Universidade Federal da Paraíba
Centro de Informática
Programa de Pós-Graduação em Informática
Análise da mobilidade urbana através de dados da rede de
telefonia móvel celular
Pablo Andrey Arruda de Araújo
Universidade Federal da Paraíba
Centro de Informática
Programa de Pós-Graduação em Informática
Análise da mobilidade urbana através de dados da rede de
telefonia móvel celular
Pablo Andrey Arruda de Araújo
JOÃO PESSOA – PB JANEIRO-2014
Pablo Andrey Arruda de Araújo
Análise da mobilidade urbana através de dados da rede de
telefonia móvel celular
DISSERTAÇÃO APRESENTADA AO CENTRO DE INFORMÁTICA DA UNIVERSIDADE FEDERAL DA PARAÍBA, COMO REQUISITO PARCIAL PARA OBTENÇÃO DO TÍTULO DE MESTRE EM INFORMÁTICA (SISTEMAS DE COMPUTAÇÃO).
Orientador: Prof. Dr.Alexandre Nóbrega Duarte
JOÃO PESSOA – PB JANEIRO-2014
A663a Araújo, Pablo Andrey Arruda de.
Análise da mobilidade urbana através de dados da rede de telefonia móvel celular / Pablo Andrey Arruda de Araújo.-- João Pessoa, 2014.
93f. : il.
Orientador: Alexandre Nóbrega Duarte Dissertação (Mestrado) - UFPB/CI
1. Informática. 2. Sistemas de computação. 3. Mobilidade urbana. 4. Telefonia celular. 5. Simulação computacional. 6.Erlang.
i
Resumo
Com o crescimento econômico vivido nos últimos anos, muitas cidades brasileiras têm também se deparado com problemas como o aumento populacional, congestionamento de veículos e a violência. Ao mesmo tempo, o poder aquisitivo dos habitantes tem crescido, permitindo que muitos pudessem adquirir novos equipamentos, como os telefones celulares, tendo o Brasil ultrapassado a barreira de um telefone celular por habitante. Esse trabalho objetivou a analise de viabilidade do uso de sistemas de simulação computacional, utilizando dados da rede de telefonia móvel celular, visando um sistema de monitoramento urbano com veículos. Os resultados mostraram que, quanto maior foi o número de veículos em circulação nas vias públicas, maior será a taxa de acerto com os dados oriundos da rede de telefonia celular utilizando a metodologia de Erlang.
ii
Abstract
With the economic growth experienced in recent years, many brazilian cities have also encountered problems such as population growth, congestion of vehicles and violence. At the same time, the purchasing power of the population has grown, allowing many of them to purchase new equipment, such as mobile phones, with Brazil surpassed the barrier of a cell phone per inhabitant. This study aimed to examine the feasibility of using computer simulation systems, using data from the mobile telephone network, aiming a system of urban monitoring usig vehicles. The results showed that the higher was the number of vehicles on public streets, most will hit rate with the data from the cellular network using the methodology of Erlang.
