TRACTS : um método para classificação de trajetórias de objetos móveis usando séries temporais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2011 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/55445 |
Resumo: | O crescimento do uso de sistemas de posicionamento global (GPS) e outros sistemas de localização espacial tornaram possível o rastreamento de objetos móveis, produzindo um grande volume de um novo tipo de dado, chamado trajetórias de objetos móveis. Existe, entretanto, uma forte lacuna entre a quantidade de dados extraídos destes dispositivos, dotados de sistemas GPS, e a descoberta de conhecimento que se pode inferir com estes dados. Um tipo de descoberta de conhecimento em dados de trajetórias de objetos móveis é a classificação. A classificação de trajetórias é um tema de pesquisa relativamente novo, e poucos métodos tem sido propostos até o presente momento. A maioria destes métodos foi desenvolvido para uma aplicação específica. Poucos propuseram um método mais geral, aplicável a vários domínios ou conjuntos de dados. Este trabalho apresenta um novo método de classificação que transforma as trajetórias em séries temporais, de forma a obter características mais discriminativas para a classificação. Experimentos com dados reais mostraram que o método proposto é melhor do que abordagens existentes. |
id |
URGS_c2cb75a341de1fd83217b3bc8512e85a |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/55445 |
network_acronym_str |
URGS |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
repository_id_str |
1853 |
spelling |
Santos, Irineu Júnior Pinheiro dosAlvares, Luis Otavio Campos2012-09-19T01:35:59Z2011http://hdl.handle.net/10183/55445000858250O crescimento do uso de sistemas de posicionamento global (GPS) e outros sistemas de localização espacial tornaram possível o rastreamento de objetos móveis, produzindo um grande volume de um novo tipo de dado, chamado trajetórias de objetos móveis. Existe, entretanto, uma forte lacuna entre a quantidade de dados extraídos destes dispositivos, dotados de sistemas GPS, e a descoberta de conhecimento que se pode inferir com estes dados. Um tipo de descoberta de conhecimento em dados de trajetórias de objetos móveis é a classificação. A classificação de trajetórias é um tema de pesquisa relativamente novo, e poucos métodos tem sido propostos até o presente momento. A maioria destes métodos foi desenvolvido para uma aplicação específica. Poucos propuseram um método mais geral, aplicável a vários domínios ou conjuntos de dados. Este trabalho apresenta um novo método de classificação que transforma as trajetórias em séries temporais, de forma a obter características mais discriminativas para a classificação. Experimentos com dados reais mostraram que o método proposto é melhor do que abordagens existentes.The growing use of global positioning systems (GPS) and other location systems made the tracking of moving objects possible, producing a large volume of a new kind of data, called trajectories of moving objects. However, there is a large gap between the amount of data generated by these devices and the knowledge that can be inferred from these data. One type of knowledge discovery in trajectories of moving objects is classification. Trajectory classification is a relatively new research subject, and a few methods have been proposed so far. Most of these methods were developed for a specific application. Only a few have proposed a general method, applicable to multiple domains or datasets. This work presents a new classification method that transforms the trajectories into time series, in order to obtain more discriminative features for classification. Experiments with real trajectory data revealed that the proposed approach is more effective than existing approaches.application/pdfporInteligência artificialRedes bayesianasMoving object trajectoryTrajectory classificationKnowledge discoveryData miningTime seriesTRACTS : um método para classificação de trajetórias de objetos móveis usando séries temporaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPrograma de Pós-Graduação em ComputaçãoPorto Alegre, BR-RS2011mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000858250.pdf000858250.pdfTexto completoapplication/pdf2120693http://www.lume.ufrgs.br/bitstream/10183/55445/1/000858250.pdf408dc5a488b0bdba98f4b43a60bdeb0bMD51TEXT000858250.pdf.txt000858250.pdf.txtExtracted Texttext/plain151251http://www.lume.ufrgs.br/bitstream/10183/55445/2/000858250.pdf.txt8d7e6a1abdf88c44e7e20b61177eb236MD52THUMBNAIL000858250.pdf.jpg000858250.pdf.jpgGenerated Thumbnailimage/jpeg1095http://www.lume.ufrgs.br/bitstream/10183/55445/3/000858250.pdf.jpge58dd0c709f44aafdc0de9b5cbf7c352MD5310183/554452018-10-15 09:03:38.917oai:www.lume.ufrgs.br:10183/55445Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532018-10-15T12:03:38Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
