identificaÇÃo de trarias padrs e de pontos rmediÁrs … · 2014-08-04 · bro naodi kusunoki...

BRENO NAODI KUSUNOKI

IDENTIFICAÇÃO DE TRAJETÓRIAS PADRÕESE DE PONTOS INTERMEDIÁRIOS EM DADOS

ESPAÇO-TEMPORAIS UTILIZANDO BUSCAPOR SIMILARIDADE

LONDRINAŰPR

2013




Trabalho de Conclusão de Curso apresentadoao curso de Bacharelado em Ciência da Com-putação da Universidade Estadual de Lon-drina para obtenção do título de Bacharel emCiência da Computação.

Orientador: Prof. Dr. Daniel dos Santos Kas-ter

LONDRINAŰPR

2013

Breno Naodi KusunokiIDENTIFICAÇÃO DE TRAJETÓRIAS PADRÕES E DE PONTOS INTER-

MEDIÁRIOS EM DADOS ESPAÇO-TEMPORAIS UTILIZANDO BUSCA PORSIMILARIDADE/ Breno Naodi Kusunoki. Ű LondrinaŰPR, 2013-

Orientador: Prof. Dr. Daniel dos Santos Kaster

Ű Universidade Estadual de Londrina, 2013.

1. Busca por similaridade. 2. Trajetória padrão. 3. Itinerário padrão. I.Prof. Dr. Daniel dos Santos Kaster II. Universidade Estadual de Londrina. III.Faculdade de Ciência da Computação. IV. IDENTIFICAÇÃO DE PADRÕES DEITINERÁRIOS E DE PONTOS INTERMEDIÁRIOS EM DADOS ESPAÇO-TEMPORAIS UTILIZANDO BUSCA POR SIMILARIDADE.

CDU 02:141:005.7




Trabalho de Conclusão de Curso apresentadoao curso de Bacharelado em Ciência da Com-putação da Universidade Estadual de Lon-drina para obtenção do título de Bacharel emCiência da Computação.

BANCA EXAMINADORA

Prof. Dr. Daniel dos Santos KasterUniversidade Estadual de Londrina

Orientador

Prof. Dr. Vitor Valério de S. CamposUniversidade Estadual de Londrina

Prof. Dr. Jacques Duílio BrancherUniversidade Estadual de Londrina

LondrinaŰPR, 24 de novembro de 2013

LONDRINAŰPR

2013

Dedico este trabalho aos meus pais, Catarina e Paulo, que me deram todo o suporte que

precisei até o presente momento.

AGRADECIMENTOS

Agradeço primeiramente aos meus pais, Catarina e Paulo, por todo apoio e dedi-

cação que contribuiram para a conclusão deste trabalho.

Ao meu orientador, professor Dr. Daniel dos Santos Kaster, pelo grande apoio,

orientação e principalmente pela grande oportunidade que ele me deu em conjunto com

o Giovani Benedetti Penha e a Veltec Soluções Tecnológicas S/A.

Agradeço a Izabel da secretaria acadêmica do CCE, por esclarecer as dúvidas

referentes a todo tipo de documentação durante a graduação e também agradeço a Valdete

Matos por todo apoio e momentos de descontração.

A todos que me ajudaram durante a graduação e principalmente ao Arthur Henri-

que Coutinho, Marcos Okamura, Luiz Guilherme Castilho Martins, Rafael Seidi Shigue-

oka, Ernesto Yuiti Saito, Pedro Sena Tanaka e Hélio Albano de Oliveira que ajudaram e

me acompanharam durante os últimos anos da graduação.

Por Ąm, agradeço a todos os professores e funcionários do departamento que de-

sempenham suas funções em sua totalidade.

Todas as vitórias ocultam uma abdicação. (Simone de Beauvoir)

KUSUNOKI, B. N.. IDENTIFICAÇÃO DE TRAJETÓRIAS PA-

DRÕES E DE PONTOS INTERMEDIÁRIOS EM DADOS

ESPAÇO-TEMPORAIS UTILIZANDO BUSCA POR SIMILARI-

DADE. 60 p. Trabalho de Conclusão de Curso (Graduação). Bacharelado em

Ciência da Computação Ű Universidade Estadual de Londrina, 2013.

RESUMO

O problema de reconhecimento de padrões é extremamente difundido e exis-tem inúmeros trabalhos que abordam esse problema e suas variantes. Esta pesquisaconsiste na busca de padrões de itinerários e de pontos intermediários em dadosespaço-temporais utilizando busca por similaridade e técnicas de mineração de da-dos. A principal motivação para esta pesquisa foi a possibilidade de solucionar umproblema real, referente ao problema de reconhecimento de padrões, onde o pro-cesso de se encontrar esses padrões pode ser manual e oneroso. O objetivo Ąnal é oreconhecimento dos padrões que foram citados anteriormente de forma automática.

Palavras-chave: Busca por similaridade. Trajetória padrão. Itinerário pa-

drão.

KUSUNOKI, B. N.. PATTERN RECOGNITION OF TRAJECTO-

RIES AND INTERMEDIATE POINTS IN SPATIO-TEMPORAL

DATA USING SIMILARITY SEARCH.. 60 p. Final Project (Under-

graduation). Bachelor of Science in Computer Science Ű State University of

Londrina, 2013.

ABSTRACT

The problem of pattern recognition is extremely widespread and exist inmany works dealing with this problem and their variants. The research consistsin Ąnding itinerary and intermediate point patterns in space-temporal data usingsimilarity search and data mining techniques. The main motivation for this researchis the possibility to solve real problems, about the pattern recognition, where thethe process to Ąnd these patterns can be manual and expensive. The Ąnal objectiveis the pattern recognition that were mentioned earlier automatically.

Keywords: Similarity search. Trajectory pattern. Itinerary pattern.

LISTA DE ILUSTRAÇÕES

Figura 1 Ű Visualização de um ponto no mapa. . . . . . . . . . . . . . . . . . . . . 28

Figura 2 Ű Ilustração de alguns centroides representados pela letra M. . . . . . . . 28

Figura 3 Ű Exemplo da árvore de decisão para problema de ir jantar no restaurante. 31

Figura 4 Ű Direcional habilitado (a) e Direcional desligado (b). . . . . . . . . . . . 33

Figura 5 Ű Ilustração das regiões. . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

Figura 6 Ű Ilustração dos pontos classiĄcados. . . . . . . . . . . . . . . . . . . . . 36

Figura 7 Ű Saída do programa de visualização utilizando R. . . . . . . . . . . . . . 40

Figura 8 Ű A visualização do programa desenvolvido com Google Maps. . . . . . . 41

Figura 9 Ű Visualização dos pontos iniciais e Ąnais dos itinerários cadastrados. . . 42

Figura 10 ŰTrajetória com ruídos (a) e Itinerário cadastrado (b). . . . . . . . . . . 42

Figura 11 ŰPontos de uma determinada trajetória. . . . . . . . . . . . . . . . . . . 45

Figura 12 ŰTotal de pontos obtidos. . . . . . . . . . . . . . . . . . . . . . . . . . . 47

Figura 13 Ű Intermediários obtidos. . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

Figura 14 ŰConstrução dos pontos de uma determinada trajetória. . . . . . . . . . 50

Figura 15 ŰComparação de trajetórias. . . . . . . . . . . . . . . . . . . . . . . . . 51

Figura 16 Ű Ilustração do itinerário em vermelho e o padrão reconhecido em azul. . 55

Figura 17 ŰVelocidade do veículo entre dois envios de posições. . . . . . . . . . . . 56

Figura 18 Ű Ilustração dos pontos intermediários em azul. . . . . . . . . . . . . . . 56

Figura 19 Ű Ilustração da comparação da distância entre pares de posições. . . . . . 58

Figura 20 Ű Ilustração da comparação de trajetórias utilizando área dos polígonos. . 58

LISTA DE TABELAS

Tabela 1 Ű Experimento com 2 bases de dados da mesma empresa em número de

pontos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

Tabela 2 Ű Experimento com 2 bases de dados da mesma empresa em porcentagens. 37

Tabela 3 Ű Análise utilizando conjuntos de empresas distintas em número de pontos. 38

Tabela 4 Ű Análise utilizando conjuntos de empresas distintas em porcentagens. . 39

LISTA DE ABREVIATURAS E SIGLAS

API Application Programming Interface.

GPS Global Positioning System.

GIS Geographic Information System.

SAD69 South American Datum 1969.

SQL Structured Query Language.