iii
Agradecimentos
Gostaria de poder prestar todos os meus agradecimentos:
Aos meus pais, Beranger Arnaldo de Araújo e Fátima Maria Arruda de Araújo, e minhas irmãs, Dauanne Arruda de Araújo e Haryanne Arruda de Araújo;
Ao meu orientador, Alexandre Nóbrega Duarte, pela paciência e amadurecimento das ideias que resultou este trabalho;
Ao professor Alisson Brito, também pelas dicas repassadas;
A todos os meus colegas do mestrado, em especial Sáskya, Berg, Danilo, André, Douglas e Luciano;
Aos colegas que tiveram participação direta no desenvolvimento deste trabalho, em especial Teobaldo, Yuri e Rodolfo; e
iv
Conteúdo
1. Introdução ... 1
1.1 Motivação ... 4
1.2 Definição do Problema ... 5
1.3 Objetivos ... 6
1.3.1 Objetivo Geral ... 6
1.3.2 Objetivos Específicos ... 6
1.4 Metodologia ... 6
1.5 Publicações Relacionadas ... 7
1.6 Estrutura do Documento ... 7
2. Fundamentação Teórica ... 8
2.1 Considerações Iniciais ... 8
2.2 Crescimento Populacional ... 8
2.3 Urbanização ... 9
2.4 Mobilidade Urbana ... 10
2.5 Rede de telefonia móvel celular no Brasil ... 12
2.6 Simulação computacional ... 14
2.6.1 O uso da simulação na ciência ... 16
2.6.2 Etapas de uma simulação ... 16
2.6.3 Softwares de simulação ... 20
3. Trabalhos Relacionados ... 27
3.1 Mapeamento do estudo sistemático ... 27
3.1.1 Seleção de artigos ... 27
3.1.2 Artigos selecionados ... 28
3.1.3 Publicação ao longo dos anos ... 28
3.1.4 Meios de publicação ... 29
v
3.2 Descrição dos Trabalhos Relacionados ... 30
4. Monitoramento através de dados da rede de telefonia móvel celular ... 37
4.1 Considerações Iniciais ... 37
4.2 Metodologia Erlang ... 37
5. Avaliação Experimental ... 42
5.1 Metodologia ... 42
5.1.1 Simulador utilizado ... 42
5.1.2 Preparação do mapa a ser utilizado nos cenários ... 43
5.1.3 Criação e inserção no mapa das estações rádio base ... 46
5.1.4 Criação de rotas e veículos ... 48
5.2 Experimentos práticos ... 50
5.2.1 Criação de viagens (trips) ... 50
5.2.2 Criação das rotas e veículos utilizados para as viagens... 50
5.2.3 Arquivo de registro com os resultados dos cenários ... 51
6. Resultados Obtidos ... 54
6.1 Cenário 1 – mil veículos ... 55
6.1.1 Gráfico do cenário 1 ... 58
6.2 Cenário 2 – 10 mil veículos ... 58
6.2.1 Gráfico do cenário 2 ... 61
6.3 Cenário 3 – 20 mil veículos ... 62
6.3.1 Gráfico do cenário 3 ... 65
6.4 Cenário 4 – 50 mil veículos ... 66
6.4.1 Gráfico do cenário 4 ... 69
7. Conclusão ... 71
Referências Bibliográficas ... 73
ANEXO 1 ... 77
ANEXO 2 ... 80
ANEXO 3 ... 83
ANEXO 4 ... 86
vi
Lista de Símbolos
ERB: Estação Radio Base
FENABRAV: Federação Nacional de Distribuição de Veículos Automotores
FIFA: Federação Internacional de Futebol e Associação
IBGE: Instituto Brasileiro de Geografia e Estatística
ONU: Organização das Nações Unidas
OSM: Open Street Map
SUMO: Simulation of Urban MObility
TRACI: Traffic Control Interface
UM: United Nations
vii
Lista de Figuras
Figura 2.1: População urbana por área geográfica ... 10
Figura 2.2: Esquema de estudo da simulação ... 15
Figura 2.3: Roteiro para a criação de um modelo de simulação... 19
Figura 2.4: Sistema de simulação UrbanSim ... 22
Figura 2.5: Sistema de simulação UrbinSim ... 23
Figura 2.6: Sistema de simulação SUMO ... 24
Figura 2.7: Detalhe do cruzamento de avenidas com o SUMO, a partir de um mapa importado pelo OpenStreetMap... 25
Figura 2.8: Customizando mapas com o SUMO ... 25
Figura 3.1: Publicação de trabalhos ao longo dos anos ... 29
Figura 3.2: Meios de publicação dos trabalhos selecionados ... 30
Figura 3.3: Gráfico de bolhas ... 30
Figura 4.1: Exemplo de um centro urbano ... 38
Figura 4.2: Exemplo do mapa de um centro urbano com divisões por ERBs ... 39
Figura 4.3: Dinâmica do centro urbano utilizando dados da rede de telefonia celular .. 40
Figura 5.1: Tela inicial do SUMO ... 43
viii
Figura 5.3: Mapa do centro urbano de João Pessoa inserido no SUMO ... 45
Figura 5.4: Detalhe da utilização de semáforos ... 45
Figura 5.5: Detalhe com o nome das vias ... 45
Figura 5.6: Implementação das ERB´s ... 46
Figura 5.7: Ilustração do posicionamento das ERB´s no centro urbano ... 47
Figura 5.8: Criação das viagens (trips), rotas e veículos ... 49
Figura 5.9: Critério de inclusão de veículo na tabela de Erlang ... 52
