windspeed	Velocidade do vento normalizada
casual	Quantidade de usuários casuais
registered	Quantidade de usuários registrados
cnt	Total de bicicletas alugadas

Diagnóstico da base bruta

Valores ausentes

ausentes_day <- day_raw %>%
  summarise(across(everything(), ~ sum(is.na(.)))) %>%
  pivot_longer(
    cols = everything(),
    names_to = "variavel",
    values_to = "quantidade_ausente"
  )

ausentes_hour <- hour_raw %>%
  summarise(across(everything(), ~ sum(is.na(.)))) %>%
  pivot_longer(
    cols = everything(),
    names_to = "variavel",
    values_to = "quantidade_ausente"
  )

kable(ausentes_day)

variavel	quantidade_ausente
instant	0
dteday	0
season	0
yr	0
mnth	0
holiday	0
weekday	0
workingday	0
weathersit	0
temp	0
atemp	0
hum	0
windspeed	0
casual	0
registered	0
cnt	0

kable(ausentes_hour)

variavel	quantidade_ausente
instant	0
dteday	0
season	0
yr	0
mnth	0
hr	0
holiday	0
weekday	0
workingday	0
weathersit	0
temp	0
atemp	0
hum	0
windspeed	0
casual	0
registered	0
cnt	0

Linhas duplicadas

duplicatas <- tibble(
  arquivo = c("day.csv", "hour.csv"),
  linhas_duplicadas = c(
    sum(duplicated(day_raw)),
    sum(duplicated(hour_raw))
  )
)

kable(duplicatas)

arquivo	linhas_duplicadas
day.csv	0
hour.csv	0

Decisão de limpeza:

Mesmo quando uma base parece organizada, esta etapa é necessária. Valores ausentes, duplicatas ou codificações pouco claras podem distorcer médias, gráficos e interpretações. Aqui, o principal trabalho não é “consertar erro grave”, mas transformar uma base técnica em uma base analítica.

Pré-processamento da base diária

A preparação da base diária segue cinco decisões principais:

1. converter a data para o tipo correto;
2. substituir códigos numéricos por categorias interpretáveis;
3. retornar variáveis climáticas para escalas mais compreensíveis;
4. criar variáveis novas para análise;
5. selecionar apenas as colunas úteis para a próxima etapa do projeto.

day_clean <- day_raw %>%
  clean_names() %>%
  mutate(
    data = ymd(dteday),

    ano = if_else(yr == 0, 2011, 2012),

    numero_mes = mnth,

    mes = factor(
      mnth,
      levels = 1:12,
      labels = c(
        "Jan", "Fev", "Mar", "Abr", "Mai", "Jun",
        "Jul", "Ago", "Set", "Out", "Nov", "Dez"
      )
    ),

    estacao = factor(
      season,
      levels = c(1, 2, 3, 4),
      labels = c("Primavera", "Verão", "Outono", "Inverno")
    ),

    dia_semana = factor(
      weekday,
      levels = 0:6,
      labels = c(
        "Domingo", "Segunda", "Terça", "Quarta",
        "Quinta", "Sexta", "Sábado"
      )
    ),

    fim_de_semana = factor(
      if_else(dia_semana %in% c("Sábado", "Domingo"), "Sim", "Não"),
      levels = c("Não", "Sim")
    ),

    feriado = factor(
      holiday,
      levels = c(0, 1),
      labels = c("Não", "Sim")
    ),

    dia_util = factor(
      workingday,
      levels = c(0, 1),
      labels = c("Não", "Sim")
    ),

    clima = factor(
      weathersit,
      levels = c(1, 2, 3, 4),
      labels = c(
        "Claro ou parcialmente nublado",
        "Neblina ou nublado",
        "Chuva ou neve leve",
        "Chuva forte ou neve intensa"
      )
    ),

    temperatura_celsius = temp * 41,
    sensacao_termica_celsius = atemp * 50,
    umidade_percentual = hum * 100,
    velocidade_vento = windspeed * 67,

    percentual_casuais = casual / cnt * 100,
    percentual_registrados = registered / cnt * 100,

    faixa_temperatura = case_when(
      temperatura_celsius < 10 ~ "Frio",
      temperatura_celsius < 20 ~ "Ameno",
      temperatura_celsius < 30 ~ "Quente",
      TRUE ~ "Muito quente"
    ),

    faixa_temperatura = factor(
      faixa_temperatura,
      levels = c("Frio", "Ameno", "Quente", "Muito quente")
    ),

    classe_demanda = ntile(cnt, 4),

    classe_demanda = factor(
      classe_demanda,
      levels = c(1, 2, 3, 4),
      labels = c("Baixa", "Média-baixa", "Média-alta", "Alta")
    )
  ) %>%
  select(
    data,
    ano,
    numero_mes,
    mes,
    dia_semana,
    fim_de_semana,
    feriado,
    dia_util,
    estacao,
    clima,
    faixa_temperatura,
    temperatura_celsius,
    sensacao_termica_celsius,
    umidade_percentual,
    velocidade_vento,
    casual,
    registered,
    cnt,
    percentual_casuais,
    percentual_registrados,
    classe_demanda
  )