SUMÁRIO

1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

1.1 Motivação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

1.2 Objetivos e contribuições . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

1.3 Organização do trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

2 Fundamentação Teórica . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

2.1 Conceitos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

2.1.1 Geoprocessamento . . . . . . . . . . . . . . . . . . . . . . . . . . 27

2.1.1.1 Coordenada geográĄca . . . . . . . . . . . . . . . . . . . 27

2.1.1.2 Ponto . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

2.1.1.3 Posição . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

2.1.1.4 Centroide . . . . . . . . . . . . . . . . . . . . . . . . . . 28

2.1.1.5 Trajetória . . . . . . . . . . . . . . . . . . . . . . . . . . 29

2.1.1.6 Constante de mapa . . . . . . . . . . . . . . . . . . . . . 29

2.1.2 Mineração de dados . . . . . . . . . . . . . . . . . . . . . . . . . . 30

2.1.2.1 Descoberta de Conhecimento em Banco de Dados . . . . 30

2.1.2.2 Descoberta de padrões em séries temporais . . . . . . . . 30

2.1.3 Busca por similaridade . . . . . . . . . . . . . . . . . . . . . . . . 30

2.1.4 Dados espaço-temporais . . . . . . . . . . . . . . . . . . . . . . . 31

2.1.5 Árvore de decisão . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

2.2 Descrição do problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

2.2.1 Conceitos relacionados ao problema . . . . . . . . . . . . . . . . . 32

2.2.1.1 Posição . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

2.2.1.2 Itinerário . . . . . . . . . . . . . . . . . . . . . . . . . . 33

2.2.1.3 Direcional . . . . . . . . . . . . . . . . . . . . . . . . . . 33

2.2.1.4 Região . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

2.2.2 Análise dos dados complexos . . . . . . . . . . . . . . . . . . . . . 34

2.2.2.1 Análise dos dados utilizando os métodos de classiĄcação

existentes no Weka . . . . . . . . . . . . . . . . . . . . . 35

2.2.2.2 Análise de bases de dados distintas . . . . . . . . . . . . 37

2.2.2.3 Resultado da análise . . . . . . . . . . . . . . . . . . . . 39

2.2.2.4 Visualização dos dados complexos no plano geográĄco . 39

2.3 Trabalhos correlatos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

2.4 Experimentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

2.4.1 Utilização de árvores de decisão para se obter os pontos iniciais e

Ąnais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

2.4.2 Detecção dos pontos de início e Ąm das trajetórias através do tempo

parado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

3 Proposta de Solução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

3.1 Pré-processamento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

3.2 Construção das trajetórias descritas pelos veículos . . . . . . . . . . . . . 49

3.3 Construção dos pontos de cada trajetória . . . . . . . . . . . . . . . . . . 49

3.4 Construção das regiões . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

3.5 Comparação e identiĄcação das trajetórias mais frequentes . . . . . . . . 50

3.6 Extrair os itinerários padrões . . . . . . . . . . . . . . . . . . . . . . . . 51

4 Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

5 Conclusão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

Referências . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59

23

1 INTRODUÇÃO

Na última década a utilização de técnicas de geoprocessamento cresceu substanci-

almente. Este crescimento pode ser observado pelo grande número de ferramentas criadas

como Google Earth1, Google Maps2, ArcGIS3 que podem ser utilizadas na cartograĄa,

fotogrametria, geoestatística, banco de dados geográĄcos, WebMapping4, SIG(Geographic

Information System) e auxiliando também em tomadas de decisão fundamentadas nas

informações extraídas através das ferramentas citadas.

Atualmente, existem diversas soluções que utilizam dados espaço-temporais para

rastreamento e gerenciamento de veículos de forma inteligente visando a diminuição de

gastos com manutenções, combustível, pneus, entre outros fatores que poderiam ser evi-

tados com o uso correto do veículo. A pesquisa está ambientada na área de buscas por

similaridade em dados espaço-temporais e será baseada em um problema real que ocorre

em uma dessas soluções existentes no mercado.

1.1 Motivação

A motivação da pesquisa é que em um dos sistemas de gerenciamento de frotas

que existem no mercado, há algumas funcionalidades que dependem do cadastramento

manual e exaustivo dos itinerários a serem percorridos pelos veículos, pois sem esses

itinerários delineados previamente, não é possível inferir se o veículo está percorrendo o

trajeto correto, se o mesmo está na velocidade correta para o trecho, se o motorista está

gastando combustível além do necessário, entre outras conclusões.

O problema consiste em encontrar itinerários padrões a partir de uma base de da-

dos espaço-temporais e efetuar a extração de pontos intermediários, que podem ser pontos

de ônibus de transporte coletivo ou paradas obrigatórias em viagens interestaduais, dos

itinerários identiĄcados de forma automática. Esses dados são gerados a partir de veículos

que possuem um módulo de GPSGlobal Positioning System que envia posições a cada um

minuto e quarenta e cinco segundos ou em intervalos menores quando o direcional do

módulo está ativado. O direcional é uma conĄguração do módulo que quando habilitada,

o veículo passa a reportar uma maior quantidade de posições quando o mesmo efetua

1 Google Earth é um aplicativo que permite ao utilizador visualizar e procurar por lugares de seuinteresse, possibilitando a visualização de imagens de satélite, mapas, terrenos, edifícios 3D.

2 Google Maps é um produto que permite ao usuário traçar rotas para lugares, pesquisar por lugares deinteresse como hotéis, restaurantes, lojas, permite também uma visão no nível da rua do local atravésdo Google Street View.

3 ArcGIS é uma plataforma para criação e gerenciamento de soluções através da aplicação do conheci-mento geográĄco.

4 WebMapping é o processo de criação, implementação e geração de mapas para World Wide Web.

24 Capítulo 1. Introdução

curvas com mais de vinte e cinco graus. Essas posições que descrevem em que localidade

o automóvel se encontra no globo terrestre contêm informações como latitude, longitude,

data em que foi enviada, velocidade do veículo, direção em graus, eventos como ignição

ligada ou desligada, porta aberta ou fechada, entre outras. Essas posições são enviadas

para um gateway onde são processadas e persistidas em sistemas de gerenciamento de

banco de dados relacionais e que são utilizadas pelo software existente para efetuar o

gerenciamento e rastreamento de veículos.

1.2 Objetivos e contribuições

O principal objetivo deste trabalho de conclusão de curso foi obter uma solução

que encontrasse itinerários e pontos intermediários padrões de tal forma que a solução

fosse extraída dos dados espaço-temporais e processada gerando as trajetórias de cada

itinerário juntamente com os respectivos pontos intermediários.

O resultado deste trabalho pode ser utilizado em diversos problemas que os ob-

jetivos são a identiĄcação de trajetórias e locais padrões, de acordo com as trajetórias

feitas por quaisquer objetos móveis que tenham dispositivos para reportar as posições

geográĄcas dos mesmos juntamente com o instantes em que elas foram enviadas, como na

identiĄcação de vias públicas para se implantar faixas exclusivas para ônibus, utilizando a

identiĄcação das trajetórias frequentes, descritas por ônibus de transporte coletivo, onde

há um grande número de localidades onde os ônibus permanecem por um longo tempo

sem desenvolver um velocidade maior que, por exemplo, vinte quilômetros por hora ou

não se deslocam mais que duzentos metros.

Em se tratando de aplicações reais, as análises sempre estarão sujeitas a erros,

visto que, os bancos de dados em sua maioria detêm dados com ruídos e por portanto,

foi necessário efetuar um pré-processamento para Ąltrar os dados ruidosos dos dados

Ądedignos.

Um dos objetivos especíĄcos é o reconhecimento dos pontos onde cada itinerário

começa e termina, para que se possa delimitar todas as trajetórias que passam por esses

pontos e também identiĄcar e remover outliers.

Outro objetivo é a identiĄcação de regiões semelhantes entre as trajetórias para

inferir se determinadas regiões são pontos intermediários ou são somente pontos de tráfego

intenso em determinados horários. Por Ąm a identiĄcação dos pontos intermediários de

cada itinerário padrão reconhecido, que podem ser pontos de transporte coletivo de deter-

minada linha de ônibus, locais de entrega de mercadorias, pontos de parada em viagens

interestaduais, entre outros.

1.3. Organização do trabalho 25

1.3 Organização do trabalho

No capítulo 2 contém toda a fundamentação teórica para este trabalho de conclusão

de curso, a descrição do problema, trabalhos correlacionados a proposta de pesquisa e os

experimentos realizados; no capítulo 3 está descrita a proposta de solução do problema; no

capítulo 4 contém os resultados obtidos e no capítulo 5 consta a conclusão e os trabalhos

futuros.

27

2 FUNDAMENTAÇÃO TEÓRICA

2.1 Conceitos

Antigamente, as informações como a disposição das malhas ferroviárias e dos recur-

sos minerais em determinada região eram armazenadas somente em documentos e mapas

em papel. Com o advento da tecnologia de geoprocessamento, foi possível transcrever e

armazenar essas informações em ambiente computacional de tal forma que as mesmas pu-

dessem ser representadas e analisadas com maior facilidade. Desta maneira, surgiu o geo-

processamento. Com o aumento das informações coletadas e o avanço no armazenamento

de grandes quantidades de dados, surgiu a necessidade de se ter formas de se proces-

sar e extrair informações relevantes de forma automática que antes eram desconhecidas,

utilizando técnicas de KDD(Knowledge-Discovery in Databases), mais especiĄcamente,

mineração de dados.

