FenixEdu™

Dissertação

Semantic Classification of Locations in Human Trajectories Using Hidden Markov Models EVALUATED

Detalhes: Com o aparecimento de cada vez mais informação georreferenciada, devido à massificação da utilização de aparelhos que combinam receptores GPS com o acesso a serviços e redes sociais baseados em localização, assistimos a um crescente interesse na análise de históricos de localização referentes à mobilidade de atores humanos. Na minha tese de mestrado, comparei diferentes abordagens para a classificação de locais visitados em trajetórias humanas. Mais especificamente, as abordagens que utilizei para classificar os locais visitados através de categorias semânticas são baseadas em heurísticas e em modelos de Markov com variáveis ocultas (HMMs), sendo que estes últimos foram construídos com abordagens que consideram diferentes tipos de aprendizagem, nomeadamente supervisionada ou não supervisionada. Os modelos HMM consideram as características dos locais visitados como contexto não observável e relacionam esta informação num processo sequencial, que neste caso corresponde às trajetórias. Para a condução de uma série de experiências, construí um conjunto de dados que combina a informação previamente disponibilizada pelo conjunto de trajetórias GeoLife, com informação recolhida na rede social Foursquare. Os resultados mostram que uma eficácia de 56.5% na classificação de locais pode ser atingida ao utilizar um HMM supervisionado, quando consideradas observações para o HMM correspondendo a regiões com áreas compreendidas entre 740m2 e 1534m2, para a modelação dos locais existentes nas trajetórias.
Keywords: Modelos Hidden Markov, Classificação Semântica de Locais, Análise de Mobilidade Humana, Significado associado a Trajetórias, Aprendizagem Automática

Discussão: junho 5, 2015, 13:0