Figura 6.1: Gráfico referente à tabela 6.3, do cenário 1 ... 58
Figura 6.2: Gráfico referente à tabela 6.6 ... 62
ix
Lista de Tabelas
Tabela 1.1: Definição do problema a que se propôs este trabalho ... 5
Tabela 2.1: Comparativo entre número de celulares no Brasil entre Jun/2011 e Nov/2014 ... 13
Tabela 3.1: Resultado da seleção de artigos do mapeamento do estudo sistemático ... 28
Tabela 3.2: Título dos artigos selecionados ... 28
Tabela 5.1: Tipos e quantidade de veículos gerados nos cenários ... 51
Tabela 5.2: Distribuição temporal dos veículos ao longo do dia... 51
Tabela 6.1: Número exato de veículos que trafegou na área de cobertura de cada célula, por hora, no cenário 1 ... 55
Tabela 6.2: Números de veículos obtidos através da metodologia Erlang, por célula, no cenário 1 ... 56
Tabela 6.3: Percentual de acerto entre o número exato de veículos que trafegou na área de cobertura de cada célula, por hora, e a estimativa alcançada pela metodologia Erlang, no cenário 1 ... 57
Tabela 6.4: número exato de veículos que trafegou na área de cobertura de cada célula, por hora, do cenário 2 ... 59
Tabela 6.5: números de veículos obtidos através da metodologia Erlang, por célula, do cenário 2 ... 60
Tabela 6.6: percentual de acerto entre o número exato de veículos que trafegou na área de cobertura de cada célula, por hora, e a estimativa alcançada pela metodologia Erlang, do cenário 2 ... 61
x
Durante a última década o Brasil tem vivido um período especial, com um ascendente crescimento econômico. Internamente, a população brasileira, com um poder aquisitivo maior, vem adquirindo novos produtos, acompanhando o mercado com as inovações tecnológicas. Um exemplo é a grande utilização da rede de telefonia móvel celular. Dados de novembro/2013 revelam que o Brasil possui hoje mais aparelhos celulares do que habitantes, na proporção de 1,36 celular/habitante (TELECO, 2013).
Outros setores da economia também têm crescido bastante. Atrelada a programas governamentais de concessão de crédito, a construção civil brasileira tem batido recordes nas cidades brasileiras.
O setor automobilístico também vem batendo recordes de vendas. No ano de 2010, foram vendidos quase 6 milhões de automóveis, indicando uma alta de 12,42% em relação ao ano anterior (FENABRAVE, 2011).
O atual cenário de crescimento contrasta-se com um sério problema de planejamento urbano. Enquanto as cidades estão sendo cercadas por imóveis e construções civis, o planejamento para esse crescimento não consegue responder de forma eficiente, sem contar os inúmeros automóveis que estão ingressando e/ou circulando nas vias públicas.
A questão da mobilidade urbana é um grave problema que se alastra pelos maiores centros urbanos brasileiros. A cada dia que passa, novos automóveis são colocados em circulação nas vias públicas que, em sua grande maioria, são consideradas ineficientes e, muitas vezes, precárias. A principal razão deste cenário está relacionada à falta de planejamento e também de investimentos de cunho coletivo para abranger a maior parte da população.
serviços de mobilidade urbana não leva em consideração nenhum estudo mais aprofundado a fim de avaliar se determinada mudança beneficiará, de fato, os habitantes da cidade. As soluções de contorno também são muito utilizadas para resolver certos gargalos que se formam quando há uma grande concentração de veículos em determinadas localidades. Essas soluções, como informado, são as chamadas soluções de contorno, e quase sempre deixam de atender às demandas de origem em pouco tempo, pois elas foram executadas para resolver problemas imediatos, sem nenhum planejamento e sem perspectiva de obtenção de sucesso no futuro.
Hoje em dia, para quem vive em um centro urbano brasileiro, é comum existir um procedimento diário dos habitantes, que é a preocupação com questões relacionadas a horários. Essa preocupação engloba uma série de fatores que vai desde o simples fato de chegar a um lugar de destino no horário previsto, até o fato de se preocupar em não passar por determinada região em algum horário específico, por já saber que aquela localidade encontra-se congestionada devido aos horários de pico.
