Detalhes bibliográficos
| Ano de defesa: |
2016 |
| Autor(a) principal: |
Oriá, Hedley Luna Góis |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Estadual do Ceará
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://siduece.uece.br/siduece/trabalhoAcademicoPublico.jsf?id=87262
|
Resumo: |
Este trabalho apresenta uma abordagem para solucionar o problema da previsão do próximo destino de objeto que se move no espaço no decorrer do tempo. Este problema consiste em prever para onde o objeto irá se deslocar, ou seja, qual será seu destino final a partir de um dado horário, utilizando como referência os dados históricos de movimentação do objeto. Ao contrário da abordagem tradicional para resolver esse problema, que usa todos os pontos, ou grande parte deles, das trajetórias históricas dos usuários, a metodologia aqui criada tem foco apenas nas origens e destinos dos usuários. O principal motivo para a utilização desta abordagem é a possibilidade de se conseguir soluções de boa qualidade, mesmo analisando um conjunto de dados muito menor que o conjunto de trajetórias. Com isso evita-se o problema de big data. Este tipo de problema vem da quantidade exponencial de dados que podem ser gerados, e, consequentemente, necessitam ser tratados. O estudo aqui realizado mostrou que é possível ter uma taxa aceitável de acerto utilizando somente esses dados através da extração de padrões entre as trajetórias do usuário. Com as instâncias utilizadas foi possível obter uma taxa de acerto de até 83%, o que mostra que mesmo analizando uma fração do conjunto de localizações é possível prever as movimentações futuras do usuário. A experimentação foi feita utilizando-se viagens reais e artificiais, entretanto, as zonas de interesse e localizações são todas reais. A parte artificial foi feita para testar a eficácia dos índices e criação de rotinas incomuns ao histórico de dados utilizados. A experimentação real foi feita utilizando os dados captados por um software durante sua utilização. Por último, um software web real foi desenvolvido para possibilitar aos usuários a visualização de seu histórico e testes do algoritmo aqui desenvolvido. Palavras-chave: Predição. Big Data. Método de Agrupamento. |
