Um Método para Detecção e Diagn óstico de Outliers em Dados Urbanos via Análise Multidimensional

  • Thiago I. A. Souza
  • Deborah Magalhaes
  • Andre L. L. Aquino
  • Danielo G. Gomes

Resumo


Desde 2007, pela primeira vez na História, mais pessoas vivem nas cidades do que no campo e este número só tende a crescer. Mais pessoas nas cidades significa maior estresse nas infraestruturas urbanas, maior demanda por serviços públicos e também uma taxa de geração de dados heterogêneos cada vez maior. Dados são essenciais para implementação de políticas públicas baseadas em evidências. Neste artigo, propomos um método para detecção e diagnóstico de outliers em dados urbanos via análise multidimensional em 4 passos sequenciais: (i) modelagem dos dados matriciais em um tensor 3D; (ii) decomposição Tucker3 para extração dos fatores latentes; (iii) estatísticas de detecção de outliers, e (iv) técnicas diagnósticas na inspeção das causas dos outliers. A partir de dados reais da plataforma Smart Citizen, nosso método permite identificar as variáveis ambientais que mais impactam os outliers. Além disso, as curvas ROC indicaram um ganho de acurácia de 20% com relaçãoá abordagem multivariada.
Publicado
10/05/2018
Como Citar

Selecione um Formato
SOUZA, Thiago I. A.; MAGALHAES, Deborah; AQUINO, Andre L. L.; GOMES, Danielo G.. Um Método para Detecção e Diagn óstico de Outliers em Dados Urbanos via Análise Multidimensional. In: SIMPÓSIO BRASILEIRO DE REDES DE COMPUTADORES E SISTEMAS DISTRIBUÍDOS (SBRC) , 2018 Anais do XXXVI Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos. Porto Alegre: Sociedade Brasileira de Computação, may 2018 . ISSN 2177-9384.