Pré-processamento da base horária

A base horária é preparada para permitir a análise dos padrões de uso ao longo do dia. Além das transformações de data e ano, são criadas variáveis para identificar período do dia, dia útil, fim de semana e condição climática.

hour_clean <- hour_raw %>%
  clean_names() %>%
  mutate(
    data = ymd(dteday),

    ano = if_else(yr == 0, 2011, 2012),

    numero_mes = mnth,

    mes = factor(
      mnth,
      levels = 1:12,
      labels = c(
        "Jan", "Fev", "Mar", "Abr", "Mai", "Jun",
        "Jul", "Ago", "Set", "Out", "Nov", "Dez"
      )
    ),

    hora = hr,

    dia_semana = factor(
      weekday,
      levels = 0:6,
      labels = c(
        "Domingo", "Segunda", "Terça", "Quarta",
        "Quinta", "Sexta", "Sábado"
      )
    ),

    fim_de_semana = factor(
      if_else(dia_semana %in% c("Sábado", "Domingo"), "Sim", "Não"),
      levels = c("Não", "Sim")
    ),

    dia_util = factor(
      workingday,
      levels = c(0, 1),
      labels = c("Não", "Sim")
    ),

    periodo_dia = case_when(
      hora >= 5  & hora <= 11 ~ "Manhã",
      hora >= 12 & hora <= 17 ~ "Tarde",
      hora >= 18 & hora <= 23 ~ "Noite",
      TRUE ~ "Madrugada"
    ),

    periodo_dia = factor(
      periodo_dia,
      levels = c("Madrugada", "Manhã", "Tarde", "Noite")
    ),

    clima = factor(
      weathersit,
      levels = c(1, 2, 3, 4),
      labels = c(
        "Claro ou parcialmente nublado",
        "Neblina ou nublado",
        "Chuva ou neve leve",
        "Chuva forte ou neve intensa"
      )
    ),

    temperatura_celsius = temp * 41,
    umidade_percentual = hum * 100
  )

Validação entre base horária e diária

Como existem dois arquivos, é possível fazer uma checagem simples: somar os aluguéis por hora em cada data e comparar com o total diário. Essa etapa funciona como uma “conferência de quilometragem” antes de seguir viagem com a análise.

validacao_agregacao <- hour_clean %>%
  group_by(data) %>%
  summarise(
    cnt_somado_pelas_horas = sum(cnt),
    casual_somado_pelas_horas = sum(casual),
    registered_somado_pelas_horas = sum(registered),
    .groups = "drop"
  )

day_prepared <- day_clean %>%
  left_join(validacao_agregacao, by = "data") %>%
  mutate(
    diferenca_total = cnt - cnt_somado_pelas_horas,
    diferenca_casual = casual - casual_somado_pelas_horas,
    diferenca_registrados = registered - registered_somado_pelas_horas
  )

resumo_validacao <- day_prepared %>%
  summarise(
    dias_comparados = n(),
    maior_diferenca_total = max(abs(diferenca_total), na.rm = TRUE),
    maior_diferenca_casual = max(abs(diferenca_casual), na.rm = TRUE),
    maior_diferenca_registrados = max(abs(diferenca_registrados), na.rm = TRUE)
  )

kable(resumo_validacao)

dias_comparados	maior_diferenca_total	maior_diferenca_casual	maior_diferenca_registrados
731	0	0	0

Resultado da validação: se as diferenças acima forem iguais a zero, a base diária está coerente com a soma da base horária. Isso aumenta a confiança para usar a base diária como principal fonte da análise de calendário, mantendo a base horária para investigar a rotina diária de uso.

Base final pré-processada

Após a limpeza, a base passa a ter datas reais, categorias nomeadas, variáveis climáticas em escala interpretável e variáveis derivadas para apoiar a análise.

day_prepared %>%
  select(
    data, ano, mes, dia_semana, fim_de_semana, estacao, clima,
    temperatura_celsius, casual, registered, cnt, classe_demanda
  ) %>%
  head(12) %>%
  kable(digits = 2)

