Extração e Análise de Dados Como Suporte a Estratégias de Comunicação D2D Cientes do Humano
Resumo
Datasets Reais podem revelar características dos usuários como mobilidade, interações sociais e outras que darão suporte a Redes Móveis do Futuro na predição de rotinas e gerenciamento de recursos. Este trabalho apresenta um framework com práticas para manipulação e extração de dados de usuários e propõe métricas ciente do humano como suporte a uma nova estratégia de comunicação oportunística. A experiência é relatada através de um estudo de caso do MACACO~Dataset e resultados da análise do trace e das métricas, expondo a importância de fatores de decisão baseados em comportamento humano para soluções de rede do futuro.
Referências
Costa, R., Sampaio, L., Ziviani, A., and Viana, A. (2018). Humanos no ciclo de comunicação: facilitadores das redes de próxima geração. In Livro de Minicursos do XXXVI Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuı́dos (SBRC) 2018, Campos do Jordão, SP.
de Melo, P. O. V., Viana, A. C., Fiore, M., Jaffrès-Runser, K., Mouël, F. L., Loureiro, A. A., Addepalli, L., and Guangshuo, C. (2015). Recast: Telling apart social and random relationships in dynamic networks. Performance Evaluation, 87:19 – 36. Special Issue: Recent Advances in Modeling and Performance Evaluation in Wireless and Mobile Systems.
Domingues, A. C. S. A., Silva, F. A., and Loureiro, A. A. F. (2018). Space and time matter: An analysis about route selection in mobility traces. In 2018 IEEE Symposium on Computers and Communications (ISCC), pages 00958–00963.
Eagle, N. and Pentland, A. (2006). Reality mining: Sensing complex social systems. Personal Ubiquitous Comput., 10(4):255–268.
Kondor, D., Hashemian, B., de Montjoye, Y., and Ratti, C. (2018). Towards matching user mobility traces in large-scale datasets. IEEE Transactions on Big Data, pages 1–1.
Lau, C. P., Alabbasi, A., and Shihada, B. (2017). On the analysis of human mobility model for content broadcasting in 5g networks. In 2017 IEEE 28th Annual International Symposium on Personal, Indoor, and Mobile Radio Communications (PIMRC), pages 1–7.
Lohan, E. S. and e Silva, P. F. (2017). User traces analysis based on crowdsourced data. In 2017 13th International Wireless Communications and Mobile Computing Conference (IWCMC), pages 1303–1308.
Montjoye, Y.-A., Hidalgo, C., Verleysen, M., and Blondel, V. (2013). Unique in the crowd: The privacy bounds of human mobility. Scientific reports, 3:1376.
Nunes, I. O., Celes, C., Nunes, I., Vaz de Melo, P. O. S., and Loureiro, A. A. F. (2018). Combining spatial and social awareness in d2d opportunistic routing. IEEE Communications Magazine, 56(1):128–135.
Oliveira, E. M. R., Viana, A., Naveen, K. P., and Sarraute, C. (2017). Mobile data traffic modeling: Revealing temporal facets. Computer Networks, 112:176–193.
Shah, A., Belyaev, P., Ferrer, B. R., Mohammed, W. M., and Lastra, J. L. M. (2017). Processing mobility traces for activity recognition in smart cities. In IECON 2017 - 43rd Annual Conference of the IEEE Industrial Electronics Society, pages 8654–8661.
Thilakarathna, K., Viana, A. C., Seneviratne, A., and Petander, H. (2017). Design and analysis of an efficient friend-to-friend content dissemination system. IEEE Transactions on Mobile Computing, 16(3):702–715.
Tsai, T. and Chan, H. (2015). Nccu trace: social-network-aware mobility trace. IEEE Communications Magazine, 53(10):144–149.
Xia, F., Wang, J., Kong, X., Wang, Z., Li, J., and Liu, C. (2018). Exploring human mobility patterns in urban scenarios: A trajectory data perspective. IEEE Communications Magazine, 56(3):142–149.