Search

Submitted by Maria Antonia de Sousa (mariaantoniade.sousa@gmail.com) on 2019-01-22T09:42:32Z No. of bitstreams: 1 DAVID CANDEIA MEDEIROS MAIA - TESE PPGCC.pdf: 15054701 bytes, checksum: ab07062878cff73c5f73896b828daaf8 (MD5) Made available in DSpace on 2019-01-22T09:42:32Z (GMT). No. of bitstreams: 1 DAVID CANDEIA MEDEIROS MAIA - TESE PPGCC.pdf: 15054701 bytes, checksum: ab07062878cff73c5f73896b828daaf8 (MD5) Previous issue date: 2018-09-06 Capes O conceito de percepção urbana pode ser visto como o entendimento, o significado que as pessoas atribuem a seus espaços urbanos. Estas percepções têm uma grande importância uma vez que as pessoas guiam suas ações no espaço a partir delas. Por isto, vários estudos têm sido conduzidos ao longo dos anos buscando entender melhor esta relação entre as pessoas e os espaços urbanos para, assim, produzir conhecimento que possa ser utilizado na melhoria dos projetos e ações de gestão dos espaços. Os métodos tradicionais que eram utilizados na condução destes estudos envolviam visitas aos locais, entrevistas e a utilização de questionários, que podiam ou não apresentar imagens dos espaços avaliados. O avanço da computação tem trazido soluções e métodos que podem contribuir com uma maior agilidade na captura de dados, reduzindo custos e ampliando a quantidade de participantes nas pesquisas. Crowdsourcing é uma destas soluções. Neste contexto, esta tese investigou o uso de crowdsourcing para condução de análises de percepção focando tanto em uma escala maior, considerando cenas urbanas de vários pontos da cidade, como em uma escala menor, considerando uma maior quantidade de cenas para locais específicos da cidade. Duas etapas de coleta de cenas e percepções foram realizadas, tendo como foco a cidade de Campina Grande, Paraíba. Em um primeiro estudo, focando em uma escala maior, foi avaliado um método para relacionar as percepções capturadas com características do espaço urbano e com o perfil sociodemográfico dos participantes da pesquisa. Os resultados obtidos demonstraram, por exemplo, que os participantes avaliaram as cenas com mais árvores e que apresentavam um melhor estado de manutenção como mais agradáveis, e as cenas que apresentavam um melhor estado de manutenção e possuíam mais pessoas como mais seguras. Além disso, foi possível encontrar algumas diferenças de percepção entre grupos de participantes e relacionar estas diferenças com características do espaço. Por exemplo, homens e pessoas de mais alta renda preferiram ainda mais espaços bem mantidos do que mulheres e pessoas de baixa renda. Em um segundo estudo, focando uma escala menor, foi avaliada a utilização do método de cálculo de surpresas de Bayes para encontrar cenas na rua que se destacam em relação a sua vizinhança. Os resultados obtidos demonstraram que dentre as cenas destacadas pelo método foi possível encontrar cenas com virtudes e problemas técnicos, apontados por urbanistas, bem como foi possível reconhecer cenas relevantes e acionáveis junto a equipes de gestão tanto do ponto de vista dos participantes da pesquisa como do ponto de vista de usuários da rua. Urban perception concept can be seen as the understanding, the meaning that people give to their urban spaces. Such perception are of great importance since people guide their actions in space according to how they perceive the spaces around them. For this reason, several studies have been performed over the years seeking to better understand this relationship between people and urban spaces in order to produce knowledge that can be used to improve urban projects and space management. Traditional methods used by such studies involved site visits, interviews and the use of questionnaires, which could present or not images of the spaces being evaluated. Computing advancement has brought solutions and methods that can contribute to greater agility in data capture, reducing costs and increasing the number of participants in the research. Crowdsourcing is one of these solutions. In this context, this thesis investigated the use of crowdsourcing to conduct urban perception studies focusing both on a larger scale, considering urban scenes from several points of the city, as well as on a smaller scale, considering a larger number of scenes for specific sites in the city. Two major steps of urban scenes and perception collection were performed, focusing on the city of Campina Grande, Paraíba. In a first study, which focus on a larger scale, we evaluated a method to relate gathered perceptions, urban space characteristics and sociodemographic profile of participants. The results showed, for example, that participants evaluated the scenes with more trees and better maintenance condition of their elements as more pleasant, and the scenes that had better maintenance condition of their elements and more people as safer. In addition, it was possible to find some perception differences between groups of participants and relate these differences with urban space characteristics. For example, men and high income people have preferred even more well-maintained places than women and low income people. In a second study, which focus on a smaller scale, we evaluated the use of a method that calculates Bayesian surprises to find urban scenes that stand out from their neighborhood. The results showed that among scenes highlighted by the method it was possible to find scenes with technical virtues and problems, pointed out by urbanists, as well as it was possible to recognize relevant and actionable scenes, towards management teams, from the point of view of research participants and street users.

