Um Arcabouço para Detecção e Alerta de Anomalias de Mobilidade Urbana em Tempo Real
Nome: MARCO AURÉLIO BRUNORO THOMÉ
Tipo: Dissertação de mestrado acadêmico
Data de publicação: 13/11/2020
Orientador:
Nome | Papel |
---|---|
VINICIUS FERNANDES SOARES MOTA | Orientador |
Banca:
Nome | Papel |
---|---|
JOSÉ GONÇALVES PEREIRA FILHO | Examinador Interno |
VINICIUS FERNANDES SOARES MOTA | Orientador |
Resumo: "Dados coletados por sensores, câmeras, redes sociais e aplicativos podem contribuir para detecção automática de eventos atípicos no trânsito, como acidentes e alagamentos.
Além disso, a natureza heterogênea das diversas fontes de dados traz, como vantagem, a redundância de informações, o que permite aumentar o grau de confiabilidade de eventos detectados.
Neste trabalho é proposta uma solução para detecção de anomalias em tempo real e envio de alertas, com uma interface que suporta fontes de dados heterogêneos.
A abordagem é baseada em clusterização de séries temporais por faixa de horário, gerando uma série temporal padrão que é utilizada como parâmetro de classificação de observações em anomalias, por meio de uma técnica de detecção de outliers.
Para validar a proposta, foi elaborado um protótipo, como prova de conceito, em que foram implementadas interfaces para dados disponibilizados pela prefeitura de Vitória-ES, provenientes da plataforma Waze, e Twitter.
Então, o protótipo foi avaliado, variando os parâmetros, como algoritmo de clusterização e método de detecção de outlier, de forma a se obter uma boa configuração para a implantação do sistema.
A partir de dados reais da cidade, os resultados mostram que a solução proposta pode auxiliar os gestores e agentes das cidades nas tomadas de decisões."