Estudo do Comportamento de Consumo de Bebida em Centros Urbanos usando Redes de Sensoriamento Participativo
Resumo
O número de pessoas acometidas por doenças relacionadas ao abuso no consumo de bebidas alcoólicas tem crescido consideravelmente ao longo dos anos, contabilizando um total de 3 milhões de mortes ao ano em todo o mundo. Entretanto, não existem muitas aplicações voltadas à auxiliar essas pessoas em recuperação. Tendo em vista este cenário, na literatura podem ser encontradas técnicas de aprendizado de máquina que podem ajudar na identificação e caracterização de regiões geográficas propícias para o consumo alcoólico em grandes cidades utilizando dados urbanos. Este trabalho analisa o uso de Redes Sociais baseadas em Localização (LBSN) para avaliar o consumo de bebidas em Tóquio e Nova York. Foram coletados dados de check-ins em bares e restaurantes e, a partir de técnicas de aprendizagem de máquina, foi possível examinar os padrões de consumo de bebidas dos moradores das cidades. Resultados indicaram que, embora houvesse diferenças culturais nos hábitos de consumo de bebidas entre as duas cidades, os usuários tendiam a consumir mais álcool nos finais de semana e à noite. Além disso, foi possível identificar as regiões mais propícias a esse consumo.
Referências
Ester, M., Kriegel, H.-P., Sander, J., Xu, X., et al. (1996). A density-based algorithm for discovering clusters in large spatial databases with noise. In kdd, volume 96, pages 226-231.
Gubert, F. R., Munaretto, A., and Silva, T. H. (2022). Multilayered analysis of urban mobility. In Anais Estendidos do XXVIII Simpósio Brasileiro de Sistemas Multimídia e Web, pages 57-60. SBC.
Gustafson, D. H., McTavish, F. M., Chih, M.-Y., Atwood, A. K., Johnson, R. A., Boyle, M. G., Levy, M. S., Driscoll, H., Chisholm, S. M., Dillenburg, L., et al. (2014). A smartphone application to support recovery from alcoholism: a randomized clinical trial. JAMA psychiatry, 71(5):566-572.
Le Falher, G., Gionis, A., and Mathioudakis, M. (2021). Where is the soho of rome? measures and algorithms for finding similar neighborhoods in cities. Proceedings of the International AAAI Conference on Web and Social Media, 9(1):228-237.
Machado, K., Silva, T. H., de Melo, P. O. V., Cerqueira, E., and Loureiro, A. A. (2015). Urban mobility sensing analysis through a layered sensing approach. In 2015 IEEE International Conference on Mobile Services, pages 306-312. IEEE.
Rodrigues, D. O., Santos, F. A., Akabane, A. T., Cabral, R., Immich, R., Junior, W. L., Cunha, F. D., Guidoni, D. L., Silva, T. H., Rosário, D., et al. (2019). Computação urbana da teoria à prática: Fundamentos, aplicações e desafios. arXiv preprint arXiv:1912.05662.
Silva, T., De Melo, P. V., Almeida, J., Musolesi, M., and Loureiro, A. (2014a). You are what you eat (and drink): Identifying cultural boundaries by analyzing food and drink habits in foursquare. In Proceedings of the International AAAI Conference on Web and Social Media, volume 8, pages 466-475.
Silva, T. H., De Melo, P. O. V., Almeida, J. M., Salles, J., and Loureiro, A. A. (2013). A picture of instagram is worth more than a thousand words: Workload characterization and application. In 2013 IEEE International Conference on Distributed Computing in Sensor Systems, pages 123-132. IEEE.
Silva, T. H., Vaz de Melo, P. O., Almeida, J. M., Salles, J., and Loureiro, A. A. (2014b). Revealing the city that we cannot see. ACM Transactions on Internet Technology (TOIT), 14(4):1-23.
Skora, L. E. B. and Silva, T. H. (2021). Comparing international movements of tourists: Official census versus social media. In Anais Estendidos do XXVII Simpósio Brasileiro de Sistemas Multimídia e Web, pages 45-48. SBC.
WHO (2022). World health organization. [link]. Accessed: 2022-09-30.
Zhang, M., Li, T., Li, Y., and Hui, P. (2021). Multi-view joint graph representation learning for urban region embedding. In Proceedings of the Twenty-Ninth International Conference on International Joint Conferences on Artificial Intelligence, pages 4431-4437.
