Geração automática de mapas e mineração de perfis de usuários através de dados georreferenciados coletados usando smartphones George H. R. Costa, Fabiano Baldo PPGCA - Programa de Pós-Graduação em Computação Aplicada DCC - Departamento em Ciência da Computação UDESC/Joinville - Universidade do Estado de Santa Catarina, Brasil {dcc6ghrc, baldo}@joinville.udesc.br Resumo. Serviços que utilizam mapas rodoviários digitais têm papel essencial para grande parte da população. Em especial, destacam-se os serviços para smartphones. Estes aparelhos têm diversos sensores e múltiplas opções de conectividade, o que os torna ideal para coleta de dados. Analisando estes dados, pode-se gerar e atualizar mapas ou minerar perfis de usuários. Palavras-chave: Smartphones, mineração de dados, mapas 1. COLETA DE DADOS E GERAÇÃO DO MAPA Mapas rodoviários digitais estão se tornando cada vez mais comuns no dia-a-dia de grande parte da população. Tais mapas viabilizam serviços para planejamento de rotas, como o Google Maps; para locomoção guiada, como o Sygic GPS Navigation (para Android e iOS); para identificação de locais de interesse, como o Google Earth; entre outros. Além disso, seu uso está disseminado em áreas como transporte, segurança, planejamento urbano, controle de frotas, controle de tráfego, etc. Entretanto, para o bom funcionamento de todos os serviços que usam mapas digitais, é imprescindível que os mapas reflitam a realidade. Para que isso aconteça os mapas devem ser criados e atualizados regularmente a partir de dados acurados. É possível fazer isso de forma colaborativa e automática, usando smartphones. Estes aparelhos têm receptor GPS de boa acurácia, diversos sensores, e são largamente utilizados pela população o que aumenta a disponibilidade de dados. Definida a forma de obter dados, a dificuldade passar a ser a geração automática de mapas a partir deles. 2. MÉTODO PARA MAPEAMENTO AUTOMÁTICO DE VIAS A Universidade do Estado de Santa Catarina (UDESC) está desenvolvendo um método para gerar mapas a partir dos dados coletados, e a Figura 1 exibe o resultado até o momento. Este método tem quatro etapas: (i) identificar meio de transporte, (ii) filtrar dados, (iii) simplificar traçados e (iv) definir centro das vias. A última etapa é um dos maiores problemas na geração de mapas, e pode ser resolvido com um algoritmo genético. Sua função objetivo usa a idade e acurácia dos dados e a distância da coordenada candidata aos dados coletados para se aproximar do centro da via. O resultado é promissor, mas há espaço para melhorias. Em especial, em áreas com entroncamentos de vias paralelas e transversais, e em rodovias com mais de uma pista. Symposium on Knowledge Discovery, Mining and Learning – KDMiLe 2013 G. H. R. Costa e F. Baldo Fig. 1. 3. Teste do método: (a) imagem de satélite, (b) pontos pós filtragem, (c) centro das vias OUTROS POTENCIAIS DA MINERAÇÃO DOS DADOS COLETADOS Existem também outros potenciais para a mineração dos dados coletados. Aliando-se os dados georreferenciados a informações providas por aplicativos é possível inferir uma vasta gama de conhecimento sobre a população. Com técnicas de mineração é possível identificar perfis de comportamentos que podem ser explorados tanto pelo comércio quanto pela área de entretenimento. Também é possível identificar perfis de condutores de automóveis. Estes perfis facilitam o gerenciamento de frotas e agendamento de revisões. Um projeto para identificação de perfis de condutores de táxis esta sendo viabilizado através de uma parceria entre a UDESC e uma cooperativa de taxistas que atua em várias partes do país. 4. FORMAS DE EXPLORAÇÃO DOS RESULTADOS Os resultados destes projetos de mineração de dados podem ser explorados de diversas formas. Como exemplo disso, já existem iniciativas que exploram o georreferenciamento dos smartphones para criar aplicativos relevantes à população.O Waze [2013] é uma destas iniciativas, e provê uma rede social para pessoas se deslocando de automóvel. Com informações providas pelos próprios usuários o sistema alerta motoristas sobre acidentes etc. e planeja rotas que evitam engarrafamentos. Ele foi comprado pela Google recentemente pelo valor de um bilhão de dólares [The Telegraph 2013]. Outro exemplo vem do próprio Google, que armazena o histórico de localização de smartphones Android. Os usuários têm acesso a um dashbord com estatísticas de horas em casa, no trabalho ou em deslocamento, e que informa pontos comerciais próximos aos locais visitados. Como pôde ser visto dados de trajetória estão sendo usados para diversas finalidades. Entretanto, percebe-se que há uma gama de possibilidades ainda não exploradas. Uma delas é a mineração de perfis de usuários. Esta ferramenta de mineração pode ser agregada a um sistema de recomendação encapsulado em um aplicativo para smartphones. REFERÊNCIAS The Telegraph. Google buys Waze for $1bn. http://www.telegraph.co.uk/technology/google/10115080/Google-buysWaze-for-1bn.html, 2013. Waze. Free GPS Navigation with Turn by Turn - Waze. http://www.waze.com, 2013. Symposium on Knowledge Discovery, Mining and Learning – KDMiLe 2013