Empregando Clustering para identificação de trajetórias de transporte de ilícitos por veículos
| Nível educacional (dc.audience.educationLevel) | Especialização | pt_BR |
| Orientador(a) (dc.contributor.advisor) | Maillard, Patrícia Augustin Jaques | |
| Lattes Orientador(a) (dc.contributor.advisorLattes) | http://lattes.cnpq.br/5723385125570881 | pt_BR |
| Autor(a) (dc.contributor.author) | Remião, Marcelo Lopes | |
| Curso (dc.curso) | Especialização em Big Data, Data Science e Data Analytics | pt_BR |
| Data de Disponibilização (dc.date.accessioned) | 2021-09-28T21:31:14Z | |
| dc.date.available (dc.date.available) | 2021-09-28T21:31:14Z | |
| Data da defesa / Data do evento (dc.date.issued) | 2020-01-01 | |
| Abstract (dc.description.abstract) | Spatio-temporal data can be produced in an Intelligent Transport System (ITS) by License Plate Recognition devices, or LPR (License Plate Recognition), and are generated from the registration of vehicles through equipment, fixed or mobile , installed at certain points along routes along highways. These data are useful because they allow to reproduce the trajectories traveled by vehicles. This work seeks to identify trajectories used to transport illicit vehicles by land vehicles, presenting comparative results with significant trajectories, where the DBSCAN algorithm is able to identify the concentration of the most frequent trajectories formed by points of greater density. | en |
| Resumo (dc.description.resumo) | Dados espaço-temporais podem ser produzidos em um Sistema de Transporte Inteligente (ITS) por dispositivos de Reconhecimento de Placas de Veículos, ou LPR (License Plate Recognition), e são gerados a partir do registro de passagem de veículos por equipamentos, fixos ou móveis, instalados em determinados pontos ao longo de trajetos por rodovias. Esses dados são úteis porque permitem reproduzir as trajetórias percorridas por veículos. Esse trabalho busca a identificação de trajetórias utilizadas para o transporte de ilícitos por veículos terrestres, apresentando resultados comparativos com trajetórias significativas, onde o algoritmo DBSCAN mostra-se capaz de identificar a concentração de trajetórias mais frequentes formadas por pontos de maior densidade. | pt_BR |
| URI (dc.identifier.uri) | http://www.repositorio.jesuita.org.br/handle/UNISINOS/10223 | |
| Nome da instituição (dc.publisher) | Universidade do Vale do Rio dos Sinos | pt_BR |
| Assunto (dc.subject) | Trajectory clustering | en |
| Assunto (dc.subject) | K-means | en |
| Assunto (dc.subject) | DBSCAN | en |
| Título (dc.title) | Empregando Clustering para identificação de trajetórias de transporte de ilícitos por veículos | pt_BR |
| Tipo de arquivo (dc.type) | TCC | pt_BR |
Arquivos
Pacote original
1 - 1 de 1
Carregando...
- Nome:
- Marcelo Lopes Remiao_.pdf
- Tamanho:
- 1.35 MB
- Formato:
- Adobe Portable Document Format
- Descrição:
- empregando_clustering
Licença do pacote
1 - 1 de 1
Carregando...
- Nome:
- license.txt
- Tamanho:
- 2.12 KB
- Formato:
- Item-specific license agreed upon to submission
- Descrição: