Pesquisadores de diversas áreas estão estudando o desenvolvimento do que chamamos de Cidades Inteligentes: a integração de Sistemas de Informação e Comunicação com tecnologias de Internet das Coisas para utilizar os recursos de uma cidade de forma mais inteligente. Um dos principais objetivos das cidades inteligentes é solucionar os problemas relacionados à mobilidade urbana, que afeta significativamente a qualidade de vida da população. Um problema observável nas grandes metrópoles é a qualidade dos seus serviços de transporte público, especialmente quando nos referimos ao modal ônibus. A falta de informações confiáveis, associada à baixa qualidade dos serviços de transporte coletivo disponibilizados, leva o usuário a não optar pela utilização desse recurso, o que agrava problemas urbanos sociais e ambientais. Para reverter esse cenário, as iniciativas em cidades inteligentes propõem o uso de Sistemas de Transportes Inteligentes que podem utilizar diversos sensores e equipamentos para coletar diferente tipos de dados referente aos serviços de transporte público. A captura e processamento desses dados permite, em tese, permite que o cidadão possa utilizar o transporte público com confiabilidade e previsibilidade. Contudo, esses dados podem ser insuficientes ou de baixa qualidade para uso em tempo real. Neste trabalho de mestrado investigamos o uso de dados obtidos via colaboração coletiva (crowdsourcing) como complemento dessas informações. Para mitigar as incertezas introduzidas pelo uso de crowdsourcing, este trabalho propõe a utilização de técnicas de aprendizado de máquina para criação de métodos de análise de confiabilidade dos dados coletados para o sistema de transporte público (por ônibus) do município de São Paulo. Para mitigar as incertezas introduzidas pelo uso de crowdsourcing, este trabalho propõe e compara o uso de diferentes técnicas de aprendizado de máquina para criar um modelo de análise de confiabilidade para os dados coletados, especializado no sistema de transporte coletivo (por ônibus) da cidade de São Paulo. Os resultados demostram, que os algoritmos de Árvore de Decisão e Gaussian Naive Bayes foram mais eficazes e eficientes na realização da atividade de classificação dos dados obtidos com crowdsourcing. O algoritmo de Árvore de Decisão, apresentou os melhores indicadores de desempenho em termos de acurácia (94,34\\%) e F-score (99\\%), e o segundo melhor tempo de execução (0,023074 segundo). Já o algoritmo de Gaussian Naive Bayes foi o mais eficiente, com tempo médio de execução de 0,003182 segundos e foi o quarto melhor resultado em termos de acurácia (98,18\\%) e F-score (97\\%) / Researchers from different areas are studying the development of what we call Smart Cities: integrating Information and Communication Systems with Internet of Things to use city resources more intelligently. A major objective of smart cities is to solve problems related to urban mobility that significantly affects the quality of life of the population. An observable problem in big cities is the quality of their public transport services, specifically when we refer to the bus modal. The lack of reliable information, associated with the poor quality of public transport services, encouraging the user to look for alternatives, which aggravates urban social and environmental problems. To reverse this scenario, smart cities initiatives propose the use Intelligent Transport Systems, that can use various sensors and equipment to collect several types of data on public transport services. The capture and processing of these data allows, in theory, citizens to use the public transport with reliability and predictability. However, this data can be insufficient or of poor quality for usage in real-time. This master\'s work investigates the use of crowdsourcing data as a complement to this information. To mitigate the uncertainties introduced by the use of crowdsourcing, this research proposes and compares the use of different machine learning techniques to create a reliability analysis model for the data collected that is specialized for use on public transport system (bus) in the city of São Paulo. The results show that the Decision Tree and Gaussian Naive Bayes algorithms are more effective and efficient in performing the classification activity of the data obtained with crowdsourcing. The Decision Tree algorithm presented the best performance indicators in terms of accuracy (94.34\\%) and F-score (99\\%), and the second best execution time (0.023074 seconds). The Gaussian Naive Bayes algorithm was the most efficient, with an average execution time of 0.003182 seconds and was the forth best result in terms of accuracy (98.18\\%) and F-score (97\\%)