2.1.1 Geoprocessamento

Geoprocessamento é um processo que utiliza técnicas com fundamentação matemá-

tica e computacional para o processamento dos dados geográĄcos e que vem inĆuenciando

de forma crescente várias áreas como cartograĄa, telecomunicações, transportes, planeja-

mento urbano, análise de recursos naturais possibilitando assim o processamento, análise

e tomadas de decisão baseadas nas informações retiradas desses dados [1].

2.1.1.1 Coordenada geográĄca

As coordenadas (a latitude e a longitude) de um ponto sobre a superfície da Terra,

se referem ao equador e a um meridiano-origem. No âmbito deste trabalho a longitude

será representada por � é a latitude por �.

2.1.1.2 Ponto

Um ponto �� é composto por 2 coordenadas geográĄcas(� e �). A Ągura 1 mostra

como é representado o ponto no mapa.

2.1.1.3 Posição

Uma posição é composta pelas coordenadas x e y contendo também quando a

posição foi enviada.

��(�, �, ��ℎ��) (2.1)

28 Capítulo 2. Fundamentação Teórica

Figura 1: Visualização de um ponto no mapa.

2.1.1.4 Centroide

Centroide é o centro de gravidade de uma determinada unidade geográĄca. Na

geometria o centroide é um ponto que deĄne o centro geométrico de uma forma, se a

mesma possuir uma seção homogênea o centroide coincidirá com o centro de massa e se o

corpo não for homogêneo e se o mesmo for submetido a um campo gravitacional constante

o centroide será o centro de gravidade [2].

Figura 2: Ilustração de alguns centroides representados pela letra M.

Se tratando de dados geográĄcos o centroide pode ser calculado pelos seguintes

passos:

1. Converter lat1(latitude) e lng1(longitude) de graus para radianos.

��1 = ��1 ∗ Þ/180

��1 = ��1 ∗ Þ/180(2.2)

2. Converter lat1/lng1 para coordenadas cartesianas para primeira posição.

�1 = ��(��1) ∗ ��(��1)

�1 = ��(��1) ∗ (��1)

�1 = ��(��1)

(2.3)

2.1. Conceitos 29

3. Repetir 1 e 2 para todas as posições para obter o centroide das mesmas.

4. Calcular o peso total de todas as posições.

(� = �1 + �2 + �3 + ... + ��)/�

(� = �1 + �2 + �3 + ... + ��)/�

(� = �1 + �2 + �3 + ... + ��)/�

(2.4)

5. Converter a média de x, y, z de coordenadas para latitude e longitude.

�� = ��2(�, �)

ℎ�� = ��(� ∗ � + � ∗ �)

�� = ��2(�, ℎ��)

(2.5)

6. Converter lat e lng para graus.

�� = �� ∗ 180/Þ

�� = �� ∗ 180/Þ(2.6)

2.1.1.5 Trajetória

Uma trajetória, no contexto deste trabalho, é a evolução de um objeto no espaço

em um determinado intervalo de tempo e pode ser deĄnida por uma sequência Ąnita

de posições ordenadas cronologicamente, �� : ��1→ ��

2→ · · · → ��

�, cada posição

�� ∈ ��.

2.1.1.6 Constante de mapa

A constante de mapa C, também chamada de grau geodésico, é um valor aproxi-

mado resultante do cálculo do comprimento da circunferência da terra dividido por 360

graus, representado na fórmula 2.7.

C =2Þ�

360(2.7)

Levando em consideração que o raio da terra é de 6378160 metros, igual ao semi-

eixo maior do modelo de coordenadas SAD69, temos:

C =2× 3.141592(Þ)× 6378160�

360∼= 11320 �� (2.8)


2.1.2 Mineração de dados

Nas últimas décadas grandes organizações têm gerado uma grande quantidade de

dados que podem ser interpretáveis por computadores com sistemas de gerenciamento

de banco de dados, para que o este processamento seja possível, existe a tecnologia de

banco de dados que disponibiliza linguagens de consulta como a SQL(Structured Query

Language). O problema com a linguagem de consulta estruturada é que ela parte do

pressuposto que o usuário tem conhecimento do esquema da base de dados. A mineração

de dados é o processo de se obter informações antes desconhecidas à partir de padrões

ou regras em bases de dados de grande volume [3]. Para Tan, a mineração de dados

é o processo automático de descoberta de informações úteis em grandes quantidades de

dados que não eram conhecidas antes da aplicação das técnicas de extração de informações

relevantes da base de dados [4].

2.1.2.1 Descoberta de Conhecimento em Banco de Dados

A descoberta de conhecimento em bancos de dados(Knowledge Discovery in Data-

bases), este processo é composto normalmente por seis etapas, seleção dos dados a serem

processados, remoção de ruídos, enriquecimento, transformação, mineração e a constru-

ção dos relatórios e apresentação dos resultados. Destes resultados pode ser obtido novas

informações como, regras de associação, padrões seqüenciais e árvores de classiĄcação ou

decisão. Os conhecimentos descobertos durante a garimpagem de dados podem ser descri-

tos como regras de associação, hierarquias de classiĄcação, padrões seqüenciais, padrões

com séries temporais e clusterização [3].

2.1.2.2 Descoberta de padrões em séries temporais

As séries temporais são seqüências de acontecimentos, sendo que cada evento pode

ser um tipo imutável de uma determinada transação. Na análise das séries temporais,

diversos padrões podem ser encontrados analisando as seqüências e as sub-seqüências.

[??]. Séries podem ser comparadas por meio da deĄnição de medidas de similaridades

para tentar prever o comportamento da bolsa de valores, por exemplo [5].

2.1.3 Busca por similaridade

A busca por similaridade surgiu da necessidade de se ter consultas mais inteligen-

tes, que possam comparar dados complexos e estabelecer relações de similaridade entre

eles. Esse tipo de busca pode ser utilizado para veriĄcar semelhanças entre imagens, ví-

deos, séries temporais, dados genéticos, entre outros dados complexos [6].

Uma das aplicações da busca por similaridade é a detecção de semelhanças entre

imagens médicas como ressonância magnética, mamograĄa e tomograĄa. Essa busca pode

2.1. Conceitos 31

auxiliar o diagnóstico do paciente, pois o médico pode recuperar imagens semelhantes da

base de dados, comparar com a do paciente e veriĄcar os diagnósticos de cada imagem

recuperada ajudando o médico na tomada de decisão e no prognóstico [7, 8].

2.1.4 Dados espaço-temporais

Antes, pesquisas em modelos de dados espaciais e temporais eram desenvolvidas

separadamente, atualmente essas pesquisas estão correlacionadas. Quando existe a inte-

gração de espaço e tempo, temos dados geométricos evoluindo ao longo do tempo. Em

banco de dados existem três abstrações fundamentais de dados espaço-temporais, pontos

que descrevem a localização de um objeto, linhas que descrevem conexões no espaço ou

a evolução de determinados objetos no espaço-tempo que podem ser representadas como

polilinhas e regiões onde a medida é relevante representadas por polígonos [9].

2.1.5 Árvore de decisão

Árvores de decisão são estruturas que podem ser utilizados para aprendizagem e

também para tomada de decisões de acordo com a entrada, a estrutura de uma árvore de

decisão é similar a regras de se-então, estrutura muito utilizada para implementação de

sistemas especialistas e em problemas cujo objetivo é classiĄcar o conjunto de dados de

entrada, o conjunto de entrada pode ser discretos ou contínuos. Na Ągura 3 é ilustrada

a estrutura de uma árvore decisão cujo objetivo é decidir se determinada pessoa deve

ou não ir em um restaurante para jantar, neste exemplo os dados são discretos, sendo

que o aprendizado através desses dados é chamado de classiĄcação. Inicialmente todos os

atributos devem ser descritos e também é necessário um conjunto de entrada já classiĄcado

para que o algoritmo de árvore de decisão possa gerar o modelo de classiĄcação. O modelo

gerado é ilustrado no algoritmo 1.

!"#$%"&'

()' *"+

!"#$"%&'#$$

,&%-'

*"+ ()'

!"#$("#$

Figura 3: Exemplo da árvore de decisão para problema de ir jantar no restaurante.


Algoritmo 1: Modelo de classiĄcação do exemplo de ir jantar no restau-rante.