Submitted by Lucienne Costa (lucienneferreira@ufcg.edu.br) on 2019-08-30T20:05:56Z No. of bitstreams: 1 DAVID CANDEIA MEDEIROS MAIA – DISSERTAÇÃO (PPGCC) 2012.pdf: 1201074 bytes, checksum: cab41798efed95712a85f9cfc1fb70d3 (MD5) Made available in DSpace on 2019-08-30T20:05:56Z (GMT). No. of bitstreams: 1 DAVID CANDEIA MEDEIROS MAIA – DISSERTAÇÃO (PPGCC) 2012.pdf: 1201074 bytes, checksum: cab41798efed95712a85f9cfc1fb70d3 (MD5) Previous issue date: 2012-07-12 Capes Na última década acompanhou-se o crescimento de um novo mercado na computação denominado de Computação na Nuvem. Este mercado tem por base a oferta de três serviços principais: (i) recursos computacionais virtuais sob demanda, por exemplo, processamento e armazenamento – serviço este denominado de Infraestrutura como Serviço (do inglês, Infrastructure as a Service – IaaS); (ii) plataformas que facilitam o desenvolvimento de novas aplicações – serviço este denominado de Plataforma como Serviço (do inglês, Platform as a Service – PaaS); (iii) aplicações prontas para uso – serviço este denominado de Software como Serviço (do inglês, Software as a Service – SaaS). Empresas que ofertam software como serviço (provedores de SaaS) podem planejar e montar sua infraestrutura de Tecnologia da Informação (TI) fazendo uso de recursos computacionais obtidos junto às empresas que ofertam recursos computacionais (provedores de IaaS). O modelo de negócio utilizado por provedores de IaaS prevê que recursos computacionais possam ser reservados com antecedência mediante pagamento de uma taxa de reserva. A reserva de um recurso garante aos contratantes deste serviço que lhes serão cobradas tarifas reduzidas quando do uso dos recursos computacionais. Realizar um planejamento de capacidade de longo prazo para estimar a quantidade de recursos necessários para execução de uma carga de trabalho e, assim, estabelecer bons contratos de reserva junto aos provedores de IaaS é uma das etapas do gerenciamento de infraestruturas de TI a ser realizada pelo provedor de SaaS. Esta dissertação apresenta duas heurísticas para realização do planejamento de capacidade: heurística UT e RF. Tais heurísticas consideram o modelo de utilidade desenvolvido nesta dissertação para estimar a quantidade de recursos a serem reservados. A avaliação realizada utiliza um modelo de simulação que considera a carga de trabalho de uma aplicação de comércio eletrônico. Em todos os cenários avaliados UT e RF apresentaram valores positivos de utilidade, com RF apresentando uma maior margem de utilidade em relação a uma estratégia base que não realiza reserva de recursos. Por fim, foi descoberto que, de acordo com a qualidade da predição da carga de trabalho, pode-se realizar uma escolha mais criteriosa dentre as heurísticas propostas. In the last decade we have seen the advent and growth of the Cloud Computing market. This market is based on offering three main services: (i) virtual on-demand computing resources such as storage and processing – this service is called Infrastructure as a Service (IaaS); (ii) platforms that facilitate the development of new applications – this service is called Platform as a Service (PaaS); (iii) software and data hosted on the cloud – this service is called Software as a Service (SaaS). SaaS providers can plan and build their Information Technology (IT) infrastructure making use of computing resources offered by IaaS providers. The business model used by IaaS providers states that computing resources can be reserved in advance by paying a reservation fee. A reserved resource has the advantage that its usage fee is lower than the usage fee of non-reserved resources. Capacity planning is one step in the IT infrastructure management performed by a SaaS provider that helps to estimate the amount of resources required to execute a future workload and thus establish good reservation contracts with IaaS providers. This dissertation presents two capacity planning heuristics: (i) heuristic based on resources utilization rates – UT; (ii) heuristic based on queue networks – RF. These heuristics consider an utility model based on the SaaS provider profit. The evaluation of such heuristics uses a simulation model that considers an e-commerce workload. In all scenarios evaluated UT and RF presented positive utility values and RF presented the best utility gains compared to a strategy that does not reserve resources. Finally, we discovered that according to the quality of the workload prediction that is used by a SaaS provider a better choice can be done among proposed heuristics.