Pesquisadores de diversas áreas estão estudando o desenvolvimento do que chamamos de Cidades Inteligentes: a integração de Sistemas de Informação e Comunicação com tecnologias de Internet das Coisas para utilizar os recursos de uma cidade de forma mais inteligente. Um dos principais objetivos das cidades inteligentes é solucionar os problemas relacionados à mobilidade urbana, que afeta significativamente a qualidade de vida da população. Um problema observável nas grandes metrópoles é a qualidade dos seus serviços de transporte público, especialmente quando nos referimos ao modal ônibus. A falta de informações confiáveis, associada à baixa qualidade dos serviços de transporte coletivo disponibilizados, leva o usuário a não optar pela utilização desse recurso, o que agrava problemas urbanos sociais e ambientais. Para reverter esse cenário, as iniciativas em cidades inteligentes propõem o uso de Sistemas de Transportes Inteligentes que podem utilizar diversos sensores e equipamentos para coletar diferente tipos de dados referente aos serviços de transporte público. A captura e processamento desses dados permite, em tese, permite que o cidadão possa utilizar o transporte público com confiabilidade e previsibilidade. Contudo, esses dados podem ser insuficientes ou de baixa qualidade para uso em tempo real. Neste trabalho de mestrado investigamos o uso de dados obtidos via colaboração coletiva (crowdsourcing) como complemento dessas informações. Para mitigar as incertezas introduzidas pelo uso de crowdsourcing, este trabalho propõe a utilização de técnicas de aprendizado de máquina para criação de métodos de análise de confiabilidade dos dados coletados para o sistema de transporte público (por ônibus) do município de São Paulo. Para mitigar as incertezas introduzidas pelo uso de crowdsourcing, este trabalho propõe e compara o uso de diferentes técnicas de aprendizado de máquina para criar um modelo de análise de confiabilidade para os dados coletados, especializado no sistema de transporte coletivo (por ônibus) da cidade de São Paulo. Os resultados demostram, que os algoritmos de Árvore de Decisão e Gaussian Naive Bayes foram mais eficazes e eficientes na realização da atividade de classificação dos dados obtidos com crowdsourcing. O algoritmo de Árvore de Decisão, apresentou os melhores indicadores de desempenho em termos de acurácia (94,34\\%) e F-score (99\\%), e o segundo melhor tempo de execução (0,023074 segundo). Já o algoritmo de Gaussian Naive Bayes foi o mais eficiente, com tempo médio de execução de 0,003182 segundos e foi o quarto melhor resultado em termos de acurácia (98,18\\%) e F-score (97\\%) / Researchers from different areas are studying the development of what we call Smart Cities: integrating Information and Communication Systems with Internet of Things to use city resources more intelligently. A major objective of smart cities is to solve problems related to urban mobility that significantly affects the quality of life of the population. An observable problem in big cities is the quality of their public transport services, specifically when we refer to the bus modal. The lack of reliable information, associated with the poor quality of public transport services, encouraging the user to look for alternatives, which aggravates urban social and environmental problems. To reverse this scenario, smart cities initiatives propose the use Intelligent Transport Systems, that can use various sensors and equipment to collect several types of data on public transport services. The capture and processing of these data allows, in theory, citizens to use the public transport with reliability and predictability. However, this data can be insufficient or of poor quality for usage in real-time. This master\'s work investigates the use of crowdsourcing data as a complement to this information. To mitigate the uncertainties introduced by the use of crowdsourcing, this research proposes and compares the use of different machine learning techniques to create a reliability analysis model for the data collected that is specialized for use on public transport system (bus) in the city of São Paulo. The results show that the Decision Tree and Gaussian Naive Bayes algorithms are more effective and efficient in performing the classification activity of the data obtained with crowdsourcing. The Decision Tree algorithm presented the best performance indicators in terms of accuracy (94.34\\%) and F-score (99\\%), and the second best execution time (0.023074 seconds). The Gaussian Naive Bayes algorithm was the most efficient, with an average execution time of 0.003182 seconds and was the forth best result in terms of accuracy (98.18\\%) and F-score (97\\%)

Tese de mestrado integrado. Engenharia Electrotécnica e de Computadores (Major Telecomunicações). Faculdade de Engenharia. Universidade do Porto. 2009

Dissertação apresentada para obtenção do grau de Mestre em Engenharia Electrotécnica e de Computadores, na Faculdade de Engenharia da Universidade do Porto, sob a orientação do Professor Adriano da Silva Carvalho

No description available.

