Detalhes bibliográficos
| Ano de defesa: |
2021 |
| Autor(a) principal: |
Martins, Tallys Gustavo |
| 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: |
Biblioteca Digitais de Teses e Dissertações da USP
|
| 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://www.teses.usp.br/teses/disponiveis/45/45134/tde-12092025-123456/
|
Resumo: |
Nos últimos anos, houve um crescimento na geração e disponibilização de uma variedade de dados de mobilidade de veículos urbanos, tais como carros, ônibus, aviões, embarcações, cujo conteúdo revela a dinâmica de fluxo entre diferentes regiões espaciais. A posição desses objetos é geralmente mapeada em registros 2D, como latitude e longitude, registrando sua trajetória ao longo do tempo. A análise dessas trajetórias tem diversas aplicações, como detecção de padrões de origem-destino, monitoramento do fluxo ou a observação de eventos externos, como mudanças climáticas, e seus impactos no tráfego. Com isso, gestores de uma cidade conseguem mais informações para auxiliar na tomada de decisão e planejamento do trânsito. No entanto, é um desafio visualizar grandes quantidades de dados de conjuntos de dados de mobilidade. Desenhar grandes quantidades de trajetórias diretamente em um mapa geralmente causa uma oclusão de dados, prejudicando a análise visual. Exibir os múltiplos atributos que acompanham essas trajetórias é um desafio ainda maior. Uma abordagem para resolver esse problema é o bundling, que agrupa trajetórias espacialmente próximas em uma representação simplificada. Nesta dissertação, adaptamos uma técnica recente de bundling para visualizar e analisar grandes conjuntos de dados de mobilidade urbana. Nosso estudo de caso é baseado na pesquisa origem-destino de viagens da Região Metropolitana de São Paulo, uma das áreas de tráfego mais intenso do mundo. Os resultados mostram que o bundling ajuda a identificar e analisar vários padrões de mobilidade para diferentes atributos de dados, como horários de pico, renda e modos de transporte |