Esta rotina diária é algo que tende a repetir-se ainda por um bom período de tempo, pois a situação está ficando pior a cada dia que passa. Como exemplo disso, pode-se citar a cidade de João Pessoa, na Paraíba, onde o número de veículos cresceu mais de 181% nos últimos 10 anos (DETRAN/PB, 2013). O aumento significativo da quantidade de veículos em circulação, como é o caso da cidade de João Pessoa, em pouco mais de uma década, deixa o quesito da mobilidade urbana mais difícil, e necessitando urgentemente de soluções eficazes de modo que possa amenizar essa situação.
Segundo (RESENDE; SOUSA, 2009), “O congestionamento nas principais cidades brasileiras é um problema que se tem agravado paulatinamente, resultando em perda de tempo, combustível e piora na qualidade do ar.” Além disso, a falta de mobilidade urbana afeta também questões relacionadas à qualidade de vida. Ainda segundo (RESENDE; SOUSA, 2009), “Os congestionamentos preocupam todos os indivíduos. A sensação de tempo perdido diante de um enorme congestionamento é preocupante e são poucas as pessoas que sabem conviver com essa realidade naturalmente”.
consideração algumas outras questões relacionadas ao trânsito e à formação de congestionamentos, dependendo do horário do deslocamento. Esses fatores são determinantes para se estimar o tempo de deslocamento que o indivíduo fará entre a sua origem e o seu destino. Uma vez que o tempo de duração desse percurso possa ser cada vez menor, é possível afirmar que houve uma boa mobilidade deste indivíduo através do percurso utilizado.
Porém, ao utilizar um transporte público coletivo (ônibus), sabe-se que o itinerário deste será sempre o mesmo, salvo algum incidente que venha a acontecer durante o seu percurso. Neste caso, a mobilidade também poderá ser compreendida através do tempo que o ônibus levará para executar o seu trajeto, onde será mais eficiente quando o menor tempo possível for alcançado, caracterizando assim em um fluxo mais dinâmico ao longo do seu percurso.
Uma das formas para tentar melhorar os índices de tempo de deslocamento entre uma origem e um destino, dentro de um centro urbano, seria conhecendo a situação do trânsito nas áreas que se encontram ao longo do trajeto, ou seja, saber se tem muito ou pouco automóvel circulando pelas regiões. Esta informação poderia auxiliar o individuo a utilizar outra rota com um fluxo menor de automóveis, ou seja, com menos congestionamento, a fim de alcançar o seu destino de forma mais rápida, mesmo utilizando um percurso maior.
Além disso, o fato de conhecer como cada região dentro de um centro urbano se encontra diariamente, em se tratando de congestionamento e fluxo de pessoas (se está congestionada ou não), pode auxiliar em um processo de planejamento urbano. A mudança de sentido de determinadas vias públicas, ou a construção de novas vias, pode ser feita com a certeza de alcance de um índice maior de sucesso, gerando assim um tráfego mais eficiente. Além disso, os locais para a construção de novos equipamentos públicos voltados para a sociedade, como hospitais, escolas e etc., também pode ser auxiliado, visando um acesso mais eficiente.
Como não existem muitas ferramentas para auxiliar na tomada de decisões, no sentido de construir soluções mais eficientes e sólidas para a mobilidade urbana, a simulação computacional pode contribuir com a tentativa de entender como se dá a movimentação urbana, dado um fluxo de veículos, e também tentar prever como será o comportamento futuro, auxiliando os habitantes que queiram evitar congestionamentos, escolhendo rotas mais dinâmicas.
Portanto, diante da constatação de diversos problemas relacionados ao planejamento nas grandes cidades brasileiras, questiona-se: como se apresenta a mobilidade humana no ambiente urbano? O entendimento de como a população se movimenta na cidade é um ponto chave para dar início ao processo de planejamento urbano. Descobrir de onde as pessoas vêm e para onde vão pode facilitar o processo de locomoção urbana, deixando a vida na cidade menos caótica e com um maior dinamismo, além de proporcionar uma maior qualidade de vida para os habitantes. O uso da rede de telefonia móvel celular, utilizando os telefones celulares dos habitantes de forma anônima como agentes de localização e deslocamento pode ajudar a entender a dinâmica urbana. Este é o propósito a que se destina este trabalho.
