Com o aumento na disponibilidade e considerável redução de custo das tecnologias que permitem a obtenção de dados de objetos móveis, torna-se abundante a oferta de dados de trajetórias. O estudo dessas trajetórias tem por objetivo permitir uma melhor compreensão dos dados, bem como a extração de novo conhecimento utilizando técnicas computacionais. Um tipo de estudo que pode ser realizado é a análise do comportamento das trajetórias de objetos móveis. O foco do estudo de padrões comportamentais em trajetórias tem sido a busca por padrões de aglomeração ou semelhança no deslocamento de entidades no espaço ou espaço-tempo. Este trabalho propõe a formalização de um novo padrão comportamental que indique quando um objeto móvel está evitando determinadas regiões espaciais. Este padrão foi denominado avoidance. A identificação e o estudo de tal comportamento pode ser de interesse de diversas áreas tais como segurança, jogos eletrônicos, comportamento social, entre outros. Inicialmente, este trabalho apresenta uma heurística com base nas observações das ocorrências do evento avoidance. A partir daí, são definidas as formalizações deste novo padrão. É apresentado, também, um algoritmo para identificar automaticamente o padrão comportamental avoidance em trajetórias de objetos móveis. Para avaliar a eficácia deste algoritmo, ao final desta dissertação são apresentados resultados de experimentos realizados em trajetórias coletadas por pedestres e por veículos em diversos locais da cidade de Porto Alegre e Xangri-lá. / With the increasing availability and considerable price reduction of technologies that allow the collection of moving object data, the offering of trajectory data becomes abundant. The study of these trajectories has the objective to allow a better understanding of the data, as well as the extraction of new knowledge using computational techniques. One of the possible studies is the analysis of the behavior of moving objects. The study on behavior patterns in trajectories has focused on agglomeration and similarity of entities moving in space or space and time. This work proposes the formalization of a new behavior pattern that indicates when a moving object is avoiding some determined spatial region, here called avoidance. The study and identification of this behavior may be of interest in many application areas, like security, electronic games, social behavior, and so on. Initially, this work presents an heuristic based on the observations of avoidance events, and based on this heuristic we define the formalization of this new kind of trajectory behavior pattern. This work also presents an algorithm to automatically identify this behavior in trajectories of moving objects. To evaluate the effectiveness of this algorithm, experiments were performed on trajectory datasets, collected by pedestrians in a park, and by vehicles at several places in the cities of Porto Alegre and Xangri-lá.

Com o aumento na disponibilidade e considerável redução de custo das tecnologias que permitem a obtenção de dados de objetos móveis, torna-se abundante a oferta de dados de trajetórias. O estudo dessas trajetórias tem por objetivo permitir uma melhor compreensão dos dados, bem como a extração de novo conhecimento utilizando técnicas computacionais. Um tipo de estudo que pode ser realizado é a análise do comportamento das trajetórias de objetos móveis. O foco do estudo de padrões comportamentais em trajetórias tem sido a busca por padrões de aglomeração ou semelhança no deslocamento de entidades no espaço ou espaço-tempo. Este trabalho propõe a formalização de um novo padrão comportamental que indique quando um objeto móvel está evitando determinadas regiões espaciais. Este padrão foi denominado avoidance. A identificação e o estudo de tal comportamento pode ser de interesse de diversas áreas tais como segurança, jogos eletrônicos, comportamento social, entre outros. Inicialmente, este trabalho apresenta uma heurística com base nas observações das ocorrências do evento avoidance. A partir daí, são definidas as formalizações deste novo padrão. É apresentado, também, um algoritmo para identificar automaticamente o padrão comportamental avoidance em trajetórias de objetos móveis. Para avaliar a eficácia deste algoritmo, ao final desta dissertação são apresentados resultados de experimentos realizados em trajetórias coletadas por pedestres e por veículos em diversos locais da cidade de Porto Alegre e Xangri-lá. / With the increasing availability and considerable price reduction of technologies that allow the collection of moving object data, the offering of trajectory data becomes abundant. The study of these trajectories has the objective to allow a better understanding of the data, as well as the extraction of new knowledge using computational techniques. One of the possible studies is the analysis of the behavior of moving objects. The study on behavior patterns in trajectories has focused on agglomeration and similarity of entities moving in space or space and time. This work proposes the formalization of a new behavior pattern that indicates when a moving object is avoiding some determined spatial region, here called avoidance. The study and identification of this behavior may be of interest in many application areas, like security, electronic games, social behavior, and so on. Initially, this work presents an heuristic based on the observations of avoidance events, and based on this heuristic we define the formalization of this new kind of trajectory behavior pattern. This work also presents an algorithm to automatically identify this behavior in trajectories of moving objects. To evaluate the effectiveness of this algorithm, experiments were performed on trajectory datasets, collected by pedestrians in a park, and by vehicles at several places in the cities of Porto Alegre and Xangri-lá.

