Please use this identifier to cite or link to this item: http://www.repositorio.ufc.br/handle/riufc/58551
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorMacedo, José Antônio Fernandes-
dc.contributor.authorSanches, Arina de Jesus Amador Monteiro-
dc.date.accessioned2021-05-21T18:27:17Z-
dc.date.available2021-05-21T18:27:17Z-
dc.date.issued2019-
dc.identifier.urihttp://www.repositorio.ufc.br/handle/riufc/58551-
dc.description.abstractTrajectory data volume has increased greatly in recent years. Advances in location data collection technologies, an increase in the number of devices that use these technologies, and a reduction in the cost of these devices have all contributed to increased data volume. Trajectory data helps to develop work from different areas of knowledge. However, in the literature there are not many tools whose main focus is the preprocessing of trajectory data. The present work has as main goal of designing an extensible and flexible library to assist in the analysis of trajectory data, focusing on data preprocessing operations. The library is called PyMove and it has been developed in Python language, it supports the following stages of data preprocessing: noise filtering, stay point detection, compression, map-matching and segmentation. PyMove has the following advantages over other related work: It is a flexible library and supports more data preprocessing activities. However, PyMove has few operations for data compression.pt_BR
dc.language.isopt_BRpt_BR
dc.subjectTrajetóriapt_BR
dc.subjectAnálise de trajetóriapt_BR
dc.subjectPré-processamento de trajetóriapt_BR
dc.subjectFiltragem de ruídopt_BR
dc.subjectDetecção de pontos de paradapt_BR
dc.subjectCompressãopt_BR
dc.subjectSegmentaçãopt_BR
dc.titleUma arquitetura e implementação do módulo de pré-processamento para biblioteca PyMovept_BR
dc.typeTCCpt_BR
dc.contributor.co-advisorFreitas, Nicksson Ckayo Arrais de-
dc.description.abstract-ptbrO volume de dados de trajetória teve um grande aumento nos últimos anos. Os avanços das tecnologias de coleta de dados de localização, o aumento do número de dispositivos que usam estas tecnologias, e a redução no custos destes dispositivos, contribuíram para o aumento no volume dos dados. Os dados de trajetórias ajudam a desenvolver os trabalhos de diferentes áreas do conhecimento. No entanto, na literatura é possível constatar que não existem muitas ferramentas cujo principal foco seja o pré-processamento de dados de trajetória. O presente trabalho tem como principal objetivo projetar uma biblioteca, extensível e flexível, para auxiliar na análise de dados de trajetória, tendo o seu maior foco nas operações de pré-processamento de dados. A biblioteca se chama PyMove e vem sendo desenvolvida na linguagem Python, já oferece suporte para as seguintes etapas do pré-processamento de dados: filtragem de ruído, detecção de pontos de parada, compressão, map-matching e segmentação. O PyMove tem como vantagem, em relação aos outros trabalhos relacionados, ser uma biblioteca flexível e possuir suporte para uma maior número de atividades de pré-processamento de dados. Entretanto o PyMove possui ainda poucas operações para a etapa de compressão de dados.pt_BR
Appears in Collections:CIÊNCIA DA COMPUTAÇÃO - Monografias

Files in This Item:
File Description SizeFormat 
2019_tcc_ajamsanches.pdf1,94 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.