14
Descoberta de conhecimento em dados gerados por dispositivos móveis geo-referenciados Gabriel Oliveira Orientador: Luis Otavio Alvares Co-orientadora: Vania Bogorny

Descoberta de conhecimento em dados gerados por dispositivos móveis geo-referenciados

Embed Size (px)

Citation preview

Descoberta de conhecimento em dados gerados por dispositivos

móveis geo-referenciados

Gabriel Oliveira

Orientador:

Luis Otavio Alvares

Co-orientadora:

Vania Bogorny

Dispositivos móveis geo-referenciados

• Capacidade de gerar, salvar e transferir posições geográficas na forma de posições geográficas na forma de trajetóriastrajetórias.

• Necessidade de processar estes dados e descobrir padrões e tendências de movimentação (ou da ausência dela).

Trajetórias de objetos móveis

• Sequência de pontos, com coordenadas geográficas, ordenados no tempo.

tempo

Analisando trajetórias

• Lista de lugares-geográficos possíveis (Relevant Features) da trajetória interceptar para enriquecerenriquecer a trajetória semânticamente.

• Geração de Stops e MovesStops e Moves [Spaccapietra].

Algoritmospara análise de trajetórias

• SMoT• a trajetória intercepta um RF ?

• CB-SMoT• Lugares lentosLugares lentos da trajetória interceptam

um RF ?

• DB-SMoT• Lugares com alta variação angularLugares com alta variação angular

interceptam um RF ?

Algoritmospara análise de trajetórias

– Relevant Features: A, B e C

• SMoT: – Stops gerados: stopA,stopB e stopC.

• CB-SMoT– Stops gerados: stopA, stopB, stopC, unknownXunknownX,

unknownYunknownY.

• DB-SMoT• Alvo desta apresentaçãoAlvo desta apresentação

DB-SMoT: variação angular

• A variação angular do ponto ppii é a diferença entre o ângulo α (ângulo de ppi-1i-1 a ppii) e β (ângulo de ppii a ppi+1i+1).

Db-SMoT: aplicação

• Um barco se movimenta quando se propõe a ir numa direção e segue sem variações grandes nessa direção. Se ele estiver parado, “à deriva”, devem haver muitas variações na sua direção.

Db-SMoT: aplicação

• Barcos pesqueiros tendem a somente “parar” enquanto estão pescando. Portanto, conseguimos extrair o conhecimento de áreas de pesca se usarmos o DB-SMoT.

Experimentos: seneca

• Barco seneca deixou a costa brasileira, pelo porto de Natal, e passou 22 dias pescando.

Experimentos: seneca com CB-SMoT– CB-SMot: Lugares lentos são aqueles

com velocidade média menor do que 60% da velocidade média da trajetória, e tem uma duração de, no mínimo, 2 horas.

Experimentos: seneca com DB-SMoT– DB-SMot: Lugares com alta variação

são aqueles com pontos com uma variação angular maior do que 10º e com duração mínima de 2 horas.

Conclusões

• Para a aplicação de barcos de pesca, o DB-SMoT gera resultados com uma qualidade semântica maior.

• Ainda gera ruídos (eg. curvas da trajetória de barcos), que poderiam ser retirados, talvez, através de um algoritmo misto que usasse tanto velocidade quanto variação angular.

Agradecimentos e dúvidas

• Agradecimentos ao professor Luis Otavio Alvares e à professora Vania Bogorny pelas oportunidades e desafios.