data	ano	mes	dia_semana	fim_de_semana	estacao	clima	temperatura_celsius	casual	registered	cnt	classe_demanda
2011-01-01	2011	Jan	Sábado	Sim	Primavera	Neblina ou nublado	14.11	331	654	985	Baixa
2011-01-02	2011	Jan	Domingo	Sim	Primavera	Neblina ou nublado	14.90	131	670	801	Baixa
2011-01-03	2011	Jan	Segunda	Não	Primavera	Claro ou parcialmente nublado	8.05	120	1229	1349	Baixa
2011-01-04	2011	Jan	Terça	Não	Primavera	Claro ou parcialmente nublado	8.20	108	1454	1562	Baixa
2011-01-05	2011	Jan	Quarta	Não	Primavera	Claro ou parcialmente nublado	9.31	82	1518	1600	Baixa
2011-01-06	2011	Jan	Quinta	Não	Primavera	Claro ou parcialmente nublado	8.38	88	1518	1606	Baixa
2011-01-07	2011	Jan	Sexta	Não	Primavera	Neblina ou nublado	8.06	148	1362	1510	Baixa
2011-01-08	2011	Jan	Sábado	Sim	Primavera	Neblina ou nublado	6.77	68	891	959	Baixa
2011-01-09	2011	Jan	Domingo	Sim	Primavera	Claro ou parcialmente nublado	5.67	54	768	822	Baixa
2011-01-10	2011	Jan	Segunda	Não	Primavera	Claro ou parcialmente nublado	6.18	41	1280	1321	Baixa
2011-01-11	2011	Jan	Terça	Não	Primavera	Neblina ou nublado	6.93	43	1220	1263	Baixa
2011-01-12	2011	Jan	Quarta	Não	Primavera	Claro ou parcialmente nublado	7.08	25	1137	1162	Baixa

Resumo consolidado das variáveis de interesse

resumo_geral <- day_prepared %>%
  summarise(
    data_inicial = min(data),
    data_final = max(data),
    dias_observados = n(),
    media_alugueis_dia = mean(cnt),
    mediana_alugueis_dia = median(cnt),
    menor_demanda = min(cnt),
    maior_demanda = max(cnt),
    media_temperatura_celsius = mean(temperatura_celsius),
    media_umidade_percentual = mean(umidade_percentual),
    media_vento = mean(velocidade_vento),
    media_percentual_registrados = mean(percentual_registrados),
    media_percentual_casuais = mean(percentual_casuais)
  )

kable(resumo_geral, digits = 2)

data_inicial	data_final	dias_observados	media_alugueis_dia	mediana_alugueis_dia	menor_demanda	maior_demanda	media_temperatura_celsius	media_umidade_percentual	media_vento	media_percentual_registrados	media_percentual_casuais
2011-01-01	2012-12-31	731	4504.35	4548	22	8714	20.31	62.79	12.76	82.44	17.56

resumo_variaveis <- tibble(
  variavel = c(
    "cnt", "casual", "registered", "temperatura_celsius",
    "umidade_percentual", "velocidade_vento"
  ),
  descricao = c(
    "Total diário de bicicletas alugadas",
    "Total diário de usuários casuais",
    "Total diário de usuários registrados",
    "Temperatura convertida para graus Celsius",
    "Umidade convertida para percentual",
    "Velocidade do vento convertida para escala original aproximada"
  ),
  minimo = c(
    min(day_prepared$cnt),
    min(day_prepared$casual),
    min(day_prepared$registered),
    min(day_prepared$temperatura_celsius),
    min(day_prepared$umidade_percentual),
    min(day_prepared$velocidade_vento)
  ),
  media = c(
    mean(day_prepared$cnt),
    mean(day_prepared$casual),
    mean(day_prepared$registered),
    mean(day_prepared$temperatura_celsius),
    mean(day_prepared$umidade_percentual),
    mean(day_prepared$velocidade_vento)
  ),
  mediana = c(
    median(day_prepared$cnt),
    median(day_prepared$casual),
    median(day_prepared$registered),
    median(day_prepared$temperatura_celsius),
    median(day_prepared$umidade_percentual),
    median(day_prepared$velocidade_vento)
  ),
  maximo = c(
    max(day_prepared$cnt),
    max(day_prepared$casual),
    max(day_prepared$registered),
    max(day_prepared$temperatura_celsius),
    max(day_prepared$umidade_percentual),
    max(day_prepared$velocidade_vento)
  )
)

kable(resumo_variaveis, digits = 2)

variavel	descricao	minimo	media	mediana	maximo
cnt	Total diário de bicicletas alugadas	22.00	4504.35	4548.00	8714.00
casual	Total diário de usuários casuais	2.00	848.18	713.00	3410.00
registered	Total diário de usuários registrados	20.00	3656.17	3662.00	6946.00
temperatura_celsius	Temperatura convertida para graus Celsius	2.42	20.31	20.43	35.33
umidade_percentual	Umidade convertida para percentual	0.00	62.79	62.67	97.25
velocidade_vento	Velocidade do vento convertida para escala original aproximada	1.50	12.76	12.13	34.00

write_csv(day_prepared, "bike_day_preprocessado.csv")

Base analítica: a partir daqui, a análise usa principalmente a base day_prepared para padrões diários e a base hour_clean para padrões horários.

Análise exploratória dos dados

A análise exploratória foi organizada para responder à pergunta-guia do projeto: em quais condições a cidade pedala mais?