Entrada: ��[ ]← Conjunto com as entradas com os respectivosatributos

Saída : ��[ ]← Conjunto contendo as entradas classiĄcadas

enquanto existir entradas em ��[ ] façaentrada ← próxima entrada de ��[ ]se entrada.Dinheiro == 0 então

entrada.ClassiĄcação ← NÃO;��[ ].adicionar(entrada);

Ąm sesenão

se entrada.Dinheiro entre 31 e 50 reais entãose entrada.Preço > 50 reais então

entrada.ClassiĄcação ← NÃO;��[ ].adicionar(entrada);

Ąm sesenão

entrada.ClassiĄcação ← SIM;��[ ].adicionar(entrada);

Ąm seĄm sesenão

se entrada.Dinheiro > 50 reais entãoentrada.ClassiĄcação ← SIM;��[ ].adicionar(entrada);

Ąm seĄm se

Ąm seĄm enqto

2.2 Descrição do problema

O problema consiste na identiĄcação de trajetórias padrões utilizando busca por

similaridade, das trajetórias desenvolvidas por objetos móveis no espaço geográĄco, como,

trajetórias desenvolvidas por veículos automotores, ciclistas, pedestres, animais, a partir

de uma base de dados espaço-temporais; e de cada trajetória padrão reconhecida, obter

os pontos intermediários padrões da mesma.

2.2.1 Conceitos relacionados ao problema

2.2.1.1 Posição

Uma posição � é composta pelo identiĄcador, o identiĄcador do veículo, data e hora

em que foi enviada, latitude, longitude, direção do veículo em relação ao globo terrestre

no instante em que a posição foi enviada, velocidade do veículo, valor que indica se o

2.2. Descrição do problema 33

veículo está com a ignição ligada ou desligada no momento do envio da posição e o tipo

de posição. Determinada posição também pode ser representada da seguinte forma:

��(��, ��, ��ℎ��, ��, ��, ��çã�, ��, ��çã�, ��) (2.9)

2.2.1.2 Itinerário

No âmbito deste trabalho um itinerário �� é deĄnido como uma lista ordenada

Ąnita de pontos, �� : ��1 → ��

2 → · · · → ��, onde ��

1 é o ponto inicial e o �� é o Ąnal.

2.2.1.3 Direcional

O direcional é uma conĄguração do módulo que quando habilitada, o veículo passa

a reportar uma maior quantidade de posições quando o mesmo efetua curvas com mais

de vinte e cinco graus. Essa conĄguração existe para que se possa delinear curvas com

maior precisão, pois sem ela o veículo envia uma posição a cada 1 minuto e 45 segundos.

A Ągura 4 ilustra as posições enviadas com o direcional habilitado e com a conĄguração

desligada.

!"#"$ !"%"$

Figura 4: Direcional habilitado (a) e Direcional desligado (b).


2.2.1.4 Região

Uma região pode ser representada por um quadrado de arestas de tamanho Δ� no

plano xy, deĄnida por duas componentes 2.10.

��(�� , �� ) (2.10)

Dado um ponto ��(��, ��), podemos inferir qual região o mesmo se

localiza no mapa, para isso deve-se efetuar dois cálculos para encontrar a primeira e a

segunda componente ilustrados em 2.11, 2.12 respectivamente.

�� =

⟩

��

Δ�

︀

(2.11)

�� =

⟩

��

Δ�

︀

(2.12)

Na Ągura 5 é mostrado algumas regiões plotadas no mapa, as regiões em verde

demonstram que a região tem entre 3 à 10 pontos, as laranjas contêm de 11 à 20 pontos,

as vermelhas de 21 à 30 pontos e as pretas têm no mínimo 31 pontos ou mais.

Figura 5: Ilustração das regiões.

2.2.2 Análise dos dados complexos

Nesta seção serão mostradas algumas análises dos dados complexos com a intenção

de se ter uma melhor compreensão do problema.


2.2.2.1 Análise dos dados utilizando os métodos de classiĄcação existentes

no Weka

Para esta análise, foi utilizado o software Weka1 na versão 3.6.9 e o sistema opera-

cional utilizado foi Mac OS X na versão 10.9. No total foram efetuados 32 testes utilizando

os algoritmos padrões de classiĄcação disponíveis no software.

Objetivo desta análise é veriĄcar se existe a possibilidade de se classiĄcar os pontos

enviados pelos veículos como pontos de interesse, neste caso pontos iniciais, intermediários

ou Ąnais. Esta primeira análise foi realizada da seguinte forma, primeiramente houve a

necessidade de se classiĄcar o conjunto de dados A com base nos pontos iniciais e Ąnais já

cadastrados no sistema. A classiĄcação consistiu em comparar cada posição do conjunto

A com cada ponto de interesse cadastrado no sistema e veriĄcar se determinado ponto

estiver a menos de 50 metros do ponto cadastrado, o mesmo é classiĄcado como um ponto

de interesse, caso contrário o ponto é classiĄcado como uma posição normal.

O segundo passo foi utilizar o conjunto de dados A como entrada para os algoritmos

de classiĄcação contidos no Weka gerando assim um modelo de classiĄcação baseado nos

dados classiĄcados do conjunto de dados A e o terceiro passo foi utilizar um outro conjunto

de dados B para testar o modelo de classiĄcação analisando a acurácia do mesmo.

Os conjuntos de dados são da mesma empresa mas de meses distintos e cada

conjunto de dados possui 100.000 posições. Os atributos utilizados para gerar o modelo

de classiĄcação foram data, direção, velocidade, ignição, tipo e o atributo objetivo é se

determinada posição é ou não um ponto inicial ou Ąnal.

Na Ągura 6 estão demonstrados os resultados depois que o conjunto de dados B foi

classiĄcado pelo modelo. O círculo preto representa um determinado ponto de interesse

cadastrado no sistema com raio de 50 metros. Os pontos verdes representam os pontos

classiĄcados de maneira correta pelo modelo. Os círculos azuis são os pontos que não são

de interesse e o vermelho é uma posição que foi classiĄcada erroneamente como sendo de

interesse pelo modelo de classiĄcação.

A tabela 1 mostra os resultados obtidos utilizando diversos algoritmos de classiĄ-

cação já implementados no programa Weka e a tabela 2 traz o resultado em porcentagem.

1 Weka Coleção de algoritmos de aprendizado de máquina para resolver problemas de mineração dedados implementados em Java e de código aberto sob a licença GPL.


Figura 6: Ilustração dos pontos classiĄcados.

Nome do método Corretos Incorretos Positivos Negativos Falsos negativos Falsos positivos

Logistic 73335 26667 2328 71007 23630 3037

Attribute Selected Classifier 73376 26626 3012 70364 22946 3680

Bagging 73816 26186 6546 67270 19412 6774

Classification Via Regression 73465 26537 4386 69079 21572 4965

Filtered Classifier 73823 26179 1796 72027 24162 2017

Logit Boost 73323 26679 2938 70385 23020 3659

Multi Class Classifier 73335 26667 2328 71007 23630 3037

Random Committee 69760 30242 9401 60359 16557 13685

Random Sub Space 73613 26389 2331 71282 23627 2762

Decision Table 73295 26707 2455 70840 23503 3204

JRip 73860 26142 1342 72518 24616 1526

OneR 68733 31269 3602 65131 22356 8913

PART 73869 26133 2234 71635 23724 2409

J48 74064 25938 3642 70422 22316 3622

LMT 74012 25990 4122 69890 21836 4154

Random Forest 70862 29140 9135 61727 16823 12317

Random Tree 67910 32092 9467 58443 16491 15601

REP Tree 72167 27835 6989 65178 18969 8866

Tabela 1: Experimento com 2 bases de dados da mesma empresa em número de pontos.



Logistic 73.335% 26.667% 3.1744733% 96.82553% 88.6114% 11.388607%

AttributeSelectedClassifier 73.376% 26.626% 4.104884% 95.89512% 86.178925% 13.821077%

Bagging 73.816% 26.186% 8.867996% 91.132% 74.13122% 25.868786%

ClassificationViaRegression 73.465004% 26.537% 5.9701896% 94.02981% 81.290276% 18.709726%

FilteredClassifier 73.823% 26.179% 2.432846% 97.567154% 92.29535% 7.704649%

LogitBoost 73.323% 26.679% 4.0069284% 95.99307% 86.28509% 13.714907%

MultiClassClassifier 73.335% 26.667% 3.1744733% 96.82553% 88.6114% 11.388607%

RandomCommittee 69.76% 30.241999% 13.476205% 86.523796% 54.748363% 45.251637%

RandomSubSpace 73.613% 26.389% 3.1665602% 96.833435% 89.53352% 10.466482%

DecisionTable 73.295% 26.706999% 3.3494782% 96.65052% 88.00314% 11.996855%

JRip 73.86% 26.142002% 1.8169509% 98.183044% 94.16265% 5.83735%

OneR 68.733% 31.269% 5.2405686% 94.75943% 71.49573% 28.50427%

PART 73.869% 26.133001% 3.0242727% 96.97572% 90.78177% 9.21823%

J48 74.063995% 25.938002% 4.917369% 95.08263% 86.035934% 13.964069%

LMT 74.012% 25.99% 5.569367% 94.43063% 84.01693% 15.98307%

RandomForest 70.862% 29.14% 12.891253% 87.10875% 57.73164% 42.26836%

RandomTree 67.909996% 32.092% 13.94051% 86.059494% 51.386635% 48.61336%

REPTree 72.167% 27.835% 9.684482% 90.31552% 68.14802% 31.851986%

Tabela 2: Experimento com 2 bases de dados da mesma empresa em porcentagens.

