Modelagem matemática da precificação de fretes por motoristas autônomos através do uso do Alteryx Designer

Abstract

A matriz de transportes no Brasil é predominantemente rodoviária, sendo o transporte rodoviário de cargas um meio barato e eficiente em comparação aos demais, com diversas empresas atuando no ramo, seja utilizando frota própria ou contratando transportadores autônomos de cargas, como os caminhoneiros autônomos. No entanto, atuar e gerar lucro estando entre duas pontas tem suas dificuldades, pois ao mesmo tempo que é preciso oferecer valores satisfatórios para o contratante do frete, é preciso também oferecer preços atrativos para a contratação dos caminhoneiros. De tal forma, precificar o serviço é uma dificuldade, dadas diversas características e fatores, como a variação de diesel e a extensão territorial em proporções continentais. Este estudo é baseado nos dados disponibilizados pela empresa Bialog, sendo uma startup logtech que atua na contratação de motoristas autônomos para fretes de embarcadores. Foram levantados dados de dois anos de fretes praticados pela transportadora. Os dados foram coletados e tratados para definir um conjunto de variáveis candidatas aos modelos preditivos testados. Foram calibrados e validados, através do Alteryx Designer, modelos de Regressão Linear, Spline e Floresta Randômica. Os modelos mostraram eficácia na previsão, com vantagem para o modelo de Floresta Randômica. Escolhido esse modelo, foi comparado às formas de precificação já praticadas pela empresa, sendo o método de tabelas de frete mínimos da ANTT e próprio método Bialog. O modelo de Floresta Randômica ainda se sobressaiu em nova comparação aos demais em 83,65% das observações, obtendo R² de 0,9602, α de 134,42, β igual a 0,9458 e RMSE de 393,0512, o que destaca que o objetivo desse trabalho foi alcançado.

The transportation matrix in Brazil is predominantly road-based, with road freight transport being a cheap and efficient means compared to others, and various companies operating in the sector, either using their own fleets or hiring autonomous freight carriers, such as independent truck drivers. However, operating and generating profit between two ends comes with its challenges. While it's necessary to offer satisfactory rates to the freight contractors, it's also important to provide attractive prices for hiring truck drivers. Pricing the service is difficult due to various factors, such as diesel price fluctuations and the country's continental-sized territory. This study is based on data provided by Bialog, a logtech startup that hires autonomous drivers for shippers' freights. Two years of freight data from the transporter were collected and processed to define a set of candidate variables for the predictive models tested. Linear Regression, Spline, and Random Forest models were calibrated and validated using Alteryx Designer. The models demonstrated effectiveness in prediction, with the Random Forest model showing a clear advantage. This model was compared to the pricing methods already used by the company, namely the ANTT minimum freight rate tables and Bialog's own method. The model outperformed the others in 83.65% of observations, achieving an R² of 0.9602, α of 134.42, β of 0.9458, and RMSE of 393.0512, which demonstrates that the objective of this work has been achieved.