Para isso, os dados serão observados por seis ângulos:

1. evolução da demanda ao longo do tempo;
2. diferença entre anos;
3. mês e estação do ano;
4. tipo de dia e perfil do usuário;
5. clima e temperatura;
6. horário de uso e dias extremos.

Evolução da demanda ao longo do tempo

A primeira leitura busca entender se o uso do sistema permaneceu estável ou se mudou ao longo dos dois anos observados.

resumo_ano <- day_prepared %>%
  group_by(ano) %>%
  summarise(
    dias_observados = n(),
    total_alugueis = sum(cnt),
    media_alugueis = mean(cnt),
    media_casuais = mean(casual),
    media_registrados = mean(registered),
    .groups = "drop"
  ) %>%
  arrange(ano)

kable(resumo_ano, digits = 2)

ano	dias_observados	total_alugueis	media_alugueis	media_casuais	media_registrados
2011	365	1243103	3405.76	677.40	2728.36
2012	366	2049576	5599.93	1018.48	4581.45

day_prepared_temporal <- day_prepared %>%
  arrange(data) %>%
  mutate(
    media_movel_30 = as.numeric(stats::filter(cnt, rep(1 / 30, 30), sides = 2))
  )

grafico_temporal <- plot_ly(
  data = day_prepared_temporal,
  x = ~data,
  y = ~cnt,
  type = "scatter",
  mode = "lines",
  line = list(color = "#34495e", width = 1),
  text = ~paste(
    "Data:", data,
    "<br>Total:", cnt,
    "<br>Temperatura:", round(temperatura_celsius, 1), "°C",
    "<br>Clima:", clima
  ),
  hoverinfo = "text",
  name = "Demanda diária"
) %>%
  add_trace(
    data = day_prepared_temporal,
    x = ~data,
    y = ~media_movel_30,
    type = "scatter",
    mode = "lines",
    line = list(color = "#2f9e44", width = 3),
    name = "Média móvel de 30 dias",
    hoverinfo = "skip"
  ) %>%
  layout(
    title = list(
      text = "Evolução diária da demanda por bicicletas<br><sup>A linha verde mostra a média móvel de 30 dias</sup>"
    ),
    xaxis = list(title = "Data"),
    yaxis = list(title = "Total de bicicletas alugadas"),
    legend = list(orientation = "h", x = 0, y = -0.2),
    margin = list(l = 70, r = 30, t = 80, b = 70)
  )

grafico_temporal

Leitura do gráfico: a demanda diária apresenta oscilações fortes, mas a média móvel indica que o sistema não se comporta como uma série totalmente aleatória. O ano com maior média diária foi 2012, com aproximadamente 5.600 aluguéis por dia. Em relação à média diária de 2011, a média de 2012 teve variação aproximada de 64,4%.

Demanda por mês e estação do ano

Depois de observar a série temporal, o próximo passo é verificar se existe sazonalidade. Em sistemas de bicicleta, isso é esperado porque temperatura, chuva e rotina urbana mudam ao longo do ano.

demanda_mes <- day_prepared %>%
  group_by(numero_mes, mes) %>%
  summarise(
    dias_observados = n(),
    media_alugueis = mean(cnt),
    mediana_alugueis = median(cnt),
    media_temperatura = mean(temperatura_celsius),
    .groups = "drop"
  ) %>%
  arrange(numero_mes)

kable(demanda_mes, digits = 2)

numero_mes	mes	dias_observados	media_alugueis	mediana_alugueis	media_temperatura
1	Jan	62	2176.34	1939.0	9.69
2	Fev	57	2655.30	2402.0	12.27
3	Mar	62	3692.26	3216.5	16.01
4	Abr	60	4484.90	4293.5	19.27
5	Mai	62	5349.77	4890.5	24.39
6	Jun	60	5772.37	5308.5	28.05
7	Jul	62	5563.68	5446.5	30.97
8	Ago	62	5664.42	5229.5	29.05
9	Set	60	5766.52	5384.0	25.28
10	Out	62	5199.23	5013.0	19.89
11	Nov	60	4247.18	4081.0	15.14
12	Dez	62	3403.81	3444.0	13.29

ggplot(demanda_mes, aes(x = mes, y = media_alugueis)) +
  geom_col(fill = "#2f9e44") +
  geom_text(
    aes(label = round(media_alugueis, 0)),
    vjust = -0.35,
    size = 3
  ) +
  scale_y_continuous(labels = label_number(big.mark = ".", decimal.mark = ",")) +
  labs(
    title = "Demanda média por mês",
    subtitle = "Meses mais quentes tendem a concentrar maior uso do sistema",
    x = "Mês",
    y = "Média diária de aluguéis"
  ) +
  tema_bike

