Previsão de localização futura de veículos baseada em dados de AVL.

• Autor(a) principal: Barbosa, Luciano Aparecido
• Data de Publicação: 2010
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: http://www.teses.usp.br/teses/disponiveis/3/3138/tde-26112010-105735/
• topic: Automatic Vehicle Location (AVL); Geographic Information System (GIS); Global Positioning System (GPS); Intelligent Transportation Systens (ITS); Localização Automática de Veículos; Padrão; Patterns; Prediction; Previsão; Sistema de Posicionamento Global; Sistemas de Informações Geográficas; Sistemas Inteligentes de Transporte

O crescente desenvolvimento de aplicações utilizadas por dispositivos móveis que fazem uso das tecnologias de posicionamento via satélite e comunicação móvel, juntamente com a popularização destes dispositivos, sejam eles celulares ou GPSs (Global Positioning System) automotivos reforçam ainda mais a necessidade de representação e o entendimento a cerca das entidades móveis retratadas nestes dispositivos e incentivam estudos que forneçam um significado maior do que a simples representação posicional destas entidades. Considera-se neste trabalho, que estas entidades móveis são veículos rastreados via satélite que fornecem sua posição espacial, determinada por um par de coordenadas geográficas (latitude e longitude), coletadas em intervalos de tempo regulares para sistemas AVL (Automatic Vehicle Location) que são responsáveis pelo monitoramento do estado destes veículos. Neste trabalho, foram desenvolvidas funções para a previsão da localização e geração de padrões dos veículos monitorados por sistemas AVL. Para tanto, as paradas efetuadas pelos veículos irão definir regiões comuns de parada ocorridas durante um intervalo de tempo passado e serão consideradas como um padrão de localização, enquanto que as trajetórias serão utilizadas para definir o padrão de movimentação. Os relacionamentos topológicos que estes padrões possuem irão definir por meio de condições espaciais/direcionais e temporais quais serão as regiões de paradas consideradas como prováveis destinos, a partir de outra região de parada, considerada como origem e, permitirão a geração de matrizes com valores de frequências relativas que consideram o número de visitas que uma região recebe a partir da outra. O que possibilita extrair valores de probabilidade condicional para cada destino provável. Portanto, a metodologia proposta e as funções desenvolvidas que foram validadas em experimentos, que utilizaram dados reais de rastreamento, fornecem uma camada inicial de inteligência aos sistemas AVL, que proporciona aos controladores destes sistemas utilizarem consultas preditivas, identificarem mais facilmente anomalias de comportamento, que possam evidenciar alguma ocorrência incomum na movimentação do veículo, além de aumentar a segurança dos veículos que possuem um dispositivo de rastreamento por meio da definição de padrões inerentes ao veículo.