Uma abordagem baseada em algoritmo genético para a otimização de seleção de subtrajetórias relevantes para classificação

Abstract

Com o atual avanço de tecnologias para a coleta de dados de trajetória, tais como GPS e smartphones, temos cada dia uma maior quantidade de dados relacionados à movimentação de pessoas e objetos, e devido ao crescente uso de informações neste contexto, é importante a análise deste conjunto de dados espaço-temporais a fim de agregar valor a estes dados. Neste trabalho, estudou-se um método de seleção de subtrajetórias relevantes chamado Movelets, que procura determinar subtrajetórias frequentes estritamente em uma classe específica. Em trabalhos anteriores, isso foi realizado para determinar a classe a que pertence cada trajetória através de uma busca exaustiva. O objetivo final foi propor e implementar um algoritmo genético que obtivesse acurácia semelhante a busca exaustiva utilizando um menor tempo de processamento. Os resultados obtidos mostram que a implementação proposta conseguiu apresentar bons resultados de acurácia, e de tempo de execução, superando o Movelets em acurácia para 18 dos 30 testes executados e em tempo de execução para grandes datasets, demonstrando que a implementação proposta foi muito bem sucedida.