demanda_estacao <- day_prepared %>%
  group_by(estacao) %>%
  summarise(
    dias_observados = n(),
    media_alugueis = mean(cnt),
    mediana_alugueis = median(cnt),
    media_temperatura = mean(temperatura_celsius),
    media_casuais = mean(casual),
    media_registrados = mean(registered),
    .groups = "drop"
  ) %>%
  arrange(desc(media_alugueis))

kable(demanda_estacao, digits = 2)

estacao	dias_observados	media_alugueis	mediana_alugueis	media_temperatura	media_casuais	media_registrados
Outono	188	5644.30	5353.5	28.96	1202.61	4441.69
Verão	184	4992.33	4941.5	22.32	1106.10	3886.23
Inverno	178	4728.16	4634.5	17.34	729.11	3999.05
Primavera	181	2604.13	2209.0	12.21	334.93	2269.20

ggplot(demanda_estacao, aes(x = reorder(estacao, media_alugueis), y = media_alugueis)) +
  geom_col(fill = "#34495e") +
  coord_flip() +
  scale_y_continuous(labels = label_number(big.mark = ".", decimal.mark = ",")) +
  labs(
    title = "Demanda média por estação do ano",
    subtitle = "A estação organiza a leitura sazonal da demanda",
    x = "Estação",
    y = "Média diária de aluguéis"
  ) +
  tema_bike

Leitura da sazonalidade: o mês com maior média de aluguéis foi Jun, com aproximadamente 5.772 aluguéis por dia. Já o mês com menor média foi Jan. Por estação, a maior média ocorreu em Outono, enquanto a menor ocorreu em Primavera. Isso reforça que o uso da bicicleta compartilhada está associado ao calendário e às condições sazonais.

Dias úteis, fins de semana e perfil do usuário

A base separa usuários em dois grupos: casual e registered. Essa divisão é importante porque permite investigar se o sistema é usado do mesmo modo por usuários ocasionais e por usuários registrados.

perfil_tipo_dia <- day_prepared %>%
  group_by(fim_de_semana) %>%
  summarise(
    dias_observados = n(),
    media_total = mean(cnt),
    media_casuais = mean(casual),
    media_registrados = mean(registered),
    percentual_medio_casuais = mean(percentual_casuais),
    percentual_medio_registrados = mean(percentual_registrados),
    .groups = "drop"
  )

kable(perfil_tipo_dia, digits = 2)

fim_de_semana	dias_observados	media_total	media_casuais	media_registrados	percentual_medio_casuais	percentual_medio_registrados
Não	521	4550.57	625.04	3925.53	12.85	87.15
Sim	210	4389.69	1401.78	2987.91	29.24	70.76

perfil_dia_util <- day_prepared %>%
  group_by(dia_util) %>%
  summarise(
    dias_observados = n(),
    media_total = mean(cnt),
    media_casuais = mean(casual),
    media_registrados = mean(registered),
    percentual_medio_casuais = mean(percentual_casuais),
    percentual_medio_registrados = mean(percentual_registrados),
    .groups = "drop"
  )

kable(perfil_dia_util, digits = 2)

dia_util	dias_observados	media_total	media_casuais	media_registrados	percentual_medio_casuais	percentual_medio_registrados
Não	231	4330.17	1371.13	2959.03	29.05	70.95
Sim	500	4584.82	606.57	3978.25	12.25	87.75

perfil_usuario_tipo <- day_prepared %>%
  group_by(fim_de_semana) %>%
  summarise(
    casual = mean(casual),
    registrado = mean(registered),
    .groups = "drop"
  ) %>%
  pivot_longer(
    cols = c(casual, registrado),
    names_to = "tipo_usuario",
    values_to = "media_alugueis"
  ) %>%
  mutate(
    tipo_usuario = recode(
      tipo_usuario,
      casual = "Usuários casuais",
      registrado = "Usuários registrados"
    )
  )

ggplot(perfil_usuario_tipo, aes(x = fim_de_semana, y = media_alugueis, fill = tipo_usuario)) +
  geom_col(position = "dodge") +
  scale_y_continuous(labels = label_number(big.mark = ".", decimal.mark = ",")) +
  scale_fill_manual(values = c("#f59f00", "#2f9e44")) +
  labs(
    title = "Perfil médio de uso em dias de semana e fins de semana",
    subtitle = "A separação entre usuários casuais e registrados ajuda a distinguir lazer e rotina",
    x = "Fim de semana?",
    y = "Média diária de aluguéis",
    fill = "Tipo de usuário"
  ) +
  tema_bike

Leitura do perfil dos usuários: os usuários registrados representam a maior parte da demanda média, o que sugere uso recorrente do sistema. Porém, a participação média de usuários casuais muda conforme o tipo de dia: em fins de semana, eles representam cerca de 29,2% da demanda, contra cerca de 12,9% nos demais dias. Isso indica que o sistema combina deslocamentos de rotina com usos mais ocasionais.