TRACTS : um método para classificação de trajetórias de objetos móveis usando séries temporais |
title |
TRACTS : um método para classificação de trajetórias de objetos móveis usando séries temporais |
spellingShingle |
TRACTS : um método para classificação de trajetórias de objetos móveis usando séries temporais Santos, Irineu Júnior Pinheiro dos Inteligência artificial Redes bayesianas Moving object trajectory Trajectory classification Knowledge discovery Data mining Time series |
title_short |
TRACTS : um método para classificação de trajetórias de objetos móveis usando séries temporais |
title_full |
TRACTS : um método para classificação de trajetórias de objetos móveis usando séries temporais |
title_fullStr |
TRACTS : um método para classificação de trajetórias de objetos móveis usando séries temporais |
title_full_unstemmed |
TRACTS : um método para classificação de trajetórias de objetos móveis usando séries temporais |
title_sort |
TRACTS : um método para classificação de trajetórias de objetos móveis usando séries temporais |
author |
Santos, Irineu Júnior Pinheiro dos |
author_facet |
Santos, Irineu Júnior Pinheiro dos |
author_role |
author |
dc.contributor.author.fl_str_mv |
Santos, Irineu Júnior Pinheiro dos |
dc.contributor.advisor1.fl_str_mv |
Alvares, Luis Otavio Campos |
contributor_str_mv |
Alvares, Luis Otavio Campos |
dc.subject.por.fl_str_mv |
Inteligência artificial Redes bayesianas |
topic |
Inteligência artificial Redes bayesianas Moving object trajectory Trajectory classification Knowledge discovery Data mining Time series |
dc.subject.eng.fl_str_mv |
Moving object trajectory Trajectory classification Knowledge discovery Data mining Time series |
description |
O crescimento do uso de sistemas de posicionamento global (GPS) e outros sistemas de localização espacial tornaram possível o rastreamento de objetos móveis, produzindo um grande volume de um novo tipo de dado, chamado trajetórias de objetos móveis. Existe, entretanto, uma forte lacuna entre a quantidade de dados extraídos destes dispositivos, dotados de sistemas GPS, e a descoberta de conhecimento que se pode inferir com estes dados. Um tipo de descoberta de conhecimento em dados de trajetórias de objetos móveis é a classificação. A classificação de trajetórias é um tema de pesquisa relativamente novo, e poucos métodos tem sido propostos até o presente momento. A maioria destes métodos foi desenvolvido para uma aplicação específica. Poucos propuseram um método mais geral, aplicável a vários domínios ou conjuntos de dados. Este trabalho apresenta um novo método de classificação que transforma as trajetórias em séries temporais, de forma a obter características mais discriminativas para a classificação. Experimentos com dados reais mostraram que o método proposto é melhor do que abordagens existentes. |
publishDate |
2011 |
dc.date.issued.fl_str_mv |
2011 |
dc.date.accessioned.fl_str_mv |
2012-09-19T01:35:59Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/55445 |
dc.identifier.nrb.pt_BR.fl_str_mv |
000858250 |
url |
http://hdl.handle.net/10183/55445 |
identifier_str_mv |
000858250 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
collection |
Biblioteca Digital de Teses e Dissertações da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/55445/1/000858250.pdf http://www.lume.ufrgs.br/bitstream/10183/55445/2/000858250.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/55445/3/000858250.pdf.jpg |
bitstream.checksum.fl_str_mv |
408dc5a488b0bdba98f4b43a60bdeb0b 8d7e6a1abdf88c44e7e20b61177eb236 e58dd0c709f44aafdc0de9b5cbf7c352 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
lume@ufrgs.br||lume@ufrgs.br |
_version_ |
1810085235211108352 |