2.2.2.2 Análise de bases de dados distintas

A segunda análise utiliza duas bases de dados de empresas distintas, cada uma

com 100.000 posições e de meses distintos.

A tabela 3 mostra os resultados obtidos em número de pontos e a tabela 4 traz

o resultado em porcentagem.



Logistic 92667 7335 574 92093 5118 2217

Attribute Selected Classifier 93059 6943 569 92490 5123 1820

Bagging 92667 7335 574 92093 5118 2217

Classification Via Regression 91127 8875 755 90372 4937 3938

Filtered Classifier 92840 7162 549 92291 5143 2019

Logit Boost 92724 7278 584 92140 5108 2170

Multi Class Classifier 92667 7335 574 92093 5118 2217

Random Committee 84370 15632 1566 82804 4126 11506

Random Sub Space 93708 6294 328 93380 5364 930

Decision Table 88644 11358 606 88038 5086 6272

JRip 93585 6417 347 93238 5345 1072

OneR 80277 19725 885 79392 4807 14918

PART 92970 7032 260 92710 5432 1600

J48 91381 8621 709 90672 4983 3638

LMT 90828 9174 722 90106 4970 4204

Random Forest 85908 14094 1543 84365 4149 9945

Random Tree 82568 17434 1653 80915 4039 13395

REP Tree 88057 11945 1237 86820 4455 7490

Tabela 3: Análise utilizando conjuntos de empresas distintas em número de pontos.



Logistic 92.667% 7.3349996% 0.6194222% 99.38058% 69.77505% 30.224949%

Attribute Selected Classifier 93.059% 6.9430003% 0.61144006% 99.38856% 73.786545% 26.213451%

Bagging 92.667% 7.3349996% 0.6194222% 99.38058% 69.77505% 30.224949%

Classification Via Regression 91.127% 8.875% 0.82851404% 99.171486% 55.62817% 44.37183%

Filtered Classifier 92.84% 7.162% 0.59133995% 99.40866% 71.80955% 28.190449%

Logit Boost 92.724% 7.278% 0.6298262% 99.37018% 70.18412% 29.815882%

Multi Class Classifier 92.667% 7.3349996% 0.6194222% 99.38058% 69.77505% 30.224949%

Random Committee 84.37% 15.632001% 1.8561101% 98.14389% 26.394575% 73.60542%

Random Sub Space 93.708% 6.294% 0.35002348% 99.64998% 85.22402% 14.775976%

Decision Table 88.644% 11.358001% 0.68363345% 99.31637% 44.77901% 55.220993%

JRip 93.585% 6.4170003% 0.37078592% 99.62921% 83.29437% 16.705626%

OneR 80.277% 19.724998% 1.1024328% 98.89757% 24.370089% 75.62991%

PART 92.97% 7.032% 0.2796601% 99.720345% 77.24687% 22.753128%

J48 91.381004% 8.620999% 0.77587247% 99.22413% 57.80072% 42.19928%

LMT 90.828% 9.174% 0.79490906% 99.205086% 54.17484% 45.825157%

Random Forest 85.908005% 14.094% 1.7961075% 98.20389% 29.438057% 70.56194%

Random Tree 82.568% 17.434% 2.0019863% 97.99801% 23.167376% 76.83263%

REP Tree 88.057% 11.945001% 1.4047719% 98.59522% 37.29594% 62.704063%

Tabela 4: Análise utilizando conjuntos de empresas distintas em porcentagens.

2.2.2.3 Resultado da análise

Em ambas as bases de dados o resultado das classiĄcações dos dados pelos algo-

ritmos não foi satisfatória, pois a porcentagem de dados classiĄcados corretamente como

positivos foi relativamente baixo e a porcentagem de falsos negativos foi alta, tornando

a classiĄcação e extração dos pontos de interesse inviável pois a maior parte dos pontos

que eram de interesse foram classiĄcados erroneamente, o que poderia comprometer a de-

limitação das trajetórias feitas pelos veículos e por consequência a busca por similaridade

entre as trajetórias reconhecidas.

2.2.2.4 Visualização dos dados complexos no plano geográĄco

Para facilitar a compreensão do problema foi desenvolvido um programa de visu-

alização dos dados geográĄcos, inicialmente o software de visualização dos dados espaço-

temporais começou a ser desenvolvido utilizando o programa R2, programa utilizado para

2 R é um programa que oferece um ambiente para computação estatística e elaboração de gráĄcos.


computação estatística e construção de gráĄcos, mas com a grande quantidade de dados,

em torno de milhões de posições geográĄcas, o desempenho do mesmo não foi satisfatório

e também o R não tem mapas nativos com informações detalhadas como malhas rodo-

viárias e cidades. A Ągura 7 ilustra o resultado do processamento dos dados geográĄcos

pelo programa desenvolvido utilizando o R.

−22.79 −22.78 −22.77 −22.76 −22.75 −22.74 −22.73

−4

7.2

1−

47

.20

−4

7.1

9−

47

.18

−4

7.1

7−

47

.16

−4

7.1

5−

47

.14

Raw data

x

y

Figura 7: Saída do programa de visualização utilizando R.

Uma alternativa escolhida foi desenvolver o programa utilizando as APIs do Go-

ogle, visto que as APIs proporcionam mais opções personalizadas para visualização dos

dados, permitindo plotar pontos, polígonos e polilinhas no mapa. A Ągura 8 mostra a

saída do programa escrito utilizando o Google Maps3.

3 Google Maps é uma API que fornece diversas funcionalidades como visão da rua em determinadalocalização geográĄca, construções em três dimensões, rotas de ônibus, entre outras diversas funcio-nalidades.


Figura 8: A visualização do programa desenvolvido com Google Maps.

Mas como o Google Maps tem restrições de utilização do mesmo na criação de

trabalhos derivados do conteúdo ou de qualquer parte da API, optou-se por desenvolver

utilizando tecnologias open source4 como Open Street Maps5, Play Framework6 e a bi-

blioteca de javascript LeaĆet7. A Ągura 9 mostra a visualização dos pontos iniciais dos

itinerários cadastrados no sistema em verde e os Ąnais em vermelho.

Existe a necessidade de se pré-processar os dados, pois na base de dados existem

diversos ruídos que podem ser posições inseridas para teste da aplicação, posições du-

plicadas, posições com características especiais que só existem depois do cadastramento

manual dos itinerários, posições incorretas devida a falha na conĄguração do módulo que

envia as posições ou até mesmo por falha de hardware.

4 O termo open source, ou código aberto em português, foi criado pela OSI (Open Source Initiative) erefere-se a software também conhecido por software livre.

5 Open Street Maps(OSM) é uma ferramenta colaborativa para criação e edição de mapas do mundo.6 Play é uma ferramenta baseada na leveza e com uma arquitetura amigável para desenvolvimento web.

É construída utilizando Akka, fornecendo um ambiente para aplicações escaláveis.7 LeaĆet é uma biblioteca JavaScript desenvolvida para proporcionar uma melhor interação com mapas

através de dispositivos móveis.


Figura 9: Visualização dos pontos iniciais e Ąnais dos itinerários cadastrados.

!"# !$#

Figura 10: Trajetória com ruídos (a) e Itinerário cadastrado (b).

2.3 Trabalhos correlatos

Através de uma simples análise dos dados espaço-temporais pode-se retirar diver-

sas informações de objetos em movimento como velocidade, aceleração, trajetória entre

determinado espaço de tempo, que podem ser utilizadas para se obter os pontos inter-

mediários visto que nesses pontos geralmente o objeto móvel permanece parado. Assim,

existe a possibilidade de se agrupar essas informações de tal forma que se possa distin-

2.3. Trabalhos correlatos 43

guir quais trajetórias foram desenvolvidas por carros, caminhões, ônibus, motocicletas ou

pedestres. Esta classiĄcação das trajetórias é feita analisando a variação da velocidade,

aceleração e o intervalo em que a velocidade varia durante o decorrer da trajetória [10].

Shaw e Gopalan[11] têm como objetivo, encontrar os padrões de trajetórias mais

frequentes em um banco de dados relacional que é alimentado por um arquivo de texto

contendo as coordenadas. Esse trabalho utiliza uma modiĄcação do algoritmo de associa-

ção chamado Apriori para extrair as coordenadas mais frequentes da base de dados, que

se assemelha a pesquisa, visto que as trajetórias mais frequentes têm uma maior chance

de serem as trajetórias padrões que normalmente são utilizadas.

