Autor(es):
Conde, Ângelo
Data: 2012
Identificador Persistente: http://hdl.handle.net/1822/25839
Origem: RepositóriUM - Universidade do Minho
Descrição
Dissertação de mestrado em Engenharia e Gestão de Sistemas de Informação A computação móvel e ubíqua tem evoluído de forma significativa desde 1991,
ano em que Weiser teve uma visão pioneira do que esta seria. O surgimento
dos smartphones, o desenvolvimento de aplicações para esses dispositivos, novas
formas de interação e sobretudo a inclusão de sensores com capacidade
para recolher e capturar o contexto do utilizador, permitiu fornecer serviços
centrados nas pessoas que melhorem a sua qualidade de vida.
A análise de movimento é, atualmente, uma das atividades mais relevantes
no contexto da computação ubíqua e na computação urbana. É uma disciplina
bastante abrangente que recorre a vários tipos de sensores para recolha de
dados, a tipos de dados de natureza diversa, a estratégias de recolha de dados
participativas e/ou colaborativas, a um leque alargado de técnicas de análise
desses dados, e a um conjunto de técnicas de visualização de dados espaçotemporais.
Tirando partido da grande proliferação das redes Wi-Fi, no âmbito deste
trabalho foi desenvolvido um algoritmo que, usando somente a identificação
do AP com maior força de sinal, respetivos APs vizinhos e sem conhecimento
prévio da topologia da rede, é capaz de identificar os locais relevantes no quotidiano
do utilizador. Esses locais, e respetivas transições entre eles, permitem
a construção dos Mapas de Mobilidade Pessoal que representam os hábitos de
mobilidade do utilizador. Mobile and ubiquitous computing has evolved significantly since 1991, the
year when Weiser had a pioneering vision of what would be. The emergence
of new mobile devices, the development of applications for those devices, new
forms of interaction and especially the inclusion of sensors with the capacity to
collect and capture the context of the user, allowed to provide people-centric
services which improve their quality of life.
The movement analysis is currently one of the most relevant activities in
the context of ubiquitous and urban computing. It is a broad discipline that
uses many types of sensors for data collection, various data types of different
nature, various strategies of participatory and/or collaborative data collection,
a wide range of techniques for data analysis, and a set of visualization
techniques for spatio-temporal data.
As part of this work, and taking advantage of the great Wi-Fi networks
proliferation, a new algorithm was developed, using only the identification of
the AP with the highest signal strength, as well as the respective neighboring
APs, and without prior knowledge of network topology, is able to identify the
relevant places in the user’s everyday life. These places, and the displacements
between them, allow the creation of Personal Mobility Maps which represent
the mobility habits of the user.