1.1
Motivação
Uma série de fatores vem motivando o desenvolvimento deste projeto. O atual cenário brasileiro, em se tratando da área de telefonia celular móvel, está totalmente favorável ao desenvolvimento de novas pesquisas, sobre as mais variadas especialidades. Encontram-se abaixo os principais fatores que serviram como motivação para o início desta pesquisa:
Fator científico: Até o desenvolvimento desta proposta, não foram encontradas pesquisas referentes à área deste trabalho no Brasil. A ausência de pesquisadores nacionais mostra a necessidade de exploração desta nova área, motivando assim o interesse em aprofundar novas técnicas de previsão da mobilidade urbana utilizando dados da rede de telefonia móvel celular.
perspectiva de investimentos pode também ser utilizada para incentivar novas pesquisas no campo deste trabalho, fazendo com que o conceito e a pressão da sociedade e do governo possam mudar diante de um possível benefício obtido a partir das operadoras. Portanto, este fator pode ser considerado como uma motivação para o desenvolvimento deste trabalho.
Fator social: A cidade de São Paulo registrou, em junho de 2012, o maior congestionamento da história, com 295 Km (JORNAL DO BRASIL, 2012). Assim como a cidade de São Paulo, outros municípios brasileiros estão sofrendo com problemas urbanos de locomoção. Além disso, ainda há um novo fator que em breve agravará esta situação por algum período de tempo: a realização da Copa do Mundo de FIFA de Futebol e as Olimpíadas de Verão. O país sediará, em 2014, a Copa do Mundo FIFA de Futebol, e a expectativa é que cerca de 600 mil estrangeiros visitem o país, fora os três milhões de brasileiros que irão circular internamente nas cidades-sede da copa (MINISTÉRIO DO TURISMO, 2012). O país ainda sediará, em 2016, as Olimpíadas de Verão, maior evento esportivo do mundo, que trará também milhares de turistas, não apenas à cidade sede do Rio de Janeiro, mas também a outras cidades brasileiras que servirão como rota de turismo. Logo, este fator também motiva o início do desenvolvimento deste trabalho, no sentido de tentar entender como se dá o deslocamento populacional nas grandes cidades brasileiras.
1.2
Definição do Problema
A definição do problema a ser pesquisada neste trabalho está mais bem apresentada na tabela 1.1, utilizando-se o modelo Goal, Question, Metric (CALDIERA;
ROMBACH, 1994):
Tabela 1.1: Definição do problema a que se propôs este trabalho
Analisar recursos de sistemas de simulação computacional
com a intenção verificar a viabilidade de uso da metodologia Erlang
com respeito ao gerenciamento de capacidade
do ponto de vista da administração pública municipal
1.3
Objetivos
1.3.1
Objetivo Geral
O objetivo geral deste trabalho é analisar a viabilidade do uso de sistemas de simulação computacional, utilizando dados da rede de telefonia móvel celular, visando um sistema de monitoramento urbano.
1.3.2
Objetivos Específicos
Com a finalidade de alcançar o objetivo geral, os seguintes objetivos específicos foram estabelecidos:
1. Definir um modelo representativo do padrão de conectividade dos dispositivos móveis celulares;
2. Criar cenários, baseados no modelo representativo, a serem simulados, com base no mundo real;
3. Desenvolver um mecanismo de obtenção dos dados oriundos da simulação.
1.4
Metodologia
As atividades que foram desempenhadas com a finalidade de atender aos objetos específicos listados e, consequentemente, ao objetivo geral deste trabalho, estão descritas abaixo, compondo assim a metodologia a ser utilizada.
1. Foi desenvolvido um estudo do mapeamento sistemático. Esta etapa foi importante para identificar os diversos campos que abrangem o domínio de atuação deste trabalho. O protocolo que utilizado para a realização deste mapeamento encontra-se no Anexo 1;
2. Foi realizada uma revisão na literatura para identificar as variáveis que serão necessárias para se obter a quantidade de usuários em cada torre de transmissão, denominada ERB – Estação Radio Base, da rede de telefonia móvel celular;
3. Foram analisados e estudados alguns sistemas de simulação computacional, visando atender aos requisitos propostos pelo trabalho.