Zheng, Wei e Peng[12] propõem uma forma de se inferir as rotas mais populares

através de um conjunto de trajetórias incertas geradas por aplicações de geolocalização

como Foursquare8, Flickr9 e trajetórias feitas por táxis. Neste trabalho foi utilizado um

grafo roteável, onde os vértices são as posições geográĄcas, as arestas indicam o tempo

de cada trajeto entre 2 vértices e um algoritmo denominado de top-k que obtém as k

rotas mais utilizadas, este trabalho é correlacionado com a pesquisa pois ele detecta os

lugares com maior número de visitas que no caso desta pesquisa podem ser os pontos

intermediários.

Existem outros trabalhos como de Wen [13] que cria um método que obtém as rotas

regulares de uma base de dados que contem históricos das trajetórias já feitas por usuários

com objetivo de obter mais informações sobre o comportamento das pessoas, recomendar

roteiros de viagens de acordo com as rotas obtidas pelo método podendo assim melhorar a

experiência do turista durante a viagem e como consequência disso uma maior satisfação

do cliente, o trabalho de Wen tem relação com a pesquisa pois o algoritmo obtém diversas

informações das localidades mais frequentadas o que se assemelha na identiĄcação dos

locais que são pontos intermediários de uma determinada trajetória.

O trabalho de Fontes e Bogorny [14] propõe um método de detecção de anomalias

em trajetórias entre determinadas regiões delimitadas por polígonos no espaço geográĄco,

que leva em consideração a duração da trajetória, alinhamento do tempo dos pontos em

relação as demais trajetórias e veriĄcando se a distância de cada ponto não está a uma

distância maior que um determinado limiar, os autores utilizam janela de tempo para

veriĄcar a similaridade das trajetórias, o que poderia ser aplicado também a pesquisa.

Outro trabalho relacionado a pesquisa e ao reconhecimento de padrões entre tra-

jetórias é o de Panagiotakis, Pelekis e Kopanakis, pois na pesquisa dos autores, existe

a classiĄcação de sub-trajetórias utilizando uma método baseado em comparações entre

8 Foursquare é um aplicativo que permite ao utilizador indicar onde se encontra e procurar por lugarespróximos de seu interesse.

9 O Flickr é um site da web de hospedagem e partilha de imagens, que possibilita indicar em que lugaras fotos foram tiradas.


objetos que estiveram no mesmo lugar e em instantes muito próximos [15].

Aplicação de métodos que fazem o alinhamento de posições de GPS enviados pelo

usuário à malha rodoviária, obtendo as trajetórias com uma baixa taxa de amostragem

de posições [16]. O artigo [17] utiliza um método de clusterização para agrupar rotas

realizadas por táxis com objetivo de identiĄcar outliers que podem ser rotas fraudulentas

que têm maiores distâncias em relação as rotas comumente utilizadas para se ir a um

determinado lugar, este trabalho está correlacionado a pesquisa pois as trajetórias têm

uma baixa amostragem de posições.

2.4 Experimentos

2.4.1 Utilização de árvores de decisão para se obter os pontos

iniciais e Ąnais

Objetivo deste experimento foi veriĄcar se o reconhecimento dos pontos de início

e Ąm das trajetórias era possível utilizando uma árvore de decisão. O primeiro teste feito

foi utilizando somente os atributos direção, velocidade, ignição, tipo e a data em que a

posição foi enviada, no resultado que foi obtido a porcentagem de falsos positivo foi maior

que 86% no conjunto de testes que foi submetido a árvore de decisão, houve uma grande

perda de dados relevantes para classiĄcação dos pontos iniciais ou Ąnais, visto que das

25.958 posições que eram pontos iniciais ou Ąnais, 22.316 posições foram classiĄcadas

como negativas pelo modelo de classiĄcação gerado pelo algoritmo J48 do Weka.

2.4.2 Detecção dos pontos de início e Ąm das trajetórias através

do tempo parado

O reconhecimento dos pontos de início e Ąm das trajetórias com base no tempo

parado consistiu em obter os locais delimitados por um limiar distância(Δ�), onde os

veículos estiveram parados por um certo tempo que é determinado por um limiar(Δ�)

como é demonstrado no algoritmo 2.

A base de dados que foi utilizada nos experimentos possui 90 milhões de posições

de um período total de seis meses de captura de dados, sendo que cada posição no conjunto

de dados tinha atributos como velocidade, direção do veículo, data em que a posição foi

enviada, entre outros. Neste experimento os atributos utilizados foram somente a data e

a velocidade. Após o algoritmo ser rodado o resultado obtido foi que das 90 milhões de

posições, 10.559 eram posições onde o veículo estava parado durante um tempo maior

ou igual ao Δ� que neste caso foi de 10 segundos, sendo que dessas 10.559, somente

2.4. Experimentos 45

2.297 posições foram identiĄcadas corretamente como pontos iniciais ou Ąnais comparando

com as 1101 posições que deveriam ser identiĄcadas, mas dessas 2.297 posições somente

536 eram distintas. E na classiĄcação dos pontos intermediários foram classiĄcados 137

posições como positivos sendo que o número de pontos itinerários é de 1204 pontos,

e somente 53 das posições reconhecidas eram distintos. Na Ągura 12 está ilustrado a

quantidade total de pontos obtidos variando o Δ� e na Ągura 13 é ilustrada a quantidade

de pontos iniciais, Ąnais e intermediários reconhecidos mudando o Δ�, que é quanto tempo

determinado veículo deve permanecer dentro de um raio que determinado pelo Δ�.

Figura 11: Pontos de uma determinada trajetória.

−10 0 10 20 30 40 50 60 70 80 90 100 110

0

20

40

60

80

Tempo (minutos)

Vel

ocid

ade

Pontos da trajetória


Algoritmo 2: IdentiĄcação das regiões onde os veículos Ącaram paradosdurante um determinado Δ�.

Entrada: ��çõ��← conjunto com as posições enviadas pelos veículos��â��← Δ�

Saída : ��çõ��← conjunto de pontos parados

enquanto existir posição em ��çõ�� faça�← próxima posição de ��çõ��;se existir próxima posição em ��çõ�� então

�1← próxima posição de ��çõ��← distanciaEuclidiana(� ,�1);��← �1.�� − �.��;se �� < ��â��&&�� < �� então

��← �;��← �.��;��.adicionar(�);enquanto existir próxima posição em ��çõ��&& �� < ��â��&&�� < �� faça

�3← próxima posição de ��çõ��← distanciaEuclidiana(� ,�3);��← �3.�� − ��.��;se �� < ��â��&&�� < �� então

��.adicionar(�3); ��←calcularCentroide(��);��←�3.�� − ��;se �� > �� então

��← sim;Ąm se

Ąm seĄm enqtose �� == sim então

��çõ��← ��;��← não;

Ąm seĄm se

Ąm seĄm enqto

2.4. Experimentos 47

Figura 12: Total de pontos obtidos.

0 100 200 300 400 500 600

4,000

6,000

8,000

10,000

12,000

Limiar de tempo parado (segundos)

Núm

ero

depo

ntos

Total de pontos obtidos

Figura 13: Intermediários obtidos.

0 100 200 300 400 500 600

50

100

150

200

250

300

Limiar de tempo (segundos)

Núm

ero

depo

ntos

Total de pontos intermediáriosTotal de pontos iniciais e Ąnais

49

3 PROPOSTA DE SOLUÇÃO

A proposta de solução do problema é dividida em cinco etapas, que serão o pré-

processamento dos dados, a construção das trajetórias descritas pelos veículos, construção

das regiões, Ąltragem das trajetórias mais frequentes e a identiĄcação das trajetórias com

maior número de pontos intermediários frequentes e elencá-los como os possíveis itinerários

padrões.

3.1 Pré-processamento

Objetivo do pré-processamento foi Ąltrar todas as posições quando a conĄguração

do direcional não estava habilitada e também entradas ruidosas, agrupando os dados por

veículo e reordenando as posições pela ordem de inserção na base de dados.

3.2 Construção das trajetórias descritas pelos veícu-

los

A construção das trajetórias feitas pelos veículos baseou-se na iteração do conjunto

de posições obtidas de cada veículo, identiĄcando cada início de trajetória como a transição

da ignição do veículo de desligada para ligada; o mesmo foi feito para se completar a

construção de uma determinada trajetória quando o veículo estava com a ignição desligada

e sendo que na posição anterior o veículo estava com o motor ligado. O algoritmo que

está descrito em 3. A detecção de ciclos dentro de uma mesma trajetória é feita através

do armazenamento da primeira posição da trajetória durante a construção da mesma; se

existir algum outro ponto que a distância até o ponto inicial seja menor que o limiar de

distância, este último ponto se torna o ponto Ąnal da trajetória e a partir do próximo

ponto inicia-se uma nova trajetória.

