Please use this identifier to cite or link to this item:
http://hdl.handle.net/1843/44153
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor1 | Jussara Marques de Almeida Gonçalves | pt_BR |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/3286329883412205 | pt_BR |
dc.contributor.advisor-co1 | Aline Carneiro Viana | pt_BR |
dc.contributor.referee1 | Razvan Stanica | pt_BR |
dc.contributor.referee2 | Luís Henrique Maciel Kosmalski Costa | pt_BR |
dc.contributor.referee3 | Katia Obraczka | pt_BR |
dc.contributor.referee4 | Antônio Alfredo Ferreira Loureiro | pt_BR |
dc.contributor.referee5 | Pedro Olmo Stancioli Vaz de Melo | pt_BR |
dc.creator | Douglas do Couto Teixeira | pt_BR |
dc.creator.Lattes | http://lattes.cnpq.br/5404425265470615 | pt_BR |
dc.date.accessioned | 2022-08-10T18:47:42Z | - |
dc.date.available | 2022-08-10T18:47:42Z | - |
dc.date.issued | 2021-08-02 | - |
dc.identifier.uri | http://hdl.handle.net/1843/44153 | - |
dc.description.abstract | Predição de mobilidade é uma tarefa importante, mas desafiadora. Fatores como a rotina de um indivíduo ou suas preferências por alguns lugares favoritos pode ajudar na hora de predizer a próxima localização do indivíduo. Por outro lado, vários fatores contextuais, como variações nas preferências individuais, clima, trânsito, ou até mesmo pessoas com as quais o indivíduo se relaciona podem afetar seus padrões de mobilidade e tornar a predição significativamente mais desafiadora. Uma abordagem fundamental no estudo de mobilidade é avaliar quão previsível esse tipo de comportamento (mobilidade) é, derivando limites teóricos na acurácia que um modelo de predição pode atingir em um determinado conjunto de dados. Essa abordagem foca na natureza inerente e nos padrões fundamentais de comportamento humano, capturados nos dados, filtrando assim fatores que dependem das especificidades da estratégia de predição adotada. Entretanto, o método estado-da-arte para estimar previsibilidade em mobilidade humana, proposto por Song et al., sofre de três grandes limitações. Ele possui baixa interpretabilidade, o que torna difícil rastrear as causas de determinados valores de previsibilidade, ou seja, é difícil saber o que faz a mobilidade de um indivíduo ser menos ou mais previsível. Segundo, esse método enxerga mobilidade humana como sendo uma entidade indivisível, dificultando o entendimento de diferentes componentes da mobilidade de um indivíduo. Terceiro, esse método possui pouca flexibilidade para incorporação de fatores externos (informação de contexto) que sabidamente ajudam em predição de mobilidade.Nesta tese de doutorado, nós revisitamos esta técnica estado-da-arte, com o objetivo de sanar essas limitações e de discutir formas de usar informação de previsibilidade em aplicações práticas. | pt_BR |
dc.description.resumo | Predicting mobility-related behavior is an important yet challenging task. On one hand, factors such as one's routine or preferences for a few favorite locations may help in predicting their mobility. On the other hand, several contextual factors, such as variations in individual preferences, weather, traffic, or even a person's social contacts, can affect mobility patterns and make its prediction significantly more challenging. A fundamental approach to study mobility-related behavior is to assess how predictable such behavior is, deriving theoretical limits on the accuracy that a prediction model can achieve given a specific dataset. This approach focuses on the inherent nature and fundamental patterns of human behavior captured in that dataset, filtering out factors that depend on the specificities of the prediction method adopted. However, the current state-of-the-art method to estimate predictability in human mobility, proposed by Song et al., suffers from three major limitations. First, it has low interpretability, which makes it difficult to trace the causes of given predictability values. Second, it views one's mobility as one monolithic entity, thus preventing us from understanding the impact of one's routine on predictability. And third, it lacks flexibility to incorporate external factors which are known to help mobility prediction (i.e., contextual information). In this thesis, we revisit this state-of-the-art predictability technique, aiming at tackling these limitations as well as at providing techniques to use predictability information in practical applications. | pt_BR |
dc.description.sponsorship | CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior | pt_BR |
dc.language | eng | pt_BR |
dc.publisher | Universidade Federal de Minas Gerais | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | ICX - DEPARTAMENTO DE CIÊNCIA DA COMPUTAÇÃO | pt_BR |
dc.publisher.program | Programa de Pós-Graduação em Ciência da Computação | pt_BR |
dc.publisher.initials | UFMG | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.rights.uri | http://creativecommons.org/licenses/by-nd/3.0/pt/ | * |
dc.subject | human mobility | pt_BR |
dc.subject | prediction | pt_BR |
dc.subject | entropy | pt_BR |
dc.subject | predictability | pt_BR |
dc.subject.other | Computação – Teses | pt_BR |
dc.subject.other | Previsão – Teses | pt_BR |
dc.subject.other | Mobilidade humana – Teses | pt_BR |
dc.subject.other | Entropia – Teses | pt_BR |
dc.title | Predictability in human mobility: interpretability, extensions, and applications | pt_BR |
dc.title.alternative | Previsibilidade em mobilidade humana: interpretabilidade, extensões e aplicações | pt_BR |
dc.type | Tese | pt_BR |
Appears in Collections: | Teses de Doutorado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Tese___Versao_Nova.pdf | 2.92 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License