Made available in DSpace on 2014-06-11T19:30:51Z (GMT). No. of bitstreams: 0 Previous issue date: 2014-02-24Bitstream added on 2014-06-13T18:41:00Z : No. of bitstreams: 1 000751146.pdf: 4139134 bytes, checksum: f3feebece413982481c6daf8b8d857cf (MD5) / A evasão escolar é um dos problemas mais complexos e cruciais no âmbito da educação. Está presente e é motivo de preocupação nos vários níveis e modalidades de ensino, além de ferir o princípio da dignidade humana. No que tange ao ensino superior, internacionalmente, o fenômeno é objeto de atenção e de cuidado, no intuito de aumentar os índices de permanência e conclusão dos estudantes de graduação e minimizar os prejuízos sociais, econômicos, políticos, acadêmicos e financeiros causados a todos os envolvidos no processo educacional. Nesse contexto, é imprescindível o desenvolvimento de métodos e instrumentos eficientes e eficazes para predição, avaliação e acompanhamento de estudantes em risco de evasão, possibilitando o planejamento e a adoção de medidas proativas no intuito de minimizar a situação. Assim sendo, esta pesquisa tem por objetivo apresentar as potencialidades de um sistema inteligente capaz de identificar, de maneira proativa, continuada e acurada, o grupo de risco de evasão discente, da educação clássica-presencial, no ensino de nível superior. No desenvolvimento deste sistema foi utilizada uma das técnicas da inteligência artificial, as Redes Neurais Artificiais, mais especificamente, a Rede Neural ARTMAP-Fuzzy, uma rede neural da família ART (Adaptive Resonance Theory) que possibilita o aprendizado continuado do sistema. Para o treinamento e teste da Rede Neural e, posteriormente, a validação do sistema proposto foram utilizados os dados socioeconômicos e acadêmicos dos estudantes matriculados nos cursos superiores de tecnologia do Instituto Federal de Mato Grosso - IFMT. Os dados que compuseram os vetores de entrada do sistema foram coletados a partir de dois bancos de dados do sistema de informação do IFMT, respectivamente, o Q-seleção e o Q-Acadêmico. Este sistema faz a classificação dos padrões de entrada em propensos... / School dropout is one of the most complex and crucial problems in the field of education. It permeates and afflicts the several levels and teaching modalities, besides hurting the principle of human dignity. In relation to higher education, internationally, the phenomenon is an object of attention and care, aiming to increase the indexes of permanence and completion rate of the undergraduate students and minimize social, economic, political and financial damage caused to all involved in the educational process. In this context, it is fundamental to develop efficient and effective methods and instruments for prediction, assessment and monitoring of the students at risk of dropping out, making the planning and the adoption of proactive actions possible for the improvement of the situation. Thus, this study aims to present the potentialities of an intelligent system able to identify, in a proactive, continued and accurate way, the student dropout risk group in higher education classroom courses. In the development of this system one of the artificial intelligence techniques was used, the Artificial Neural Networks, more specifically, the Fuzzy-ARTMAP Neural network, a neural network of the ART (Adaptive Resonance Theory) family which makes the continued learning of the system possible. For the training and test of the Neural Network and, later, the validation of the system proposed the socio-economic and academic records of the students enrolled in the technology courses of the Federal Institute of Mato Grosso – IFMT were used. The data that constituted the input vectors of the system were extracted from two database of the IFMT information system, respectively, the Q-selection and the Q-Academic. This system classifies the input patterns in school dropout propensity. The consistence of the results, showing a success rate of the dropout group around 95% and 100% and the overall mean accuracy around ...