Temperatura, clima e demanda

A documentação da base indica que o aluguel de bicicletas é associado a fatores ambientais e sazonais. Por isso, temperatura, umidade, vento e situação climática são variáveis importantes para a análise.

ggplot(day_prepared, aes(x = temperatura_celsius, y = cnt)) +
  geom_point(alpha = 0.45, color = "#34495e") +
  geom_smooth(se = FALSE, color = "#2f9e44", linewidth = 1.1) +
  scale_y_continuous(labels = label_number(big.mark = ".", decimal.mark = ",")) +
  labs(
    title = "Relação entre temperatura e demanda",
    subtitle = "A linha suavizada mostra como a demanda se comporta conforme a temperatura aumenta",
    x = "Temperatura aproximada em °C",
    y = "Total diário de aluguéis"
  ) +
  tema_bike

demanda_faixa_temperatura <- day_prepared %>%
  group_by(faixa_temperatura) %>%
  summarise(
    dias_observados = n(),
    media_alugueis = mean(cnt),
    mediana_alugueis = median(cnt),
    media_casuais = mean(casual),
    media_registrados = mean(registered),
    .groups = "drop"
  ) %>%
  arrange(desc(media_alugueis))

kable(demanda_faixa_temperatura, digits = 2)

faixa_temperatura	dias_observados	media_alugueis	mediana_alugueis	media_casuais	media_registrados
Quente	300	5661.69	5353.5	1208.93	4452.76
Muito quente	72	5409.96	5000.0	1131.96	4278.00
Ameno	299	3692.27	3649.0	563.39	3128.89
Frio	60	1677.77	1529.5	123.07	1554.70

demanda_clima <- day_prepared %>%
  group_by(clima) %>%
  summarise(
    dias_observados = n(),
    media_alugueis = mean(cnt),
    mediana_alugueis = median(cnt),
    media_temperatura = mean(temperatura_celsius),
    media_umidade = mean(umidade_percentual),
    .groups = "drop"
  ) %>%
  arrange(desc(media_alugueis))

kable(demanda_clima, digits = 2)

clima	dias_observados	media_alugueis	mediana_alugueis	media_temperatura	media_umidade
Claro ou parcialmente nublado	463	4876.79	4844	20.97	56.56
Neblina ou nublado	247	4035.86	4040	19.28	72.59
Chuva ou neve leve	21	1803.29	1817	17.77	84.89

ggplot(day_prepared, aes(x = clima, y = cnt)) +
  geom_boxplot(fill = "#8ce99a", color = "#1f2933", outlier.alpha = 0.35) +
  coord_flip() +
  scale_y_continuous(labels = label_number(big.mark = ".", decimal.mark = ",")) +
  labs(
    title = "Distribuição da demanda por condição climática",
    subtitle = "O boxplot mostra não apenas a média, mas também a variação dos dias",
    x = "Condição climática",
    y = "Total diário de aluguéis"
  ) +
  tema_bike

Leitura do clima: a faixa de temperatura com maior média de aluguéis foi Quente, com aproximadamente 5.662 aluguéis por dia. Em relação à condição climática, a maior média ocorreu em dias classificados como Claro ou parcialmente nublado, enquanto a menor média ocorreu em Chuva ou neve leve. Isso sugere que o ambiente interfere diretamente no uso do sistema.

Padrão horário de uso

A base diária mostra o comportamento geral, mas a base horária permite observar a rotina da cidade. Nesta seção, a pergunta muda de “em quais dias se pedala mais?” para “em quais horas se pedala mais?”.

demanda_hora <- hour_clean %>%
  group_by(hora) %>%
  summarise(
    media_total = mean(cnt),
    media_casuais = mean(casual),
    media_registrados = mean(registered),
    .groups = "drop"
  )

kable(demanda_hora, digits = 2)

hora	media_total	media_casuais	media_registrados
0	53.90	10.16	43.74
1	33.38	6.50	26.87
2	22.87	4.77	18.10
3	11.73	2.72	9.01
4	6.35	1.25	5.10
5	19.89	1.41	18.48
6	76.04	4.16	71.88
7	212.06	11.06	201.01
8	359.01	21.68	337.33
9	219.31	30.89	188.42
10	173.67	46.48	127.19
11	208.14	59.54	148.60
12	253.32	68.29	185.02
13	253.66	72.31	181.35
14	240.95	75.57	165.38
15	251.23	74.91	176.33
16	311.98	73.75	238.24
17	461.45	74.27	387.18
18	425.51	61.12	364.39
19	311.52	48.77	262.75
20	226.03	36.23	189.80
21	172.31	28.26	144.06
22	131.34	22.25	109.08
23	87.83	15.20	72.63

