Skip navigation
Please use this identifier to cite or link to this item: https://repositorio.ufpe.br/handle/123456789/18700
Title: Supporting real-time mobility services with scalable flock pattern mining
Authors: LACERDA, Thiago de Barros
Keywords: as-chave: CidadesInteligentes. MineraçãodePadrões. DadosEspaço-temporais. Padrão de Flock.;SmartCities. PatternMining. Spatio-temporaldata. FlockPattern.
Issue Date: 29-Jul-2016
Publisher: Universidade Federal de Pernambuco
Abstract: Detecção de padrões em dados espaço-temporais tem se mostrado um tema de muita relevância nos dias atuais, tanto na academia quanto na indústria, devido a sua vasta aplicabilidade em auxiliar a solucionar problemas enfrentados na sociedade. Muitos desses problemas podem ser classificados no conexto de Cidades Inteligentes (Smart Cities), como Gerenciamento de Tráfego, Segurança e Planejamento de Cidades. Dentre os vários padrões espaço-temporais que podem ser extraídos de uma base de dados, o padrão de flock é um que vem atraindo muita atenção, devido a sua relação intrínseca com os problemas mencionados anteriormente. Muitas pesquisas vêm sendo feitas na academia, visando desenvolver algoritmos capazes de identificar esse padrão de movimentação. Porém, nenhum deles foi capaz de executar tal tarefa eficientemente, nem conseguiu escalar de maneira aceitável quando uma base de dados de grande tamanho foi analisada. Além disso, não foi encontrado nos trabalhos relacionados uma arquitetura de software que conseguisse ser simples e modular o suficiente para ser usada no problema de detecção de padrões deflock em dados espaço-temporais. Com isso em mente, essa dissertação propõe uma arquitetura desoftware modular, direcionada para solucionar problemas de detecção desse padrão e possivelmente ser utilizada para outros experimentos envolvendo mineração de padrões em dados espaço-temporais. Tal arquitetura foi então usada como base na implementação de um algoritmo de detecção deflock, focando em alcançar grandes ganhos em tempo de processamento, sem comprometer a precisão, visando então cenários de aplicações de temporealemCidadesInteligentes. Nofim,nóspropomosumaremodelagemnonossoalgoritmo para poder utilizar ao máximo o poder de processamento oferecido pelas arquiteturasmulti-core dos processadores modernos. Nossos resultados mostraram que nossa solução conseguiu superar propostasdoestadodaarte,alcançando99%dereduçãonotempodeprocessamentototal. Além disso, nossa remodelagemmulti-thread conseguiu melhorar os resultados da nossa solução em até 96% em alguns casos. A eficiência e performance da nossa proposta foi comprovada com avaliações feitas com bases de dados geradas sinteticamente e coletadas em experimentos reais.
URI: https://repositorio.ufpe.br/handle/123456789/18700
Appears in Collections:Dissertações de Mestrado - Ciência da Computação

Files in This Item:
File Description SizeFormat 
ThiagoLacerda_dissertacao_CD.pdf3.62 MBAdobe PDFView/Open


This item is protected by original copyright



This item is licensed under a Creative Commons License Creative Commons