Por favor, use este identificador para citar o enlazar este ítem: http://www.repositorio.ufc.br/handle/riufc/58551
Título em portugués: Uma arquitetura e implementação do módulo de pré-processamento para biblioteca PyMove
Autor: Sanches, Arina de Jesus Amador Monteiro
Tutor(es): Macedo, José Antônio Fernandes
Cotutor(es): Freitas, Nicksson Ckayo Arrais de
Palabras clave : Trajetória
Análise de trajetória
Pré-processamento de trajetória
Filtragem de ruído
Detecção de pontos de parada
Compressão
Segmentação
Fecha de publicación : 2019
Resumen en portugués: O volume de dados de trajetória teve um grande aumento nos últimos anos. Os avanços das tecnologias de coleta de dados de localização, o aumento do número de dispositivos que usam estas tecnologias, e a redução no custos destes dispositivos, contribuíram para o aumento no volume dos dados. Os dados de trajetórias ajudam a desenvolver os trabalhos de diferentes áreas do conhecimento. No entanto, na literatura é possível constatar que não existem muitas ferramentas cujo principal foco seja o pré-processamento de dados de trajetória. O presente trabalho tem como principal objetivo projetar uma biblioteca, extensível e flexível, para auxiliar na análise de dados de trajetória, tendo o seu maior foco nas operações de pré-processamento de dados. A biblioteca se chama PyMove e vem sendo desenvolvida na linguagem Python, já oferece suporte para as seguintes etapas do pré-processamento de dados: filtragem de ruído, detecção de pontos de parada, compressão, map-matching e segmentação. O PyMove tem como vantagem, em relação aos outros trabalhos relacionados, ser uma biblioteca flexível e possuir suporte para uma maior número de atividades de pré-processamento de dados. Entretanto o PyMove possui ainda poucas operações para a etapa de compressão de dados.
Resumen en inglés: Trajectory data volume has increased greatly in recent years. Advances in location data collection technologies, an increase in the number of devices that use these technologies, and a reduction in the cost of these devices have all contributed to increased data volume. Trajectory data helps to develop work from different areas of knowledge. However, in the literature there are not many tools whose main focus is the preprocessing of trajectory data. The present work has as main goal of designing an extensible and flexible library to assist in the analysis of trajectory data, focusing on data preprocessing operations. The library is called PyMove and it has been developed in Python language, it supports the following stages of data preprocessing: noise filtering, stay point detection, compression, map-matching and segmentation. PyMove has the following advantages over other related work: It is a flexible library and supports more data preprocessing activities. However, PyMove has few operations for data compression.
URI : http://www.repositorio.ufc.br/handle/riufc/58551
metadata.dc.type: TCC
Aparece en las colecciones: CIÊNCIA DA COMPUTAÇÃO - Monografias

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
2019_tcc_ajamsanches.pdf1,94 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.