Submitted by LIVIA FREITAS (livia.freitas@ufba.br) on 2013-10-08T14:29:10Z No. of bitstreams: 1 01_dissertacao_Margarete.pdf: 1682975 bytes, checksum: e56338651014199361014446db75d844 (MD5) / Approved for entry into archive by LIVIA FREITAS(livia.freitas@ufba.br) on 2013-10-08T14:31:51Z (GMT) No. of bitstreams: 1 01_dissertacao_Margarete.pdf: 1682975 bytes, checksum: e56338651014199361014446db75d844 (MD5) / Made available in DSpace on 2013-10-08T14:31:51Z (GMT). No. of bitstreams: 1 01_dissertacao_Margarete.pdf: 1682975 bytes, checksum: e56338651014199361014446db75d844 (MD5) / Forma c~ao veicular e uma aplica c~ao t pica de sistemas multiagentes, na qual veí culos automatizados (e.g. veí culos autônomos, robôs m oveis) devem entre si assumir e manter uma forma c~ao. Para a correta execu c~ao desta aplica c~ao e necess ário ter disponí veis mecanismos de comunica cão con aveis, garantindo a troca de mensagens entre os veí culos. Estas mensagens s~ao trocadas atrav es de uma rede de comunica c~ao m ovel, como as redes MANETs e VANETs. Entretanto, tais redes, chamadas de redes Ad Hoc, n~ao fornecem garantias a comunica c~ao, podendo existir perda de mensagens ou da conectividade entre os n os. Isto ocorre devido a movimenta c~ao dos ve ículos, efeitos clim aticos, entre outros que degradam a capacidade de comunica cão entre eles. Assim, propomos uma abordagem com base em regras para o desenvolvimento de servi ços de comunica c~ao para as aplica ções veiculares e criamos o I-CAR que e um conjunto de servi ços inteligentes de comunica ção para redes de comunica cão veiculares, focado na aplica ção da forma ção veicular. Estes servi ços executam de forma distribuí da, como m ódulos associados a cada agente veicular do sistema. Estes servi ços são constru ídos como regras, possibilitando ao veí culo autônomo tomar decisões inteligentes a cerca das melhores formas de transmitir mensagens atrav és da rede, assim como, de detectar a falha de outros veí culos a partir da comunica cão. Construí mos uma implementa c~ao destes servi ços utilizando o simulador de redes OMNet++, em conjunto com o simulador de trá fego veicular SUMO, sendo realizadas diversas simula ções para verifi car o funcionamento do sistema. Os resultados obtidos demonstram que a sobrecaga e a perda de mensagens geradas pelo sistema não comprometem o funcionamento do mecanismo proposto. / Salvador

Dissertação (mestrado) -Universidade Federal de Santa Catarina, Centro Tecnológico. / Made available in DSpace on 2012-10-18T01:09:01Z (GMT). No. of bitstreams: 0Bitstream added on 2014-09-25T18:24:53Z : No. of bitstreams: 1 172770.pdf: 9937231 bytes, checksum: a485f56a6bda3f2a45ea2f582526b27c (MD5) / Este trabalho descreve o desenvolvimento de uma ferramenta inteligente, denominada RECOMP, de apoio aos operadores dos Centros de Operação de Estações (COE) na tarefa de recompor o sistema elétrico na etapa fluente. A complexidade do problema de recomposição e a existência de Instruções de Operação (IO) com regras que orientam a ação dos operadores no controle restaurativo, tornam a técnica de sistemas especialistas apropriada à esta tarefa. O uso de um sistema especialista para apoio aos operadores agiliza o processo e reduz os riscos de erro humano durante a seqüência de manobras a fim de restaurar o sistema após contingências com desligamentos definitivos. O sistema desenvolvido utilizou como sistema teste a rede de transmissão da região de Ponta Grossa, Paraná, do sistema da COPEL, e suas potencialidades foram avaliadas por operadores deste COE. Por possuir a ferramenta desenvolvida as características de simplicidade na utilização, rapidez de execução e interface amigável, existe a possibilidade de aplicá-la também ao treinamento de operadores.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica. / Made available in DSpace on 2012-10-23T12:26:48Z (GMT). No. of bitstreams: 1 241096.pdf: 13920994 bytes, checksum: def8daad7de067f47f98deecac1f40ad (MD5)