ggplot(demanda_hora, aes(x = hora, y = media_total)) +
  geom_line(color = "#2f9e44", linewidth = 1.1) +
  geom_point(color = "#1f2933", size = 2) +
  scale_x_continuous(breaks = 0:23) +
  scale_y_continuous(labels = label_number(big.mark = ".", decimal.mark = ",")) +
  labs(
    title = "Demanda média por hora do dia",
    subtitle = "A base horária revela os picos de uso que a base diária não mostra",
    x = "Hora do dia",
    y = "Média de aluguéis por hora"
  ) +
  tema_bike

demanda_hora_tipo_dia <- hour_clean %>%
  group_by(hora, dia_util) %>%
  summarise(
    media_total = mean(cnt),
    media_casuais = mean(casual),
    media_registrados = mean(registered),
    .groups = "drop"
  )

ggplot(demanda_hora_tipo_dia, aes(x = hora, y = media_total, color = dia_util)) +
  geom_line(linewidth = 1.1) +
  geom_point(size = 1.6) +
  scale_x_continuous(breaks = 0:23) +
  scale_y_continuous(labels = label_number(big.mark = ".", decimal.mark = ",")) +
  scale_color_manual(values = c("#f59f00", "#2f9e44")) +
  labs(
    title = "Padrão horário em dias úteis e não úteis",
    subtitle = "Comparação entre rotina de trabalho e dias sem expediente regular",
    x = "Hora do dia",
    y = "Média de aluguéis por hora",
    color = "Dia útil?"
  ) +
  tema_bike

demanda_hora_usuario <- hour_clean %>%
  group_by(hora) %>%
  summarise(
    `Usuários casuais` = mean(casual),
    `Usuários registrados` = mean(registered),
    .groups = "drop"
  ) %>%
  pivot_longer(
    cols = c(`Usuários casuais`, `Usuários registrados`),
    names_to = "tipo_usuario",
    values_to = "media_alugueis"
  )

ggplot(demanda_hora_usuario, aes(x = hora, y = media_alugueis, color = tipo_usuario)) +
  geom_line(linewidth = 1.1) +
  scale_x_continuous(breaks = 0:23) +
  scale_y_continuous(labels = label_number(big.mark = ".", decimal.mark = ",")) +
  scale_color_manual(values = c("#f59f00", "#2f9e44")) +
  labs(
    title = "Padrão horário por tipo de usuário",
    subtitle = "Usuários registrados e casuais não necessariamente usam o sistema nos mesmos horários",
    x = "Hora do dia",
    y = "Média de aluguéis por hora",
    color = "Tipo de usuário"
  ) +
  tema_bike

Leitura do padrão horário: a hora com maior média geral de aluguéis foi 17h. Em dias úteis, o maior pico médio ocorreu às 17h, enquanto em dias não úteis o maior pico médio ocorreu às 13h. Essa diferença é importante porque mostra que a operação do sistema deve considerar tanto o calendário quanto o horário.

Dias de maior e menor demanda

Além das médias, também é útil observar os extremos. Os dias de maior e menor demanda podem revelar combinações específicas de calendário, clima e temperatura.

dias_extremos <- bind_rows(
  day_prepared %>%
    arrange(cnt) %>%
    slice_head(n = 10) %>%
    mutate(tipo_extremo = "Menor demanda"),

  day_prepared %>%
    arrange(desc(cnt)) %>%
    slice_head(n = 10) %>%
    mutate(tipo_extremo = "Maior demanda")
) %>%
  select(
    tipo_extremo,
    data,
    ano,
    mes,
    dia_semana,
    fim_de_semana,
    feriado,
    dia_util,
    estacao,
    clima,
    temperatura_celsius,
    umidade_percentual,
    casual,
    registered,
    cnt
  )

datatable(
  dias_extremos,
  rownames = FALSE,
  filter = "top",
  options = list(
    pageLength = 10,
    scrollX = TRUE,
    language = list(url = "https://cdn.datatables.net/plug-ins/1.10.11/i18n/Portuguese-Brasil.json")
  )
)

resumo_extremos <- dias_extremos %>%
  group_by(tipo_extremo) %>%
  summarise(
    media_temperatura = mean(temperatura_celsius),
    media_umidade = mean(umidade_percentual),
    media_casuais = mean(casual),
    media_registrados = mean(registered),
    media_total = mean(cnt),
    .groups = "drop"
  )

kable(resumo_extremos, digits = 2)

tipo_extremo	media_temperatura	media_umidade	media_casuais	media_registrados	media_total
Maior demanda	25.15	56.85	2365.4	5950.9	8316.3
Menor demanda	12.37	75.97	63.9	475.8	539.7

Leitura dos extremos: a tabela interativa permite filtrar os dias de maior e menor demanda e comparar características como clima, temperatura, fim de semana e perfil dos usuários. Essa leitura é útil porque os extremos ajudam a entender situações operacionais críticas: dias de baixa utilização podem indicar restrições climáticas ou sazonais, enquanto dias de alta utilização exigem maior disponibilidade de bicicletas.

