Os dados de transporte, no âmbito das cidades inteligentes, estão cada vez mais disponíveis. Estes dados permitem a construção de soluções inteligentes com impacto significativo na vida dos residentes e nos mecanismos das autoridades de gestão da cidade, os chamados Sistemas de Transporte Inteligentes. A nossa investigação incidiu sobre os dados de mobilidade urbana da cidade de Lisboa, disponibilizados pelo município. O principal objetivo da pesquisa foi abordar os problemas de mobilidade, interdependência e soluções de efeitos em cascata para a cidade de Lisboa. Para alcançar este objetivo foi desenvolvida uma metodologia baseada nos dados históricos do transito no centro urbano da cidade e principais acessos, com uma forte componente de visualização. Foi também aplicado um método baseado em series temporais para fazer a previsão das ocorrências de transito na cidade de Lisboa. Foi aplicada uma abordagem CRISP-DM, integrando diferentes fontes de dados, utilizando Python. Esta tese tem como objetivo identificar padrões de mobilidade urbana com análise e visualização de dados, de forma a auxiliar as autoridades municipais no processo de tomada de decisão, nomeadamente estar mais preparada, adaptada e responsiva.

Transportation data in smart cities is becoming increasingly available. This data allows building meaningful, intelligent solutions for city residents and city management authorities, the so-called Intelligent Transportation Systems. Our research focused on Lisbon mobility data, provided by Lisbon municipality. The main research objective was to address mobility problems, interdependence, and cascading effects solutions for the city of Lisbon. We developed a data-driven approach based on historical data with a strong focus on visualization methods and dashboard creation. Also, we applied a method based on time series to do prediction based on the traffic congestion data provided. A CRISP-DM approach was applied, integrating different data sources, using Python. Hence, understand traffic patterns, and help the city authorities in the decision-making process, namely more preparedness, adaptability, responsiveness to events.