Notícias
URBY.SENSE - Análise e previsão de mobilidade urbana fora da rotina com base em pegadas digitais

Em 28 de março 2017 foi divulgado, na Newsletter do COMPETE 2020, o projeto URBY.SENSE promovido pelo CISUC - Centro de Informática e Sistemas da Universidade de Coimbra. Na altura o projeto estava ainda numa fase inicial, com poucas atividades e resultados de maior a relatar. Neste momento já passaram cerca de 15 meses pelo que consideramos de todo o interesse voltar a noticiar o projeto, atualizando toda a informação. Desafiamos Rui Gomes, investigador do CISUC e responsável do projeto, neste sentido, que nos enviou o seguinte testemunho:

 

“Este projeto visa estudar a mobilidade de indivíduos para a extração de padrões de mobilidade fora da rotina a partir de múltiplas fontes de dados. Tipicamente, no planeamento de transportes os dados utilizados provêm, na sua maioria, de métodos tradicionais, como questionários e censos, que para além de dispendiosos, são morosos e necessitam da participação ativa, fornecendo às entidades responsáveis um mero retrato histórico da mobilidade. A utilização massificada de dispositivos interativos de computação (telemóveis, cartões inteligentes, dispositivos GPS, câmaras digitais, etc.) e os registos dos sistemas de transporte (por exemplo, a contagem de validação de bilhetes) fornecem ‘pegadas digitais’ sem precedentes, revelando onde estão os utilizadores e quando, permitindo traçar dinamicamente o perfil de mobilidade. Todos esses dados, juntamente com técnicas modernas de geoprocessamento, Análise de Redes Sociais (SNA), fusão e visualização de dados oferecem novas possibilidades para ligar atividades cibernéticas e físicas que podem ser úteis para modelar o uso do solo e os transportes.

No projeto, começamos por selecionar uma área de estudo para a qual um grande número de pontos de interesse (POIs) estivessem disponíveis em plataformas colaborativas. A área geográfica selecionada foi a área metropolitana do Porto. O nosso objetivo era recolher e analisar dados que descrevem o estado dos transportes a partir de múltiplas fontes on-line e “tradicionais” (por exemplo, dados públicos sobre lugares e eventos de redes sociais, rotas e horários de autocarros, metro, dados climatéricos, entre outros). Os dados crowdsourced foram recolhidos de maneira eficiente e transparente utilizando o SenseMyCity – uma aplicação móvel oportunista de crowdsensing. A primeira campanha de recolha de dados, denominada SenseMyFEUP, ocorreu durante o mês de abril de 2016 e, mais recentemente, novembro / dezembro de 2017. Esta fase do trabalho foi publicada em conferência internacional (IEEE ITSC 2016). Recolhemos também dados a partir de redes sociais como Facebook, Instagram e Foursquare e decidimos incluir dados do Factual.com e do InfoPorto.pt. O Factual é uma plataforma de dados aberta que se concentra em dados de localização (latitude, longitude) e contém milhões de POIs de todo o mundo. O InfoPorto é um site que reúne eventos da cidade do Porto. Também utilizamos dados de um conjunto de estações sensores meteorológicos e qualidade do ar de baixo custo implantadas em 19 locais estratégicos da cidade do Porto, para monitorizar os parâmetros meteorológicos e ambientais.

Na segunda tarefa do projeto, exploramos técnicas de fusão de dados e mineração de dados, particularmente técnicas de alinhamento espácio-temporal. Numa primeira fase, elaborou-se uma pesquisa do estado da arte sobre técnicas de fusão de dados, recolhemos dados sobre eventos na cidade do Porto, pontos de interesse (POIs) e respetiva popularidade a partir das redes sociais, visualizamos estes dados utilizando ferramentas de GIS (Geographic Information System), criando heatmaps dos destinos da cidade do Porto, eventos e pontos de interesse (POI) perto desses locais, juntamente com a rede de transportes públicos da cidade.

Na tarefa de análise de dados, foi necessário proceder à limpeza do ruído nos dados e organização dos mesmos e aqui residiu uma das maiores dificuldades do projeto. Esta tarefa incluiu não só a retificação computacional da informação como também a interação com sucessivas reuniões entre a equipa do Porto e a de Coimbra de forma a uniformizar com a maior segurança possível a informação contida na base de dados. Nesta tarefa estudamos e desenvolvemos métodos de machine learning para fazer a ligação automática entre tabelas de POIs existentes na base de dados utilizando a ferramenta Weka. Desse estudo resultou uma nova abordagem apresentada num artigo submetido na conferência IDA 2018. De modo a se conseguir perceber quais os destinos e os locais de interesse mais povoados na região do Porto recorremos a algoritmos de clustering de modo a nos permitir identificar estas regiões:

  • Procuramos identificar os locais com maior procura na cidade, eventos e destinos;
  • Com a sobreposição de clusters procuramos inferir a organização da cidade, transportes e uso do solo.

Deste trabalho resultou um artigo para a conferência internacional ISAMI 2018 (International Symposium on Ambient Intelligence a decorrer em Toledo, Espanha de 20 a 22 de junho).

Na tarefa seguinte, modelação da mobilidade procedeu-se à elaboração de uma matriz Origem-Destino (OD) para todas as viagens, recorrendo ao programa ArcGis como forma de visualização, definindo o início da viagem como origem e o fim como destino, cruzando com os eventos Facebook/InfoPorto e locais Foursquare. Sendo assim, no caso destas matrizes OD, as origens correspondem ao início da viagem e o destino ao evento/local, ou vice-versa (trata-se de um trabalho de tese de mestrado no âmbito do projeto em fase de conclusão). Estudamos também mecanismos de aprendizagem activa para exploração do espaço de input em simuladores de transporte e de tráfego, tendo resultado num artigo para a conferência WCCI 2018 (IEEE World Congress on Computational Intelligence a decorrer no Rio de Janeiro de 8 a 13 de julho) e um artigo na revista IEEE T-ITS (Institute of Electrical and Electronics Engineers Transactions on Intelligent Transportation Systems).

Na tarefa de validação, estamos a tentar, com a informação existente, modelar a escolha de destino dos diferentes intervenientes englobando transporte utilizado, eventos existentes na cidade entre outros. De seguida, será construída uma representação gráfica, utilizando técnicas de visualização, capaz de ilustrar essas escolhas através da utilização de vários filtros como por exemplo, semana versus fim de semana, horas iniciais da gravação de dados versus horas fim de gravação entre outras.

Em termos de atividades de disseminação, o projeto foi apresentado no Encontro Anual do Grupo de Estudos em Transportes (GET), na reunião do projeto CISMOB, na Universidade de Coimbra (nomeadamente na newsletter do Departamento de Engenharia Informática, incluindo uma reportagem em vídeo), na plataforma do COMPETE2020 e no Workshop de Veículos Autónomos (WAV2017) organizado pelo próprio projeto e que teve cobertura nos media locais (rádio e jornais), contando com a presença de oradores internacionais e indústria.

O apoio do COMPETE2020 a nível financeiro e a nível de divulgação tem sido de grande importância para a persecução dos objetivos do projeto e para a viabilidade do mesmo.”

 

Apoio do COMPETE2020

Trata-se de um projeto promovido pela Universidade de Coimbra e conta com o apoio do COMPETE 2020 no âmbito do Sistema de Apoio à Investigação Cientifica e Tecnológica, envolvendo um investimento elegível de 176 mil euros o que resultou num incentivo FEDER de cerca de 150 mil euros.

12/06/2018 , Por Miguel Freitas
Portugal 2020
COMPETE 2020
Europa