3.3 Construção dos pontos de cada trajetória

A construção dos pontos de cada trajetória foi obtida através da iteração de todos

pontos que compõem a trajetória, em pares, analisando a distância euclidiana entre cada

par, se a distância entre os dois pontos for maior que o limiar de distância a construção

de pontos é necessária. A construção é feita a partir da equação da reta que passa entre o

par de pontos; Ąxa-se um ponto como ponto inicial; é adicionado ou subtraído o limiar de

distância na longitude do ponto Ąxado e com isso se obtém a latitude do mesmo até que a

50 Capítulo 3. Proposta de Solução

longitude seja maior ou menor, de acordo com o coeĄciente angular da reta. O resultado

da construção dos pontos de uma determinada trajetória é ilustrada na Ągura 14.

!"#"$ !"%"$

Figura 14: Construção dos pontos de uma determinada trajetória.

3.4 Construção das regiões

Neste passo objetivo é obter as regiões correspondentes a todas as trajetórias reco-

nhecidas para que a comparação entre trajetórias seja possível. As regiões são construídas

de acordo com o algoritmo 4.

3.5 Comparação e identiĄcação das trajetórias mais

frequentes

Todas as trajetórias são comparadas através das regiões de cada uma de tal forma

que as que tiverem uma maior porcentagem em comum com as demais trajetórias obtidas

será elencada como uma trajetória frequente.

Na Ągura 15 está ilustrado quatro comparações entre duas trajetórias, a com-

paração é feita pela média da porcentagem de regiões que são comuns entre as duas

trajetórias em relação ao total de regiões de cada uma e no algoritmo 5 é mostrado como

o reconhecimento é feito.

3.6. Extrair os itinerários padrões 51

!"#$!%&'(')

*+#*,%&'-')

."#""%&'/')

!00%&'1')

23(456738('!23(456738(',

Figura 15: Comparação de trajetórias.

3.6 Extrair os itinerários padrões

O último passo é elencar as trajetórias que têm um maior número de pontos

intermediários coincidentes, em relação as outras trajetórias Ąltradas. Esta comparação,

utilizou as regiões dos pontos intermediários identiĄcados quando o veículo permanecia por

um determinado tempo em uma região com raio determinado pelo limiar de distância,

o algoritmo para extração das trajetórias com maior número de pontos intermediários

coincidentes está ilustrado em 6.


Algoritmo 3: Construção das trajetórias.Entrada: ��çõ��← conjunto com as posições enviadas pelos veículos

��â��Saída : ��ó��← conjunto de trajetórias

enquanto existir posições em ��çõ�� faça�← próxima posição de ��çõ��;se � é uma posição cuja ignição está desligada então

�← nova trajetória;��← �; �.adicionar(�);se existir próxima posição em ��çõ�� então

�← próxima posição de ��çõ��Ąm sesenão

Retornar ��ó��;Ąm seenquanto � for do mesmo veículo de � e a ignição estiver ligadafaça

�.adicionar(�);se existir próxima posição em ��çõ�� então

�← próxima posição de ��çõ��;Ąm sesenão

Retornar ��ó��;Ąm se��← distanciaEuclidiana(��,�); se�� < ��â�� então

�.adicionar(�);��ó��.adicionar(�);�← nova trajetória;�.adicionar(�);��← �;

Ąm seĄm enqto

Ąm sesenão

se existir próxima posição em ��çõ�� então�← próxima posição de ��çõ��

Ąm sesenão

Retornar ��ó��;Ąm se

Ąm seĄm enqto

3.6. Extrair os itinerários padrões 53

Algoritmo 4: Construção de regiões.Entrada: �[ ]← �� ó��

Δ�← �� â��Saída : �[ ]← �� õ��

Δ� = ∆�C

�← ��ó�� ó�� [ ]enquanto existir trajetórias em �[ ] faça

�← ��ó�� ó�� [ ]enquanto existir posições no vetor de posições de � faça

�← próximo ponto do vetor de posições de �[ ]��← ��

⎞︁

�.��

∆�

︁

,︁

�.��

∆�

︁⎡

se região existir entãoAdicionar o ponto a região existente;

Ąm sesenão

��← nova região com o ponto adicionado;Adicionar a �� ao conjunto de regiões �[ ];

Ąm seĄm enqto

Ąm enqto

Algoritmo 5: Comparação e identiĄcação das trajetórias mais frequentes.Entrada: ��õ��← Conjunto de regiões;

��ó��← Conjunto de trajetórias Ąltradas;�� í��← Quantidade mínima de trajetórias para

que a mesma trajetória seja freqüente;��← porcentagem mínima de regiões coincidentes

para que a trajetória seja identiĄcada como freqüente;Saída : ��í��← Conjunto de trajetórias com maior número de

correlação;

enquanto existir trajetórias conjunto faça�← próxima trajetória do conjunto;enquanto existir pontos no conjunto de � faça

�ú��ê��← VeriĄcar quais trajetórias estãopresentes que satisfaçam a �� nas regiões que compõe �;se �ú��ê�� > �� í�� então

��í��← Adicionar � a saída;Ąm se

Ąm enqtoĄm enqto


Algoritmo 6: Obtenção das trajetórias Ąltradas com maior número depontos intermediários coincidentes.

Entrada: ��õ��← Conjunto de regiões de pontos intermediários;��ó��← Conjunto de trajetórias Ąltradas;

Saída : ��í��← Conjunto de trajetórias com maior número de pontosintermediários coincidentes;

enquanto existir trajetórias conjunto faça�← próxima trajetória do conjunto;��õ��← Obter todas as regiões dos pontosintermediários de �;�ú��ê��← Obter o número de pontos contidos em��;�.��ê��← �ú��ê��; ��í��←Adicionar � a ��í��;

Ąm enqto��í��← Ordenar o conjunto de trajetórias de saída pela quantidade deocorrências de pontos intermediários de cada trajetória em ordemdecrescente;

55

4 RESULTADOS

A solução proposta teve 3% de acerto, pois como na solução foi deĄnido que os

pontos iniciais e Ąnais de cada trajetória eram os pontos que tinham eventos de ignição

ligada/desligada, em grande parte das trajetórias reconhecidas os caminhos percorridos

eram maiores que o itinerário como é mostrado na Ągura 16, como a detecção de ciclos

e segmentação da trajetória em sub-trajetórias foi aplicada somente quando algum ponto

estava próximo do ponto inicial, estas repetições foram consideradas como uma trajetória.

!

"

Figura 16: Ilustração do itinerário em vermelho e o padrão reconhecido em azul.

Na parte da solução que consistia em identiĄcar os pontos intermediários, a porcen-

tagem de acerto foi de 1% visto que os pontos intermediários estavam sendo identiĄcados

quando o veículo permanecia em uma localidade por mais de um certo tempo que era

determinado por um limiar de tempo parado; sendo que nas trajetórias descritas pelos

veículos esses momentos eram quase inexistentes, pois como a janela de tempo no envio

das posições era de quarenta e cinco segundos quando o veículo não tinha uma inclinação

maior que vinte e cinco graus, essa janela era suĄciente para o veículo parar em um ponto

intermediário e continuar se deslocando até que a próxima posição fosse enviada com uma

velocidade diferente de zero e fora do limiar de distância, como é ilustrado no gráĄco 17

e na Ągura 18.

Com a utilização do atributo tipo que descreve qual o tipo da posição enviada

se houver uma Ąltragem na base de dados somente pelas posições onde o veículo abriu

ou fechou a porta, tipo 1 e tipo 2 respectivamente, se obtém 2.442.912 posições e nesse

conjunto de dados Ąltrado, 97% dos pontos intermediários que deveriam ser reconhecidos

estão no conjunto Ąltrado.

56 Capítulo 4. Resultados

A Ągura 17 ilustra o suposto comportamento de um veículo dentro da janela de 1

minuto e 45 segundos para envio da próxima posição e com distância de aproximadamente

700 metros devido ao erro do GPS; no instante 10 segundos a primeira posição do veículo

foi enviada, sinalizada como uma reta no instante 10 segundos, constando que o veículo

estava com velocidade de 55 quilômetros por hora; no segundo envio o veículo estava

com velocidade de 49 quilômetros por hora, sendo que entre os dois envios o veículo

desacelerou, permaneceu parado durante 9 segundos e voltou acelerar novamente.

Figura 17: Velocidade do veículo entre dois envios de posições.

0 20 40 60 80 100 120 140 160

0

20

40

60

Tempo (segundos)

Vel

ocid

ade

Velocidade do veículo

Figura 18: Ilustração dos pontos intermediários em azul.

