Search

Human population is increasing at unprecedented rates, particularly in urban areas. This increase, along with the rise of a more economically empowered middle class, brings new and complex challenges to the mobility of people within urban areas. To tackle such challenges, transportation and mobility authorities and operators are trying to adopt innovative Big Data-driven Mobility- and Traffic-related solutions. Such solutions will help decision-making processes that aim to ease the load on an already overloaded transport infrastructure. The information collected from day-to-day mobility and traffic can help to mitigate some of such mobility challenges in urban areas. Road infrastructure and traffic management operators (RITMOs) face several limitations to effectively extract value from the exponentially growing volumes of mobility- and traffic-related Big Spatiotemporal Data (MobiTrafficBD) that are being acquired and gathered. Research about the topics of Big Data, Spatiotemporal Data and specially MobiTrafficBD is scattered, and existing literature does not offer a concrete, common methodological approach to setup, configure, deploy and use a complete Big Data-based framework to manage the lifecycle of mobility-related spatiotemporal data, mainly focused on geo-referenced time series (GRTS) and spatiotemporal events (ST Events), extract value from it and support decision-making processes of RITMOs. This doctoral thesis proposes a data-driven, prescriptive methodological approach towards the design, development and deployment of MobiTrafficBD Frameworks focused on GRTS and ST Events. Besides a thorough literature review on Spatiotemporal Data, Big Data and the merging of these two fields through MobiTraffiBD, the methodological approach comprises a set of general characteristics, technical requirements, logical components, data flows and technological infrastructure models, as well as guidelines and best practices that aim to guide researchers, practitioners and stakeholders, such as RITMOs, throughout the design, development and deployment phases of any MobiTrafficBD Framework. This work is intended to be a supporting methodological guide, based on widely used Reference Architectures and guidelines for Big Data, but enriched with inherent characteristics and concerns brought about by Big Spatiotemporal Data, such as in the case of GRTS and ST Events. The proposed methodology was evaluated and demonstrated in various real-world use cases that deployed MobiTrafficBD-based Data Management, Processing, Analytics and Visualisation methods, tools and technologies, under the umbrella of several research projects funded by the European Commission and the Portuguese Government. A população humana cresce a um ritmo sem precedentes, particularmente nas áreas urbanas. Este aumento, aliado ao robustecimento de uma classe média com maior poder económico, introduzem novos e complexos desafios na mobilidade de pessoas em áreas urbanas. Para abordar estes desafios, autoridades e operadores de transportes e mobilidade estão a adotar soluções inovadoras no domínio dos sistemas de Dados em Larga Escala nos domínios da Mobilidade e Tráfego. Estas soluções irão apoiar os processos de decisão com o intuito de libertar uma infraestrutura de estradas e transportes já sobrecarregada. A informação colecionada da mobilidade diária e da utilização da infraestrutura de estradas pode ajudar na mitigação de alguns dos desafios da mobilidade urbana. Os operadores de gestão de trânsito e de infraestruturas de estradas (em inglês, road infrastructure and traffic management operators — RITMOs) estão limitados no que toca a extrair valor de um sempre crescente volume de Dados Espaciotemporais em Larga Escala no domínio da Mobilidade e Tráfego (em inglês, Mobility- and Traffic-related Big Spatiotemporal Data —MobiTrafficBD) que estão a ser colecionados e recolhidos. Os trabalhos de investigação sobre os tópicos de Big Data, Dados Espaciotemporais e, especialmente, de MobiTrafficBD, estão dispersos, e a literatura existente não oferece uma metodologia comum e concreta para preparar, configurar, implementar e usar uma plataforma (framework) baseada em tecnologias Big Data para gerir o ciclo de vida de dados espaciotemporais em larga escala, com ênfase nas série temporais georreferenciadas (em inglês, geo-referenced time series — GRTS) e eventos espacio- temporais (em inglês, spatiotemporal events — ST Events), extrair valor destes dados e apoiar os RITMOs nos seus processos de decisão. Esta dissertação doutoral propõe uma metodologia prescritiva orientada a dados, para o design, desenvolvimento e