4. Foram implementados cenários a serem simulados, além de um mecanismo que registrava os resultados gerados pela simulação;
1.5
Publicações Relacionadas
Este trabalho gerou, até o presente momento, uma publicação completa, cujo título foi “Análise de mobilidade urbana através de dados da rede de telefonia móvel celular”, no IV Simpósio Brasileiro de Computação Ubíqua e Pervasiva - SBCUP 2012, evento do XXXII Congresso da Sociedade Brasileira de Computação, realizado na cidade de Curitiba (PR) em de Julho de 2012.
O artigo publicado objetivou a análise da viabilidade de utilização de simuladores de tráfego, associados a dados de mobilidade de dispositivos móveis celulares, para a previsão de padrões de mobilidade urbana. Foram propostos dois cenários (baseados no mundo real), ambos com a utilização de dados fictícios, para serem construídos e simulados através de um simulador open source chamado SUMO – Simulation of Urban Mobility. Os resultados mostraram que é possível realizar diversas
análises com os dados gerados da simulação.
1.6
Estrutura do Documento
Este trabalho está dividido em 7 capítulos. Estes capítulos estão organizados da seguinte maneira:
Capítulo 2: apresenta a fundamentação teórica, abordando alguns temas necessários para o desenvolvimento deste trabalho;
Capítulo 3: expõe as informações referentes ao resultado do mapeamento do estudo sistemático, incluindo um resumo dos trabalhos selecionados;
Capítulo 4: aborda aspectos sobre o monitoramento de um centro urbano com o uso de dados da rede de telefonia móvel celular;
Capítulo 5: detalha a maneira com que foi construída a avaliação experimental utilizada neste trabalho;
Capítulo 6: apresenta os resultados que foram obtidos através da avaliação experimental;
2.
Fundamentação Teórica
2.1
Considerações Iniciais
Com a finalidade de fornecer uma sustentação teórica para o desenvolvimento deste trabalho, este capítulo abordará alguns temas relevantes, além de apresentar dados importantes que também justificam a importância para o seu desenvolvimento. Estes temas estão divididos da seguinte maneira: (a) crescimento populacional – onde será apresentado o atual cenário mundial e do Brasil, em especial, dando ênfase ao número de habitantes; (b) urbanização – mostrando como foco a ocupação do espaço urbano no mundo e no Brasil; (c) mobilidade urbana – trazendo algumas definições; (d) rede de telefonia móvel celular no Brasil – apresentando o atual cenário brasileiro, em se tratando de estatísticas de números de aparelhos; e por fim (e) sistemas de simulação computacional – mostrando a importância de utilizar-se deste método para obter informações a partir de uma entrada de dados.
2.2
Crescimento Populacional
O mundo já passa hoje da marca dos sete bilhões de habitantes. Se comparado ao ano de 2002, ou seja, dez anos atrás, houve um aumento populacional de mais de 11%, representando assim um crescimento demais de meio bilhão de pessoas. As projeções apontam um crescimento de mais de 5% para os próximos cinco anos, onde 7,4 bilhões de habitantes devem estar habitando o planeta (U.S. CENSUS BUREU, 2012).
Mesmo o Brasil apresentando índices inferiores de crescimento populacional para os próximos 5 anos, se comparados aos índices de crescimento populacional mundial, o país está muito aquém de proporcionar aos atuais e futuros habitantes um espaço geográfico mais organizado, munido de uma infra-estrutura mais compatível com o seu território, além de propiciar mais qualidade de vida. Além disso, esse fator é agravado pela falta de um planejamento mais sólido nas cidades brasileiras para enfrentar esses novos desafios.
Os dados expostos nesta seção referem-se apenas ao crescimento populacional. Além desses dados, existe outro fator importante que merece uma atenção especial: a expectativa de vida. Muitos estudiosos afirmam que os índices de mortalidade irão diminuir ao longo dos anos, principalmente em decorrência da evolução da ciência, aumentando assim a longevidade dos indivíduos (LEE, 2011).