Com o aumento na disponibilidade e considerável redução de custo das tecnologias que permitem a obtenção de dados de objetos móveis, torna-se abundante a oferta de dados de trajetórias. O estudo dessas trajetórias tem por objetivo permitir uma melhor compreensão dos dados, bem como a extração de novo conhecimento utilizando técnicas computacionais. Um tipo de estudo que pode ser realizado é a análise do comportamento das trajetórias de objetos móveis. O foco do estudo de padrões comportamentais em trajetórias tem sido a busca por padrões de aglomeração ou semelhança no deslocamento de entidades no espaço ou espaço-tempo. Este trabalho propõe a formalização de um novo padrão comportamental que indique quando um objeto móvel está evitando determinadas regiões espaciais. Este padrão foi denominado avoidance. A identificação e o estudo de tal comportamento pode ser de interesse de diversas áreas tais como segurança, jogos eletrônicos, comportamento social, entre outros. Inicialmente, este trabalho apresenta uma heurística com base nas observações das ocorrências do evento avoidance. A partir daí, são definidas as formalizações deste novo padrão. É apresentado, também, um algoritmo para identificar automaticamente o padrão comportamental avoidance em trajetórias de objetos móveis. Para avaliar a eficácia deste algoritmo, ao final desta dissertação são apresentados resultados de experimentos realizados em trajetórias coletadas por pedestres e por veículos em diversos locais da cidade de Porto Alegre e Xangri-lá. / With the increasing availability and considerable price reduction of technologies that allow the collection of moving object data, the offering of trajectory data becomes abundant. The study of these trajectories has the objective to allow a better understanding of the data, as well as the extraction of new knowledge using computational techniques. One of the possible studies is the analysis of the behavior of moving objects. The study on behavior patterns in trajectories has focused on agglomeration and similarity of entities moving in space or space and time. This work proposes the formalization of a new behavior pattern that indicates when a moving object is avoiding some determined spatial region, here called avoidance. The study and identification of this behavior may be of interest in many application areas, like security, electronic games, social behavior, and so on. Initially, this work presents an heuristic based on the observations of avoidance events, and based on this heuristic we define the formalization of this new kind of trajectory behavior pattern. This work also presents an algorithm to automatically identify this behavior in trajectories of moving objects. To evaluate the effectiveness of this algorithm, experiments were performed on trajectory datasets, collected by pedestrians in a park, and by vehicles at several places in the cities of Porto Alegre and Xangri-lá.

Construir um robô capaz de realizar tarefas sem qualquer interferência humana é um dos maiores desafios da Robótica Move!. Dispondo apenas de sensores, um robô autônomo precisa explorar ambientes desconhecidos e, simultaneamente, construir um mapa confiável a fim de se localizar e realizar a tarefa. Na presença de erros de odometria, o robô não consegue se auto-localizar corretamente em seu mapa interno e acaba por construir um mapa deformado e não condizente com a realidade. Este trabalho apresenta uma solução para o problema da auto-localização de robô moveis autônomos. Esta solução faz use de um método linear de calculo de estimativas chamado Filtro de Kalman para corrigir a posição do robô em seu mapa intern° do ambiente enquanto realiza a exploração. A proposta leva em consideração que toda entidade que se movimenta em um ambiente conta sempre com alguns pontos de referencia para se localizar. Estes pontos são implementados como objetos especiais chamados marcas de Kalman. Em simulação, o reconhecimento das marcas pode ser feito de duas maneiras: através de sua posição no mapa ou através de sua identidade. Nos experimentos realizados em simulação, o método é testado para diferentes erros no angulo de orientação do robô. Os resultados são comparados levando em consideração as deformações no mapa gerado, com e sem marcas de Kalman, e o erro médio da posição do robô durante todo o processo exploratório. / Build a robot capable of performing tasks without any human interference is one of the biggest challenges of the Mobile Robotics. Having only sensors, an autonomous robot needs to explore unknown environments and, simultaneously, build a reliable map in order to get its own location and perform the task. In the presence of odometry errors, the robot is not capable of establish its own position on its internal map and ends up building a deformed map that does not reflect reality. This paper presents a solution for the problem of self-localization of autonomous mobile robots. This solution uses a linear method for calculating estimatives called Kalman Filter to correct the robot's position on its internal mapping of the environment while exploring. The proposal considers that any being that moves in an environment always counts on having some reference points to establish its own position. This points are implemented as special objects called Kalman landmarks. In simulation, the recognition of such landmarks can be done in two different ways: through its position on the map or through its identity. In the experiments performed in simulations, the method is tested for different errors in the robot's inclination angle. The results are compared considering the deformations on the generated map, with and without the Kalman landmarks, and the average error of the robot's position during the exploratory process.

