Detecção de Pontos de Interesse e Predição de Próximo Local de Visita de Usuários Móveis com Base em Dados Esparsos

  • Cláudio Gustavo S. Capanema UFV
  • Fabrício A. Silva UFV

Resumo


O estudo sobre a mobilidade humana é uma área que tem ganhado destaque recentemente, tanto no meio acadêmico quanto no corporativo. Pesquisadores buscam entender o comportamento de indivíduos para avançar em propostas inovadores de soluções de mobilidade. Por outro lado, empresas estão interessadas em conhecer melhor os seus usuários para oferecer melhores e mais personalizados serviços. Identificar pontos de interesse (PoIs), classificálos semanticamente e prever o deslocamento de indivíduos são tarefas relevantes para o estudo da mobilidade humana. Este trabalho apresenta uma abordagem capaz de realizar a identificação e classificação de PoIs de indivíduos que possuem rotinas diferentes. Adicionalmente, uma nova abordagem para a predição semântica do próximo PoI a ser visitado é apresentada, englobando as principais técnicas do estado da arte. Diferente das soluções existentes, ambas as propostas têm o foco em dados esparsos (i.e., coletas com frequências menores), mais apropriados para a utilização em ambiente de produção em larga escala.

Referências

Capanema, C., Silva, and Aguiar, F. (2020a). Detecção de pontos de interesse e predição de próximo local de visita de usuários móveis com base em dados esparsos. Master’s thesis. Defendida em 20/03/2020.

Capanema, C., Silva, F. A., and Braga, T. M. (2019). Identificacão e classificacão de In Anais do XXXVII pontos de interesse individuais com base em dados esparsos. Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos, pages 15–28. SBC.

Capanema, C. G. S., Silva, F., and Silva, T. (2017). Dcluster: Um sistema para análise exploratória de grandes volumes de dados georreferenciados. In Satellite Events of the 32nd Brazilian Symposium on Databases (SBBD).

Capanema, C. G. S., Silva, F. A., and Silva, T. R. d. M. B. (2020b). Mfa-rnn: Uma rede neural recorrente para predição de próximo local de visita com base em dados esparsos. In Anais do XXXVIII Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos, pages 127–140. SBC.

Coimbra, G. T., Capanema, C. G. S., Silva, F. A., and Silva, T. R. B. (2019). Appel: Uma extensão do kepler para enriquecimento de dados geoespaciais. In GEOINFO, pages 176–181.

Gao, J., Sun, Y., Liu, W., and Yang, S. (2016). Predicting traffic congestions with global signatures discovered by frequent pattern mining. In 2016 IEEE International Conference on Internet of Things (iThings) and IEEE Green Computing and Communications (GreenCom) and IEEE Cyber, Physical and Social Computing (CPSCom) and IEEE Smart Data (SmartData), pages 554–560. IEEE.

Rathore, M. M., Ahmad, A., Paul, A., and Rho, S. (2016). Urban planning and building smart cities based on the internet of things using big data analytics. Computer Networks, 101:63–80.

Shannon, C. E. (1948). A mathematical theory of communication. Bell system technical journal, 27(3):379–423.

Yao, Z., Fu, Y., Liu, B., Liu, Y., and Xiong, H. (2016). Poi recommendation: A temporal matching between poi popularity and user regularity. In 2016 IEEE 16th international conference on data mining (ICDM), pages 549–558. IEEE.
Publicado
16/08/2021
Como Citar

Selecione um Formato
CAPANEMA, Cláudio Gustavo S.; SILVA, Fabrício A.. Detecção de Pontos de Interesse e Predição de Próximo Local de Visita de Usuários Móveis com Base em Dados Esparsos. In: CONCURSO DE TESES E DISSERTAÇÕES - SIMPÓSIO BRASILEIRO DE REDES DE COMPUTADORES E SISTEMAS DISTRIBUÍDOS (SBRC), 39. , 2021, Uberlândia. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2021 . p. 129-136. ISSN 2177-9384. DOI: https://doi.org/10.5753/sbrc_estendido.2021.17163.