Predicción espacio-temporal de la movilidad del usuario
Predecir la ubicación del usuario de manera precisa es importante en diferentes dominios y áreas de investigación. Actualmente, con la proliferación de dispositivos móviles y los diversos sensores incorporados en éstos, es posible obtener una gran cantidad de datos asociados a la movilidad del usuar...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis doctoral |
| Estado: | Versión publicada |
| Fecha de publicación: | 2015 |
| País: | México |
| Institución: | Centro de Investigación Científica y de Educación Superior de Ensenada |
| Repositorio: | Repositorio Institucional CICESE |
| Idioma: | español |
| OAI Identifier: | oai:cicese.repositorioinstitucional.mx:1007/448 |
| Acceso en línea: | http://cicese.repositorioinstitucional.mx/jspui/handle/1007/448 |
| Access Level: | acceso abierto |
| Palabra clave: | info:eu-repo/classification/Autor/Predicción espacial info:eu-repo/classification/cti/1 info:eu-repo/classification/cti/12 info:eu-repo/classification/cti/1203 |
| Sumario: | Predecir la ubicación del usuario de manera precisa es importante en diferentes dominios y áreas de investigación. Actualmente, con la proliferación de dispositivos móviles y los diversos sensores incorporados en éstos, es posible obtener una gran cantidad de datos asociados a la movilidad del usuario. A la fecha, varias investigaciones han encontrado que los usuarios exhiben un alto grado de repetición al visitar ciertos lugares durante sus actividades cotidianas. Así, algunos trabajos han aprovechado la regularidad de los movimientos registrados del usuario para predecir el próximo o próximos lugares donde estará. La predicción espacial se enfoca en predecir las próximas ubicaciones del usuario, mientras que la predicción espacio-temporal toma también en cuenta el tiempo, para predecir las próximas ubicaciones y el tiempo que estará en dichas ubicaciones. Actualmente, los trabajos reportados en la literatura realizan la predicción espacio-temporal en el corto y largo plazo (e.g., 10 minutos y 1 año, respectivamente). Sin embargo, no se encontraron trabajos que resulten adecuados para predicciones espacio-temporales en el mediano plazo (e.g., unas cuantas horas adelante). El modelo de predicción aquí propuesto toma como base los puntos de interés, los cuales son aquellos lugares que los usuarios visitan de manera regular y en los cuales pasan al menos un tiempo determinado. Se modela la movilidad de los usuarios entre los puntos de interés como una cadena de Markov, puesto que la ubicación actual del usuario determina con cierta probabilidad la siguiente ubicación de éste. Además, al considerar la relación de la propiedad Markoviana entre los puntos de interés y los tiempos de estadía del usuario en dichos puntos, la movilidad del usuario se modela como un modelo oculto de Markov. Así, es posible predecir los próximos puntos de interés que el usuario visitará y los tiempos de arribo a éstos. Para evaluar la e?ciencia del modelo de predicción se utilizaron dos conjuntos de datos públicos, los cuales son utilizados en los trabajos relacionados. Los resultados experimentales mostraron que el modelo de predicción espacio-temporal resulta ser e?ciente en periodos de hasta 7 horas. Para un periodo de predicción de 30 minutos se obtuvo hasta un 81.75% de precisión y al considerar un periodo de 7 horas, se obtuvo una precisión de 66.25%. |
|---|