Síntese dos principais achados

Narrativa consolidada:

Os dados mostram que a demanda por bicicletas compartilhadas não depende de um único fator. Ela muda ao longo do ano, varia conforme a temperatura, responde às condições climáticas e assume padrões diferentes ao longo do dia. Além disso, usuários registrados e casuais não representam exatamente o mesmo tipo de uso: os registrados parecem sustentar uma parte recorrente da demanda, enquanto os casuais ganham importância relativa em contextos mais associados ao lazer.

Conclusão

Retomada do problema

O problema abordado neste projeto foi compreender em quais condições a cidade de Washington D.C. mais utiliza o sistema de bicicletas compartilhadas Capital Bikeshare. A pergunta central foi: em quais condições a cidade pedala mais?

Essa pergunta é relevante porque sistemas de bicicletas compartilhadas precisam ser gerenciados de forma dinâmica. A demanda pode mudar por mês, estação, temperatura, tipo de dia, horário e perfil do usuário. Sem esse entendimento, a operação corre o risco de distribuir bicicletas de forma inadequada, planejar manutenção em momentos ruins ou não se preparar para períodos de maior uso.

Como a análise foi conduzida

A análise usou o Bike Sharing Dataset, composto por dois arquivos: day.csv, com dados agregados por dia, e hour.csv, com dados agregados por hora. O processo começou com a importação dos dados, diagnóstico de ausentes e duplicatas, transformação de códigos numéricos em categorias interpretáveis e conversão das variáveis climáticas para escalas mais compreensíveis.

Em seguida, a base diária foi validada com a base horária, comparando o total diário com a soma dos registros por hora. Depois disso, a análise exploratória investigou padrões temporais, sazonais, climáticos, horários e diferenças entre usuários casuais e registrados.

Principais achados

Os resultados indicam que a demanda não é uniforme. O uso do sistema varia ao longo do tempo e apresenta diferenças relevantes entre anos, meses e estações. A análise também mostra que temperatura e clima são fatores importantes: dias com condições mais favoráveis tendem a concentrar maior demanda do que dias de clima mais restritivo.

Outro achado importante é a diferença entre usuários casuais e registrados. Usuários registrados sustentam grande parte da demanda média, sugerindo um uso mais recorrente do sistema. Por outro lado, a participação dos usuários casuais tende a mudar conforme o tipo de dia, o que indica um componente de lazer ou uso ocasional.

A base horária acrescenta uma camada importante à análise. Ela mostra que a demanda também depende da hora do dia, e que o padrão de dias úteis pode ser diferente do padrão de dias não úteis. Isso reforça que a operação do sistema deve considerar não apenas “qual dia” terá mais demanda, mas também “em qual horário” essa demanda deve ocorrer.

Implicações para potenciais clientes da análise

Para operadores de sistemas de bicicletas compartilhadas, os resultados ajudam a planejar a redistribuição de bicicletas, reforçar a disponibilidade em períodos de pico e organizar manutenção em momentos de menor demanda. Para gestores públicos, a análise oferece evidências sobre como a bicicleta compartilhada se relaciona com a rotina urbana, o calendário e o ambiente.

A análise também pode apoiar decisões de comunicação com usuários. Em períodos de maior demanda, campanhas podem incentivar o uso consciente e informar sobre disponibilidade. Em períodos de menor demanda, ações promocionais ou melhorias de infraestrutura podem ser consideradas para estimular o uso.

Limitações

A análise é exploratória e não estabelece causalidade. Embora seja possível observar associações entre temperatura, clima, calendário e demanda, não é possível afirmar que um fator isolado causa diretamente o aumento ou a queda dos aluguéis.

Outra limitação é que a base está agregada por dia e por hora. Ela não contém informações sobre origem e destino das viagens, localização das estações, disponibilidade de bicicletas em tempo real ou perfil individual dos usuários. Essas informações poderiam enriquecer a análise operacional.

Além disso, os dados cobrem apenas os anos de 2011 e 2012 em Washington D.C. Assim, os padrões encontrados não devem ser automaticamente generalizados para outras cidades, outros períodos ou sistemas com características diferentes.

Melhorias futuras

Uma continuação natural do projeto seria construir um modelo preditivo para estimar a demanda com base em variáveis climáticas, temporais e sazonais. Também seria possível incorporar dados externos, como eventos locais, feriados específicos, informações de infraestrutura cicloviária ou localização das estações.

Outra melhoria seria realizar uma análise espacial, caso houvesse dados por estação de retirada e devolução. Isso permitiria identificar regiões de maior pressão operacional e melhorar o planejamento da redistribuição das bicicletas.

Referência da base

Fanaee-T, Hadi; Gama, João. Event labeling combining ensemble detectors and background knowledge. Progress in Artificial Intelligence, Springer Berlin Heidelberg, 2013. DOI: 10.1007/s13748-013-0040-3.

Base utilizada: Bike Sharing Dataset — UCI Machine Learning Repository ````