-Atual.Avaliação e monitoramento colaborativo das condições de ruas e estradas por meio de sensores de smartphones. (Participante)
Descrição: No Brasil e no exterior, a malha rodoviária possui um papel fundamental para o transporte de cargas e passageiros. No setor de transporte de cargas, é responsável por 61% das movimentações nacionais e em relação ao transporte de passageiros, predomina com 95% de participação. Embora fundamental para a sociedade e crescimento econômico do país, é constatado que a maior parte da infraestrutura de ruas e estradas do Brasil é inadequada, sendo a qualidade do pavimento um dos maiores problemas. A má qualidade aumenta o tempo das viagens, eleva o custo de manutenção dos veículos, traz mais riscos aos usuários e emissões de poluentes, além de impactar diretamente na composição do preço de bens. Para o melhor planejamento de manutenções e intervenções adequadas nas vias, é essencial o uso de instrumentos de avaliação que permitam o monitoramento constante de suas condições. Com o objetivo de reduzir o esforço manual ou o uso de equipamentos de alto custo atualmente utilizados, como os perfilômetros inerciais a laser, neste projeto de pesquisa é proposto o desenvolvimento de um aplicativo móvel que faz uso de sensores presentes em smartphones, como acelerômetros e GPS, em conjunto com algoritmos de aprendizado de máquina e análise de sinais para a avaliação e monitoramento das condições de ruas e estradas. Assim, é possível que diferentes usuários contribuam para o constante monitoramento de maneira automática e ubíqua ao utilizarem aplicativos de navegação em smartphones fixados em seus veículos durante a condução. O produto a ser desenvolvido neste projeto apresenta vantagens importantes sobre as ferramentas atuais, que além de possuírem um custo elevado e a dependência de um especialista, não permitem uma avaliação altamente abrangente e o monitoramento constante de um ambiente com frequentes mudanças. Com as informações do aplicativo, empresas de transporte rodoviário ou usuários convencionais podem planejar rotas que consideram a qualidade do pavimento, visando a economia de tempo de viagem e combustível e o aumento da segurança. Além do aplicativo, também pretende-se desenvolver um sistema responsável por apresentar relatórios sobre a qualidade do pavimento avaliado ao longo do tempo. Tais relatórios podem ser estratégicos e auxiliar na tomada de decisão de empresas e órgãos públicos. Por exemplo, prefeituras ou empresas responsáveis pela concessão de rodovias podem planejar intervenções de maneira mais adequada, possibilitando também a realização de estimativas com antecedência dos custos orçamentários de tais intervenções. Desse modo, espera-se que o produto deste projeto seja responsável por impactos sociais e econômicos em diversos segmentos da sociedade.
Integrante(s): Rafael Giusti; Diego Furtado Silva; Vinícius Mourão Alves de Souza; Rafael Geraldeli Rossi; Rafael Alves de Souza; Aline Corales do Vale; André Gustavo Maletzke; Antônio José de Lima Batista.
Financidor(es): Fundação de Amparo à Pesquisa do Estado de São Paulo.
-Atual.Intelligent sensor for controlling agricultural pests and disease-vector insects. (Participante)
Descrição: Applications such as intelligent sensors should be able to collect environment information and to make decisions based on input data. An example is an under-development low-cost sensor to detect and classify insects in their species using laser light and machine learning techniques. This sensor is an important step towards the development of intelligent traps able to attract and selectively capture insect species of interest such as disease vectors or agricultural pests, without affecting the beneficial species. The data gathered by the sensor constitutes a data stream with non-stationary characteristics, since the insects metabolism is influenced by environmental conditions such as temperature, humidity and atmospheric pressure. This research grant proposal has two main objectives: the first one is to develop new algorithms to classify in real-time signals from the sensor obtained from the data stream; the second one is to technologically develop the sensor in order to allow the developed machine learning techniques to be embedded in the sensor
Integrante(s): Rafael Giusti; Gustavo Enrique de Almeida Prado Alves Batista; Diego Furtado Silva; Vinícius Mourão Alves de Souza; Solange Oliveira Rezende; Eamonn John Keogh; Agenor Mafra Neto.
Financidor(es): Não possui.
-Atual.Invariância à Complexidade em Classificação, Agrupamento e Descoberta de Motifs em Séries Temporais. (Participante)
Descrição: Há recentemente um crescente interesse no processamento de séries temporais devido a grande quantidade de domínios de aplicação que geram dados com essa característica. Esse interesse pode ser medido pela vasta quantidade de métodos recentemente propostos na literatura para tarefas como classificação, agrupamento, sumarização, detecção de anomalias e descoberta de motifs. Estudos recentes têm mostrado que para muitos problemas, os métodos baseados em similaridade apresentam uma eficácia difícil de ser superada, mesmo por métodos mais sofisticados. Isso se deve em grande parte pelo fato de que a comunidade tem estudado e proposto diversas invariâncias para medidas de distância entre séries temporais. As invariâncias fazem com que as medidas de distância ignorem determinadas características indesejadas dos dados. O exemplo mais conhecido é a invariância às diferenças locais na escala de tempo, obtida pela técnica de warping. Outras invariâncias incluem a invariância às diferenças de amplitude e offset, fase e oclusão. Recentemente foi demonstrado à comunidade científica que métodos de classificação de séries temporais por similaridade podem ser muito beneficiados por uma nova invariância: invariância à complexidade. O principal objetivo deste projeto de pesquisa é investigar novas medidas de distância invariantes à complexidade e avaliar o quanto essas medidas podem melhorar a eficácia, sobretudo de algoritmos de agrupamento e descoberta de motifs.
Integrante(s): Rafael Giusti; Ronaldo Cristiano Prati; Gustavo Enrique de Almeida Prado Alves Batista; Diego Furtado Silva; Vinícius Mourão Alves de Souza; Solange Oliveira Rezende; Eamonn John Keogh; Tatiana Ximenes; Erick Vansim Previato.
Financidor(es): Fundação de Amparo à Pesquisa do Estado de São Paulo.