implementação de plataformas de MobiTrafficBD, focadas em GRTS e ST Events. Além de uma revisão de literatura completa nas áreas de Dados Espaciotemporais, Big Data e na junção destas áreas através do conceito de MobiTrafficBD, a metodologia proposta contem um conjunto de características gerais, requisitos técnicos, componentes lógicos, fluxos de dados e modelos de infraestrutura tecnológica, bem como diretrizes e boas práticas para investigadores, profissionais e outras partes interessadas, como RITMOs, com o objetivo de guiá-los pelas fases de design, desenvolvimento e implementação de qualquer pla- taforma MobiTrafficBD. Este trabalho deve ser visto como um guia metodológico de suporte, baseado em Arqui- teturas de Referência e diretrizes amplamente utilizadas, mas enriquecido com as característi- cas e assuntos implícitos relacionados com Dados Espaciotemporais em Larga Escala, como no caso de GRTS e ST Events. A metodologia proposta foi avaliada e demonstrada em vários cenários reais no âmbito de projetos de investigação financiados pela Comissão Europeia e pelo Governo português, nos quais foram implementados métodos, ferramentas e tecnologias nas áreas de Gestão de Dados, Processamento de Dados e Ciência e Visualização de Dados em plataformas MobiTrafficBD

Dissertação para obtenção do grau de Mestre em Engenharia Informática e de Computadores Na era digital há um aumento na produção de fotografias para consumo pessoal. Este acréscimo no número de fotografias produzidas torna mais difícil recuperar e visualizar fotografias relacionadas com um determinado evento social. No entanto a metadata associada a cada fotografia é também mais rica, incluindo frequentemente informação sobre o local onde cada fotografia é tirada. Para que seja facilitado o acesso às colecções de fotografias, é vantajoso apresentálas divididas em conjuntos com contexto semelhantes. Dado o grande número de fotografias, é importante que essa divisão seja feita automaticamente. Neste trabalho pretende-se construir um algoritmo de segmentação de conjuntos de fotografias, que assenta exclusivamente na informação presente na metadata, especificamente a informação temporal e geográfica. O objectivo é conseguir que cada segmento encontrado — um conjunto de fotografias — seja, na medida do possível, representativo de um evento social na vida do utilizador. O algoritmo desenvolvido é uma evolução de um outro, que efectua a segmentação apenas considerando a informação temporal, aqui estendido para incorporar também a informação geográfica. Nesse sentido, com ambas as segmentações é possível avaliar se a informação geográfica é redundante em relação à informação temporal. Com os testes efectuados, quer de caracterização, quer com utilizadores, verificouse que a informação geográfica aparenta ter vantagens quando utilizada como complemento à informação temporal. Os testes com utilizadores revelaram essa tendência, sendo necessário uma amostra maior para confirmar estatisticamente esta conclusão. Abstract: In the digital age the production of personal photographic images is increasing. As the number of photographic images increases, it becomes harder to retrieve and to visualize photos from a given social event. However, the metadata associated to each picture is richer, often including information about the place where it was taken. To ease the access to personal photo collections, one can divide them into sets, each with it’s own context. Considering the large number of photos in each collection, it is important to automate such division. In this work, a segmentation algorithm is constructed, which is intended to segment sets of photographic pictures, a process that is based exclusively in the information present in the metadata, specifically the temporal and geographic information. Each segment found — a set of photographic pictures — represents a social event in the life of the user. The algorithm developed in this work is na evolution of another algorithm, which performs the process of segmenting picture sets considering only the temporal information, here extended to include geographic information as well. This way, with both segmentations it becomes possible to evaluate if the geographic information is redundant when we consider that temporal information is always present. The algorithms were tested using both theoretical tests and user tests. It was verified that the geographical information appears to have advantages when used as a complement to the temporal information. User tests revealed that tendency, despite the fact that a larger sample is needed to increase statistical power of the conclusion.