Predição de próximo destino baseado em dados históricos
Autor(es):
Oriá, Hedley Luna Góis
Palavras Chaves:
Não informado
Ano de Publicação:
2016
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.
Abstract:
This work presents a methodology to solve the problem of predicting the next destination of an
object that moves in space during a period of time. This problem consists in predicting to where
the object will move to a final destination from a specific given time, using its historical data
from its trips. Unlike the traditional approach, using all the data from the trajectories, the created
methodology aims only at the sources and destinations. The main reason for this is the possibility
of having good solutions using a dataset of much smaller size than the full trajectories data. This
would avoid the big data problem. This particular kind of problem comes from the exponential
generated data that have to be treated. The study showed that it’s possible to obtain good hit rate
using just this dataset by extracting pattern of the data of the user trips. The accuracy was up
to 83% from the studied data. This shows that even with a much smaller dataset it’s possible
to predict the user movement with quite sureness. The experimentation was made using real
and artificial trips but the zones of interest and locations are real. The artificial part was created
to test the efficiency of the statistical indexes and also to create uncommon trips on the used
dataset. The real experimentation was made using the data captured by the software. At last,
a web software was developed for this study to enable the users to visualize their movement
history and also historic of movements and also test the algorithm here developed and tested.
Palavras-chave: Prediction. Big Data. Clustering Methods.
Tipo do Trabalho:
Dissertação
Referência:
Oriá, Hedley Luna Góis. Predição de próximo destino baseado em dados históricos. 2016. 75 f. Dissertação (Mestrado Acadêmico ou Profissional em 2016) - Universidade Estadual do Ceará, , 2016. Disponível em: Acesso em: 21 de maio de 2024
Universidade Estadual do Ceará - UECE | Departamento de Tecnologia da Informação e Comunicação - DETIC
Política de Privacidade e Segurança Build 1