Portanto, é preciso encontrar soluções, principalmente atreladas ao uso de tecnologias, visando dar suporte na preparação do espaço territorial para os futuros habitantes que virão a habitar o planeta.
2.3
Urbanização
O conceito de urbanização pode ser compreendido como a ocupação do espaço urbano pelo homem. O crescimento das áreas urbanas no mundo, em detrimento às áreas rurais, deu-se através de uma série de fatores – evolução da sociedade, benefícios tecnológicos, bem estar proporcionado pelo ambiente urbano, etc. Dados mostram que, no ano de 2011, 52,2% da população mundial viviam em cidades. Este percentual, se projetado ao ano de 2050, chegará a incríveis 67,2% (UN, 2012).
Figura 2.1: População urbana por área geográfica Fonte: ONU (2011)
Dados de 2007 revelam que, no Brasil, 83,48% da população vivem em zonas urbanas. Este percentual no ano de 1970 era de 55,92%. A cidade de São Paulo é a mais populosa do país (IBGE, 2012).
Portanto, com base nesses dados apresentados, é interessante notar que os índices de urbanização no Brasil ultrapassam os índices mundiais. Isso é um fator importante que contribui para o crescimento, de certa forma desordenadamente, das cidades brasileiras.
2.4
Mobilidade Urbana
número de pessoas? Atrelado a este questionamento, tem-se também outros questionamentos secundários, a exemplo de: como proporcionar segurança para a população? E como oferecer serviços de saúde de forma descentralizada? Como se dará, também, as questões relacionadas à mobilidade urbana e ao bem estar da população?
Segundo (WALKER, 2011), o objetivo da mobilidade urbana é o de “criar um sistema altamente eficiente, flexível, ágil e seguro com a menor quantidade de tráfego, tempo de viagem e esforço possível, ao mesmo tempo em que garanta a sustentabilidade ambiental.”
Os benefícios com a utilização de um sistema eficiente de mobilidade urbana são muitos: redução de tempo gasto entre um percurso (origem e destino qualquer), redução de gastos com combustível, além proporcionar um melhor conforto, no sentido de bem estar, dos habitantes.
Segundo (SCHRANK; LOMAX; EISELE, 2011), responsáveis pelo relatório da mobilidade urbana de 2011, do Instituto de Transportes do Texas, nos Estados Unidos, “o congestionamento é um problema significativo em 439 áreas urbanas da América”. Além disso, o relatório ainda diz que “[...] um extra de 1.9 bilhões de galões de combustível para um custo total de US$101 bilhões [...]” foram desperdiçados com os congestionamentos.
Em se tratando da realidade brasileira, nota-se que é grande o número de pessoas que vivem em cidades, como foi apresentado anteriormente. A ocupação urbana no Brasil aconteceu (e vem acontecendo) de forma muito rápida. É bom levar em consideração que até o ano de 2001 o país ainda não tinha uma ferramenta jurídica capaz de atender ao capítulo pertinente à política urbana presente na Constituição Federal de 1988. Este documento, que só foi homologado cerca de 13 anos após a publicação da Constituição, é o Estatuto da Cidade.
Segundo (DEPUTADOS, 2002), o Estatuto das Cidades é “é apenas um primeiro passo para que os brasileiros tenham assegurado o seu direito a cidades sustentáveis, entendido pelo próprio texto da Lei nº 10.257/01 como envolvendo o direito à terra urbana, à moradia, ao saneamento ambiental, à infra-estrutura urbana, ao transporte e aos serviços públicos, ao trabalho e ao lazer, para as atuais e futuras gerações.”
Os fatores pertinentes a este descaso são muitos: excesso de transporte de cunho individual – incompatibilizando assim a relação entre número de veículos x vias públicas, falta de infraestrutura pública necessária para atender aos atuais e futuros padrões das áreas urbanas, bem como a falta de profissionais responsáveis que abordem o tema com a devida atenção (GAKENHEIMER, 1999).