57

5 CONCLUSÃO

Nas últimas décadas a utilização de reconhecimento de padrões utilizando buscas

por similaridade cresceu substancialmente, visto que grandes empresas vêm gerando gran-

des volumes de dados e para se processar esta quantidade de dados, diversas ferramentas

foram criadas. Além de ser um assunto de extrema relevância, pois este tema abrange di-

versos problemas do cotidiano que podem ser resolvidos de uma melhor forma utilizando

o reconhecimento de padrões.

Os objetivos deste trabalho consistiam em reconhecer os itinerários padrões e os

pontos intermediários, entretanto, esses objetivos não foram alcançados pois a porcenta-

gem de acerto foi baixa. O método proposto consistiu em detectar sub-ciclos de trajetórias

somente quando algum ponto da trajetória estivesse perto do ponto de início da mesma,

sendo que na grande parte das vezes essas repetições não ocorriam em torno do ponto onde

o veículo era ligado ou desligado. O que também contribuiu para baixa porcentagem de

acertos na detecção de pontos intermediários padrões foi a janela de tempo entre o envio

de duas posições pois o intervalo de tempo de 45 segundos foi suĄciente para que o veículo

parasse e voltasse a se deslocar até o próximo envio da posição do veículo, entretanto com

a utilização do atributo tipo que descreve qual o tipo da posição enviada se Ąltrarmos a

base de dados somente pelas posições onde o veículo abriu ou fechou a porta, tipo 1 e

tipo 2 respectivamente, se obtém 2.442.912 posições e nesse conjunto de dados Ąltrado,

97% dos pontos intermediários que deveriam ser reconhecidos estão compreendidos no

conjunto.

Este trabalho de conclusão de curso possibilitou o contato com diversas áreas do

conhecimento que são relacionadas como, Banco de Dados, Geoprocessamento, Inteligên-

cia ArtiĄcial.

Os trabalhos futuros consistem em utilizar uma estrutura que seja apropriada para

análise de trajetórias espaço-temporais, como STR-tree, TB-Tree, visto que, o tempo de

comparação entre as trajetórias pelo método proposto foi extremamente alto. Na parte

de identiĄcação de trajetórias semelhantes, elas poderiam ser comparadas pela soma das

distâncias entre os pares na Ągura 19, ou pela soma das áreas dos polígonos entre as duas

trajetórias na Ągura 20, por exemplo. Analisando somente as trajetórias construídas no

primeiro passo a partir das 90 milhões de posições, constatou-se que em todas as trajetórias

construídas a partir do ponto de ignição somente 253 dos 1101 itinerários padrões estavam

compreendidos dentro das trajetórias, utilizando uma porcentagem de 95% de correlação,

sendo assim necessário um estudo sobre técnicas de construção de trajetórias a partir de

sub-trajetórias, pois mais de 75% os itinerários foram compreendidos parcialmente pelas

trajetórias oriundas do primeiro passo.

58 Capítulo 5. Conclusão

!"

!#

$"

$#$%

$&

$'

$(

$)

$"

$#

$)

$% $&

$'

Figura 19: Ilustração da comparação da distância entre pares de posições.

!"

!#

Figura 20: Ilustração da comparação de trajetórias utilizando área dos polígonos.

59

REFERÊNCIAS

1 DAVIS MIGUEL VIEIRA MONTEIRO, G. C. e. C. Introdução à Ciência daGeoinformação. [S.l.: s.n.], 2001.

2 CENTER, G. Glossary of Key Terms. 2013. https://geodacenter.asu.edu/node/

390/. [Online; accessed 13-April-2013].

3 RUSSELL, S.; NORVIG, P. Inteligência artiĄcial. CAMPUS - RJ,2004. ISBN 9788535211771. Disponível em: <http://books.google.com.br-/books?id=wBMvAAAACAAJ>.

4 TAN, P.-N.; STEINBACH, M.; KUMAR, V. Introduction to Data Mining, (FirstEdition). Boston, MA, USA: Addison-Wesley Longman Publishing Co., Inc., 2005. ISBN0321321367.

5 MARSICO, M. D.; FRED, A. L. N. (Ed.). ICPRAM 2013 - Proceedings of the 2ndInternational Conference on Pattern Recognition Applications and Methods, Barcelona,Spain, 15-18 February, 2013. [S.l.]: SciTePress, 2013. ISBN 978-989-8565-41-9.

6 FILHO, R. F. S. et al. DesmistiĄcando o conceito de consultas por similaridade:A busca de novas aplicações na medicina. In: 2o Workshop de Informática Médica -WIMŠ2002. Gramado, RS: [s.n.], 2002. p. in CDŰROM.

7 PETRAKIS, E.; FALOUTSOS, C. Similarity searching in medical image databases.Knowledge and Data Engineering, IEEE Transactions on, v. 9, n. 3, p. 435Ű447, 1997.ISSN 1041-4347.

8 KASTER, D. dos S. Tratamento de condições especiais para busca por similaridade embancos de dados complexos. Tese (Doutorado) Ů Universidade de São Paulo, Institutode Ciências Matemáticas e de Computação, São Carlos, 2012.

9 ERWIG, M. et al. Spatio-temporal data types: An approach to modeling andquerying moving objects in databases. Geoinformatica, Kluwer Academic Publishers,Hingham, MA, USA, v. 3, n. 3, p. 269Ű296, set. 1999. ISSN 1384-6175. Disponível em:<http://dx.doi.org/10.1023/A:1009805532638>.

10 DODGE, S.; WEIBEL, R.; FOROOTAN, E. Revealing the physics of movement:Comparing the similarity of movement characteristics of diferent types of movingobjects. Computers, Environment and Urban Systems, v. 33, n. 6, p. 419Ű434, 2009.

11 ARTHUR.A.SHAW; GOPALAN, N. Article: Frequent pattern mining of trajectorycoordinates using apriori algorithm. International Journal of Computer Applications,v. 22, n. 9, p. 1Ű7, May 2011. Published by Foundation of Computer Science.

12 WEI, L.-Y.; ZHENG, Y.; PENG, W.-C. Constructing popular routes from uncertaintrajectories. In: Proceedings of the 18th ACM SIGKDD international conference onKnowledge discovery and data mining. New York, NY, USA: ACM, 2012. (KDD Š12),p. 195Ű203. ISBN 978-1-4503-1462-6. Disponível em: <http://doi.acm.org/10.1145-/2339530.2339562>.

https://geodacenter.asu.edu/node/390/

https://geodacenter.asu.edu/node/390/

http://books.google.com.br/books?id=wBMvAAAACAAJ

http://books.google.com.br/books?id=wBMvAAAACAAJ

http://dx.doi.org/10.1023/A:1009805532638

http://doi.acm.org/10.1145/2339530.2339562

http://doi.acm.org/10.1145/2339530.2339562

60 Referências

13 WEN et al. Mining regular routes from gps data for ridesharing recommendations.In: Proceedings of the ACM SIGKDD International Workshop on Urban Computing.New York, NY, USA: ACM, 2012. (UrbComp Š12), p. 79Ű86. ISBN 978-1-4503-1542-5.Disponível em: <http://doi.acm.org/10.1145/2346496.2346510>.

14 FONTES, V. C.; BOGORNY, V. Discovering semantic spatial and spatio-temporaloutliers from moving object trajectories. CoRR, abs/1303.5132, 2013.

15 PANAGIOTAKIS, C.; PELEKIS, N.; KOPANAKIS, I. Trajectory voting andclassiĄcation based on spatiotemporal similarity in moving object databases. In:Proceedings of the 8th International Symposium on Intelligent Data Analysis: Advancesin Intelligent Data Analysis VIII. Berlin, Heidelberg: Springer-Verlag, 2009. (IDA Š09),p. 131Ű142. ISBN 978-3-642-03914-0. Disponível em: <http://dx.doi.org/10.1007/978-3-642-03915-7 12>.

16 LOU, Y. et al. Map-matching for low-sampling-rate gps trajectories. In: Proceedingsof the 17th ACM SIGSPATIAL International Conference on Advances in GeographicInformation Systems. New York, NY, USA: ACM, 2009. (GIS Š09), p. 352Ű361. ISBN978-1-60558-649-6. Disponível em: <http://doi.acm.org/10.1145/1653771.1653820>.

17 GE, Y. et al. A taxi business intelligence system. In: Proceedings of the 17th ACMSIGKDD international conference on Knowledge discovery and data mining. New York,NY, USA: ACM, 2011. (KDD Š11), p. 735Ű738. ISBN 978-1-4503-0813-7. Disponível em:<http://doi.acm.org/10.1145/2020408.2020523>.

http://doi.acm.org/10.1145/2346496.2346510

http://dx.doi.org/10.1007/978-3-642-03915-7_12

http://dx.doi.org/10.1007/978-3-642-03915-7_12

http://doi.acm.org/10.1145/1653771.1653820

http://doi.acm.org/10.1145/2020408.2020523

identificaÇÃo de trarias padrs e de pontos rmediÁrs … · 2014-08-04 · bro naodi kusunoki...

Documents