Para a comunidade de avaliação e gerenciamento de situações de emergências, determinar um processo de análise informacional para o desenvolvimento da Consciência da Situação (SAW) é um desafio, devido à limitada qualidade e complexidade dos dados, além da dinamicidade de ambientes reais monitorados. Operadores de sistemas de avaliação de situações de emergência, expostos a dados de qualidade incerta, estão suscetíveis a erros de SAW, diminuindo suas chances de uma tomada de decisão assertiva. Neste contexto, representar corretamente informações sobre tais situações, à medida que são coletadas e processadas, vai contribuir para melhor orientar humanos e sistemas sobre o que de fato acontece num ambiente de interesse. O presente trabalho visa contribuir com o problema de produção de melhores insumos na avaliação de situações de incêndios florestais, no âmbito do projeto DF100Fogo, apresentando o desenvolvimento de uma ontologia que agrega informações sobre a qualidade dos dados, promovendo ao operador de sistemas de emergência, uma melhor representação de dados sobre os incêndios. Um estudo de caso envolvendo um atendimento a uma situação de incêndio florestal será mostrado para demonstrar a aplicabilidade da ontologia junto à gestão da qualidade. Resultados apresentam um modelo de representação semântica, capaz de receber instâncias extraídas de dados de inteligência humana, com origem em sensoriamento participativo, e avaliadas quantitativamente sob aspectos de qualidade da informação.

No abstract

Considerando o crescente número de veículos nas cidades, aplicações capazes de informar a situação do tráfego nas vias se tornam mais utilizadas. Essas aplicações tem o objetivo de sugerir rotas, considerando congestionamentos e acidentes, identificados através de sensoriamento participativo. No entanto, existem outros problemas encontrados durante um percurso que afetam diretamente o usuário, como por exemplo, a criminalidade em uma determinada região. As regiões afetadas por uma alta incidência criminal podem evoluir durante o dia, dependendo do tipo do crime e da densidade de pessoas em uma determinada região. Portanto, esse trabalho tem o objetivo de propor um serviço capaz de identificar áreas com alta incidência criminal, levando em consideração a evolução do cenário, e sugerir rotas seguras que evitam essas regiões. A solução proposta permite obter uma rota mais segura sem comprometer o tempo do percurso, além disso, os resultados encontrados proporcionam verificar a capacidade de evitar regiões perigosas, tornando mais seguro o percurso de um condutor.

Nos dias atuais existe uma escassez de dados de mobilidade reais disponíveis abertamente. Sendo assim, diversos trabalhos da literatura geram mobilidade sintética a qual não representa a mobilidade real. Alguns desses trabalhos fazem o uso de dados contextuais para propor recomendação de rotas, no entanto não estudam o comportamento de tais dados. Além disso, o impacto de cada tipo de dado contextual muda de acordo com o perfil do usuário. Para resolver os problemas citados anteriormente é proposto o CERVA, uma solução de roteamento contextual para veículos com risco espaço-temporal. O CERVA é composto por três módulos, sendo: identificação das janelas contextuais, mapeamento de contexto, e personalização do roteamento. Os resultados da avaliação mostram que o CERVA recomenda as melhores rotas de acordo com o perfil do usuário.

No abstract