Construir um robô capaz de realizar tarefas sem qualquer interferência humana é um dos maiores desafios da Robótica Move!. Dispondo apenas de sensores, um robô autônomo precisa explorar ambientes desconhecidos e, simultaneamente, construir um mapa confiável a fim de se localizar e realizar a tarefa. Na presença de erros de odometria, o robô não consegue se auto-localizar corretamente em seu mapa interno e acaba por construir um mapa deformado e não condizente com a realidade. Este trabalho apresenta uma solução para o problema da auto-localização de robô moveis autônomos. Esta solução faz use de um método linear de calculo de estimativas chamado Filtro de Kalman para corrigir a posição do robô em seu mapa intern° do ambiente enquanto realiza a exploração. A proposta leva em consideração que toda entidade que se movimenta em um ambiente conta sempre com alguns pontos de referencia para se localizar. Estes pontos são implementados como objetos especiais chamados marcas de Kalman. Em simulação, o reconhecimento das marcas pode ser feito de duas maneiras: através de sua posição no mapa ou através de sua identidade. Nos experimentos realizados em simulação, o método é testado para diferentes erros no angulo de orientação do robô. Os resultados são comparados levando em consideração as deformações no mapa gerado, com e sem marcas de Kalman, e o erro médio da posição do robô durante todo o processo exploratório. / Build a robot capable of performing tasks without any human interference is one of the biggest challenges of the Mobile Robotics. Having only sensors, an autonomous robot needs to explore unknown environments and, simultaneously, build a reliable map in order to get its own location and perform the task. In the presence of odometry errors, the robot is not capable of establish its own position on its internal map and ends up building a deformed map that does not reflect reality. This paper presents a solution for the problem of self-localization of autonomous mobile robots. This solution uses a linear method for calculating estimatives called Kalman Filter to correct the robot's position on its internal mapping of the environment while exploring. The proposal considers that any being that moves in an environment always counts on having some reference points to establish its own position. This points are implemented as special objects called Kalman landmarks. In simulation, the recognition of such landmarks can be done in two different ways: through its position on the map or through its identity. In the experiments performed in simulations, the method is tested for different errors in the robot's inclination angle. The results are compared considering the deformations on the generated map, with and without the Kalman landmarks, and the average error of the robot's position during the exploratory process.

Construir um robô capaz de realizar tarefas sem qualquer interferência humana é um dos maiores desafios da Robótica Move!. Dispondo apenas de sensores, um robô autônomo precisa explorar ambientes desconhecidos e, simultaneamente, construir um mapa confiável a fim de se localizar e realizar a tarefa. Na presença de erros de odometria, o robô não consegue se auto-localizar corretamente em seu mapa interno e acaba por construir um mapa deformado e não condizente com a realidade. Este trabalho apresenta uma solução para o problema da auto-localização de robô moveis autônomos. Esta solução faz use de um método linear de calculo de estimativas chamado Filtro de Kalman para corrigir a posição do robô em seu mapa intern° do ambiente enquanto realiza a exploração. A proposta leva em consideração que toda entidade que se movimenta em um ambiente conta sempre com alguns pontos de referencia para se localizar. Estes pontos são implementados como objetos especiais chamados marcas de Kalman. Em simulação, o reconhecimento das marcas pode ser feito de duas maneiras: através de sua posição no mapa ou através de sua identidade. Nos experimentos realizados em simulação, o método é testado para diferentes erros no angulo de orientação do robô. Os resultados são comparados levando em consideração as deformações no mapa gerado, com e sem marcas de Kalman, e o erro médio da posição do robô durante todo o processo exploratório. / Build a robot capable of performing tasks without any human interference is one of the biggest challenges of the Mobile Robotics. Having only sensors, an autonomous robot needs to explore unknown environments and, simultaneously, build a reliable map in order to get its own location and perform the task. In the presence of odometry errors, the robot is not capable of establish its own position on its internal map and ends up building a deformed map that does not reflect reality. This paper presents a solution for the problem of self-localization of autonomous mobile robots. This solution uses a linear method for calculating estimatives called Kalman Filter to correct the robot's position on its internal mapping of the environment while exploring. The proposal considers that any being that moves in an environment always counts on having some reference points to establish its own position. This points are implemented as special objects called Kalman landmarks. In simulation, the recognition of such landmarks can be done in two different ways: through its position on the map or through its identity. In the experiments performed in simulations, the method is tested for different errors in the robot's inclination angle. The results are compared considering the deformations on the generated map, with and without the Kalman landmarks, and the average error of the robot's position during the exploratory process.