Modelação com técnicas de clustering de participações geoespaciais de cidadãos

Abstract

O desenvolvimento de aplicações móveis para a participação ativa dos cidadãos nas suas cidades tem vindo a aumentar com o avanço do conceito de smart cities. A aplicação móvel JuntarAJunta permite à população reportar problemas e sugestões da sua cidade, com o objetivo de melhorar as infraestruturas urbanas e a qualidade de vida. Com a integração deste tipo de aplicações no dia-a-dia da população, a gestão destes dados recolhidos tornase cada vez mais importante. Este relatório apresenta um método de deteção de participações semelhantes a partir da sua localização geográfica, orientação e distância ao problema reportado. Os métodos desenvolvidos baseiam-se no método de compass clustering, para o processamento dos dados, e no método de clustering hierárquico para a identificação de grupos de participações semelhantes. Os resultados obtidos com este método evidenciam a importância de informação complementar, para além da posição geográfica, de forma a identificar grupos com características semelhantes. A partir da análise de cenários sintéticos, concluiu-se que este método produz resultados mais precisos comparativamente aos resultados obtidos utilizando o método de clustering hierárquico com apenas a posição geográfica das participações.

The development of mobile applications for the active participation of citizens in their cities has been increasing with the concept of smart cities. The mobile application JuntarAJunta allows the population to report problems and suggestions from their cities, with the aim of improving urban infrastructure and quality of life. With the integration of this type of technology in the day to day life of the population, the management of collected data is becoming increasingly important. This report presents a method for detecting similar participations based on their geographical location, compass orientation and distance to the reported problem. The developed methods are based on the compass clustering method, for data processing, and the hierarchical clustering method, for the identification of groups with similar participations. The results obtained with this method show the importance of complementary information, besides the geographical position, to identify groups with similar characteristics. From the analysis of synthetic scenarios, it was concluded that this method produces more precise results compared to the results obtained using only the geographical position of the participations.