Please use this identifier to cite or link to this item:
https://rd.uffs.edu.br/handle/prefix/3344
Type: | Monografia |
Title: | Aplicação de aprendizado de máquina para identificar o meio de transporte baseado em localizações de GPS |
Author: | Müller, Ricardo Augusto |
First advisor: | Duarte, Denio |
Resume: | Apopularizaçãodedispositivoscontroladoresdegeolocalização, comooGPS(Global Position System), criou uma nova demanda para aplicações que utilizem deste grande volume de dados, chamados dados móveis. Um exemplo é a recomendação de produtos, a partir de lugares frequentados, rastreamento ou até planejamento urbano. Estes dados podem possuir diversas informações sobre o usuário, por exemplo, o método de locomoção utilizado, a partir de sua localização, velocidade de seu trajeto e o próprio trajeto executado. A partir dessas informação é possível descobrir qual o meio de transporte utilizado pelo usuário. Este trabalho então, busca a criação de um modelo de predição classificatória de métodos de transporte, através de um conjunto de dados formado por dados móveis. Assim como a criação do modelo, este trabalhotambémavaliaosresultadosobtidosecomparacomtrabalhosrelacionados,mesmoque tais trabalhos utilizem métricas e métodos diferentes. Os experimentos obtiveram resultados considerados bons, principalmente no modelo Random Forest, com uma acurácia de acerto acima de 80%. Como resultados satélites, este trabalho apresenta as classes que são mais facilmente preditas, além dos atributos mais informativos para a criação do modelo. |
Abstract: | The global use of geolocation dispositives, for example, GPS(Global Position System), has created a new demand for applications that manage the massive amount of data representing user’s location, called mobile data. As an example, product and places recommendation and urban planning. The mobile data contains much information about user behavior: mean of transportation, userlocation, userspeed, amongothers. Thispaperaimstobuildaclassification model to predict user means of transportation. The work intends to estimate the results and compare them with the baseline, even it uses different metrics and methods. The experiments have good results, mainly in the Random Forest model, with an accuracy of over 80%. As additional results, this paper presents the more easily predicted’ category, besides the more informative attributes for the creation of the model. |
Keywords: | Sistema de posicionamento global Transportes |
Language: | por |
Country: | Brasil |
Publisher: | Universidade Federal da Fronteira Sul |
Acronym of the institution: | UFFS |
College, Institute or Department: | Campus Chapecó |
Type of Access: | Acesso Aberto |
URI: | https://rd.uffs.edu.br/handle/prefix/3344 |
Issue Date: | 2019 |
Appears in Collections: | Ciência da Computação |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
MULLER.pdf | 1.43 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.