VIEIRA, Leandro Kravczuk. Análise de desempenho de uma aplicação VoIP em redes veiculares. 2011. 136 f. Dissertação (Mestrado em ciência da computação)- Universidade Federal do Ceará, Fortaleza-CE, 2011. / Submitted by Elineudson Ribeiro (elineudsonr@gmail.com) on 2016-07-11T17:42:55Z No. of bitstreams: 1 2011_dis_lkvieira.pdf: 2177171 bytes, checksum: b12f234dbae0e70d63d4ffaacdf15aa0 (MD5) / Approved for entry into archive by Rocilda Sales (rocilda@ufc.br) on 2016-07-18T15:59:47Z (GMT) No. of bitstreams: 1 2011_dis_lkvieira.pdf: 2177171 bytes, checksum: b12f234dbae0e70d63d4ffaacdf15aa0 (MD5) / Made available in DSpace on 2016-07-18T15:59:47Z (GMT). No. of bitstreams: 1 2011_dis_lkvieira.pdf: 2177171 bytes, checksum: b12f234dbae0e70d63d4ffaacdf15aa0 (MD5) Previous issue date: 2011 / Vehicular networks have emerged as a particular case of mobile networks and then became a specific field of research in computer networks. They have been the subject of numerous scientific research in recent years, whose main focus is the development of Intelligent Transport System. Furthermore, given that cars are increasingly important in people's lives, smart board software in their cars can substantially improve the quality of life of users. This fact and the significant market demand for more reliability, security and entertainment in vehicles, has led to significant development and support for vehicular networks and their applications. Among these applications we can mention the use of VoIP, however, VoIP applications suffer from problems of delay, packet loss and jitter. These technical challenges are further aggravated when used in wireless networks. One factor that directly influences the use of an application in wireless networks is the routing protocol. Routing is a challenging task due to the high node mobility, the instability of wireless links and the diversity of scenarios. For this reason, several routing protocols have been designed with the goal of solving one or more specific problems of each scenario. However, although there are several proposed solutions to the problem routing in vehicular networks, no general solution was found, in other words, any proposed protocol obtained considerable performance in the various scenarios that exist in vehicular networks. Thus, in this paper, we analyze through simulations the impact of density, of the reach of transmission, the mobility and the type of routing protocol on the performance of a VoIP application in urban and highway scenarios of vehicular networks. / As redes veiculares surgiram como um caso particular de redes móveis e passaram a formar um campo específico de pesquisa na área de redes de computadores. Elas têm sido alvo de inúmeras pesquisas científicas nos últimos anos, cujo principal foco é o desenvolvimento do Sistema Inteligente de Transporte. Além disso, dado que os automóveis são cada vez mais importantes na vida das pessoas, embarcar softwares inteligentes em seus carros pode melhorar substancialmente a qualidade de vida dos usuários. Esse fato, somado à significante demanda do mercado por mais confiabilidade, segurança e entretenimento nos veículos, levou ao desenvolvimento e suporte significantes para as redes veiculares e suas aplicações. Dentre estas aplicações pode-se citar a utilização do VoIP. Entretanto, os aplicativos VoIP sofrem com problemas de atraso, perda de pacotes e jitter. Estes desafios técnicos se agravam ainda mais quando utilizado em redes sem fio. Um fator que influencia diretamente a utilização de uma aplicação em redes em fio é o protocolo de roteamento. O roteamento é uma tarefa desafiadora devido à alta mobilidade dos nós, à instabilidade dos enlaces sem-fio e a diversidade de cenários. Por essa razão, diversos protocolos de roteamento foram projetados com o objetivo de solucionar um ou mais problemas específicos de cada cenário. Entretanto, apesar de existirem várias soluções propostas para o problema do roteamento em redes veiculares, nenhuma solução geral foi encontrada, ou seja, nenhum protocolo proposto obteve desempenho considerável nos diversos cenários existentes nas redes veiculares. Sendo assim, nesta dissertação, analisamos através de simulações o impacto da densidade, do alcance de transmissão, da mobilidade e do tipo de protocolo de roteamento no desempenho de uma aplicação VoIP nos cenários urbano e de rodovia em redes veiculares.