Finding Important Locations: A Feature-Based Approach

Identificação e Classificação de Pontos de Interesse Individuais com Base em Dados Esparsos

“…Os autores de [Cuttone et al 2014] apresentam uma solução baseada no algoritmo GMM, e outra que utiliza o DBScan juntamente com uma restrição de distância máxima entre pares de coordenadas de GPS para identificar PoIs. Em [Pavan et al 2015], são consideradas restrições de tempo, distância e velocidade máximas para filtrar pares de registros consecutivos. Por último, o trabalho [Montoliu et al 2013] apresenta soluções de agrupamento que utilizam restrições de tempo e distância entre registros consecutivos.…”

“…Dentre esses trabalhos, [Csáji et al 2013], [Trestian et al 2009], [Kung et al 2014], [Isaacman et al 2011], [Järv et al 2014], [Schneider et al 2013], [Ranjan et al 2012] e [Frias-Martinez et al 2010] utilizam CDRs, que são dados geralmente disponibilizados por operadoras de telefonia e que possuem apenas a localização das torres, e não dos aparelhos. Já [Lee et al 2015, Pavan et al 2015, Montoliu et al 2013] assumem que os dados de GPS são densos, para se conhecer detalhes de deslocamento e permanência dos usuários em cada local. O estudo de [Cuttone et al 2014] é um dos poucos que considera dados de GPS esparsos e está mais diretamente relacionado ao presente trabalho, sendo utilizado como base de comparação na avaliação dos resultados.…”

“…Além de facilitar a oferta de serviços e conteúdos baseados em localização, dados georreferenciados têm sido utilizados para o entendimento de padrões de mobilidade tanto de indivíduos quanto de grupos de pessoas [Pavan et al 2015, Naboulsi et al 2016. Essa fonte de dados está intimamente relacionada com o conceito de Cidades Inteligentes, uma vez que auxilia, por exemplo, no planejamento urbano [Rathore et al 2016] e na previsão de volume de tráfego rodoviário [Castro et al 2012].…”

Fast Ss-Ilm: A Computationally Efficient Algorithm to Discover Socially Important Locations

“…Pavan et al (2015) proposed an approach which is based on features of user movements to discover personal places of interest. Isaacman et al (2011) developed clustering and regression based methods to discover personal important locations.…”

“…To overcome this problem, we defined a threshold for being same location for different latitude-longitude pairs. As used before in (Pavan et al, 2015), we defined this threshold as 100 m. If two locations are closer than 100 m, same labels are assigned to these two locations.…”