O cada vez maior número de tecnologias que fornecem serviços de geolocalização tem possibilitado gerar uma grande quantidade de dados de geolocalização. Estes dados, são armazenados principalmente como pontos de localização com informação temporal. Uma trajetória é definida como uma sequência discreta e finita destes pontos de localização. Nos últimos anos, a recente área de mineração de trajetórias visa aproveitar esta abundância de dados. Nesta área, existem várias técnicas de mineração desenvolvidas, mas todas elas dependem diretamente da qualidade das trajetórias. Assim, o preprocessamento tem um papel primordial na mineração de trajetórias. Entre as tarefas de preprocessamento, um problema relevante é a reconstrução ou inferência de trajetórias. Devido ao alto consumo de energia de dispositivos de localização como o GPS e ao crescente uso de geo-marcações nas redes sociais, que possibilita a construção de trajetórias ordenando temporalmente estas marcações, muitas das trajetórias existentes apresentam taxas de amostragem muito baixas. A maioria das pesquisas nesse problema utilizam, no caso de áreas urbanizadas, informações do grafo formado por ruas e cruzamentos. Porém, elas levam em conta apenas trajetórias de veículos principalmente pelo fato que muitos dos percursos dos pedestres ficam fora das ruas. Atualmente, graças às plataformas livres de mapas colaborativos, é possível incluir estes trajetos como parte das informações de ruas. Assim, este projeto tem o objetivo de investigar o uso das informações das ruas na reconstrução de trajetórias, principalmente de pedestres. O escopo da proposta compreende o desenvolvimento de uma rede social geo-localizada com o intuito de capturar dados de localização. Posteriormente, estes dados serão anonimizados, utilizados na reconstrução de trajetórias de pedestres e disponibilizados para uso em pesquisas futuras. / The ever-greater number of technologies providing location-based services has allowed the generation of big amounts of geolocation data. This data is mainly stored as location points in conjunction with temporal information. A trajectory is defined as a discrete and finite sequence of this kind of points. In recent years, the relatively new field of trajectory data mining aims to leverage this abundance of data. On this field, there are several data mining techniques developed, but all of these depend on trajectory quality. Hence, preprocessing becomes relevant to this field. Among trajectory data mining tasks, one important problem is trajectory reconstruction. Due to the high energy consumption of geolocation devices like GPS and the growing usage of geo-tags in social networks, which can represent trajectories by being sorted chronologically, most of these trajectories are collected at low sampling rates. A majority of research on this problem is focused on using road network information in urbanized areas to reconstruct trajectories. However, these approaches take into account vehicle trajectories only due to fact that most pedestrian paths do not always follow the same road network routes than vehicles. Currently, thanks to open collaborative maps, it is possible to add pedestrian paths to the road network structure. Thereby, this project aims to research the usage of road network information in pedestrian trajectories reconstruction. This projects scope comprises the development of a location-based social network to collect geolocation data. Subsequently, this data will be anonymized, used for pedestrian trajectory reconstruction and, finally, made available for research purposes.
| Identifer | oai:union.ndltd.org:usp.br/oai:teses.usp.br:tde-21092017-140230 |
| Date | 26 June 2017 |
| Creators | Alvarez, Ricardo Miguel Puma |
| Contributors | Lopes, Alneu de Andrade |
| Publisher | Biblioteca Digitais de Teses e Dissertações da USP |
| Source Sets | Universidade de São Paulo |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | Dissertação de Mestrado |
| Format | application/pdf |
| Rights | Liberar o conteúdo para acesso público. |
Page generated in 0.0024 seconds