Estudo do Comportamento de Consumo de Bebida em Centros Urbanos usando Redes de Sensoriamento Participativo

Abstract

O número de pessoas acometidas por doenças relacionadas ao abuso no consumo de bebidas alcoólicas tem crescido consideravelmente ao longo dos anos, contabilizando um total de 3 milhões de mortes ao ano em todo o mundo. Entretanto, não existem muitas aplicações voltadas à auxiliar essas pessoas em recuperação. Tendo em vista este cenário, na literatura podem ser encontradas técnicas de aprendizado de máquina que podem ajudar na identificação e caracterização de regiões geográficas propícias para o consumo alcoólico em grandes cidades utilizando dados urbanos. Este trabalho analisa o uso de Redes Sociais baseadas em Localização (LBSN) para avaliar o consumo de bebidas em Tóquio e Nova York. Foram coletados dados de check-ins em bares e restaurantes e, a partir de técnicas de aprendizagem de máquina, foi possível examinar os padrões de consumo de bebidas dos moradores das cidades. Resultados indicaram que, embora houvesse diferenças culturais nos hábitos de consumo de bebidas entre as duas cidades, os usuários tendiam a consumir mais álcool nos finais de semana e à noite. Além disso, foi possível identificar as regiões mais propícias a esse consumo.

Análise da Mobilidade Urbana por meio de Redes Sociais Baseadas em Localização: Estudo de Caso em Cidades Inteligentes

“…O presente trabalho se diferencia dos demais por apresentar de forma detalhada a coleta de dados para a modelagem e construc ¸ão de uma base de dados utilizando check-ins em LBSNs, respeitando as políticas de privacidade atuais, impostas pelas próprias LBSNs e pelas leis em vigor em cada país. Assim, a partir desta análise, é possível a proposic ¸ão de novas aplicac ¸ões utilizando os dados coletados neste trabalho para diferentes domínios já estudados na literatura, como o agrupamento e classificac ¸ão de regiões, propostos em [Silva et al 2023, Le Falher et al 2021, Zhang et al 2021]. Aplicac ¸ões voltadas à mobilidade urbana, propostas em [Santos et al 2018, Machado et al 2015, Brito et al 2022, Silva et al 2019.…”

“…Para isso, é desejável a combinac ¸ão de bases coletadas de diferentes LBSNs, já que atualmente existem LBSNs mais internacionalizadas que o Foursquare Swarm, utilizado para as análises do presente trabalho. Análises mais detalhadas são encontradas em [Silva et al 2023].…”

“…Classificac ¸ão: Agrupamento de regiões a fim de obter a classificac ¸ão das mesmas, assim como proposto em [Silva et al 2023]. Fluxo de Pessoas: Caracterizac ¸ão do fluxo de pessoas em diferentes meios de transporte dentro dos centros urbanos.…”

“…Assim como dito em [Silva et al 2023], a computac ¸ão urbana faz uso de grande quantidade de fontes de dados, como dispositivos de Internet das Coisas (IoT), dados de Redes Sociais Baseadas em Geolocalizac ¸ão (LBSN) e também dados estatísticos que facilitam na compreensão do ambiente urbano. A partir da análise dos dados obtidos é possível trabalhar com dados advindos de diferentes domínios, assim como é mostrado em [Machado et al 2015] e em [Gubert et al 2022].…”

“…Para isso, são explorados meios para realizar a coleta dos dados de forma a não infringir nenhuma das políticas de privacidade das redes provedoras dos dados. A partir dos dados coletados, são propostas possíveis aplicac ¸ões para os dados, como por exemplo para a classificac ¸ão de regiões, feito em [Silva et al 2023], análise da mobilidade humana para planejamento urbano, assim como feito em [Santala et al 2020], entre outras propostas de uso para os dados.…”