A solução para o tema da mobilidade urbana deve ser abordada com estratégias, associadas ao uso te tecnologias. Algumas das estratégias que podem ser abordadas para tratar o tema são: a) alterar os padrões de uso das vias, ou seja, modificar horários para começar e terminar expedientes de empregados, evitando a “hora do rush”; b) Fornecer rotas alternativas para se chegar a determinado local; e c) diversificar padrões de desenvolvimento urbano, com misturas entre bairros residenciais, locais de compras e etc. (SCHRANK; LOMAX; EISELE, 2011).
As estratégias apresentadas podem ser abordadas com o uso de tecnologias computacionais, dentre elas o uso de sistemas de simulação computacional. As simulações são importantes para ajudar na tomada de decisões, antes mesmo de se executar uma mudança. Simulações serão utilizadas neste trabalho para analisar padrões de mobilidade urbana para analisar determinadas métricas.
2.5
Rede de telefonia móvel celular no Brasil
Os primeiros passos para a introdução do sistema móvel celular no Brasil ocorreram no final da década de 1980, onde, na ocasião, empresas estatais conseguiram o direito para explorar o serviço. A grande demanda pela utilização do sistema móvel por parte da população só veio acontecer uma década depois, quando houve a privatização do Sistema Telebrás, em 1998. Isto possibilitou uma grande expansão da rede, tendo assim uma enorme adesão por parte dos brasileiros (SARITA et al., 2011).
Tabela 2.1: Comparativo entre número de celulares no Brasil entre Jun/2011 e Nov/2014
Fonte: TELECO (2013)
Junho/2011 Novembro/2013
Celulares 217.345.962 270.518.875
Densidade 111,62 136,24
O estado de São Paulo ocupa o primeiro lugar em número de aparelhos, com um total de quase 63 milhões de celulares. Este dado justifica a inclusão de mais um dígito que será introduzido no início de todas as linhas do estado cujo DDD é 11 (GLOBO.COM, 2012). Já o Distrito Federal ocupa a primeira colocação em termos de densidade. Lá, cada habitante possui aproximadamente 2,2 celulares.
Em se tratando da rede de telefonia móvel, a cobertura do sinal de uma determinada área geográfica dá-se através das ERB´s, que formam as chamadas células, e transmitem o sinal aos dispositivos móveis (celulares, tablets, etc). Uma ERB é
composta por equipamentos de transmissão de rádio, onde cada uma possui um número de canais de transmissão disponíveis para utilização por parte dos assinantes. A definição do número de canais para a transmissão de voz é um parâmetro crucial no desenvolvimento do projeto de instalação de uma antena de transmissão (TOLSTRUP, 2011). Portanto, as ERB´s distribuem-se de acordo com a densidade populacional de determinada região. Os dados que são trafegados através dos dispositivos móveis geram, por sua vez, processamento para os equipamentos de rádio que compõem uma ERB. Esses dados, que podem ser referentes à voz ou a dados, podem ser utilizados para medir a capacidade funcional de uma ERB. Logo, esses dados também podem ser utilizados para estimar a quantidade de usuários que possam estar conectados na área de cobertura da ERB. Uma forma de aferir esta medição é utilizando a metodologia de
Erlang. Erlang é uma unidade usada para a medição de tráfego telefônico em um
período de tempo, proposta por Agner Krarup Erlang, e é tida como uma referência padrão (TOLSTRUP, 2011). A equação de Erlang é descrita de acordo com a Figura
Figura 2.2. Fórmula do cálculo Erlang Fonte: TELECO (2012)
O tempo (t), em segundos, é definido de acordo com o período da análise. A equação é usada para calcular a estimativa de tráfego em cada ERB, e, com isso, estimar a quantidade de assinantes que estão conectados a ela.
A grande disseminação de aparelhos celulares no Brasil fez com que as operadoras de telefonia móvel baixassem o preço do minuto cobrado por ligação. Entre o ano de 2012 e 2013, houve uma queda de 19% do preço cobrado. Isso fez com que o brasileiro utilizasse mais o seu telefone celular para realizar ligações. Dados mostram que, em um mês, o brasileiro fala em média 130 minutos, o que corresponde 4,3 minutos por dia (TELEBRASIL, 2013).
2.6
Simulação computacional
Este seção abordará uma revisão da literatura acerca da simulação computacional, além de sua importância em se tratando de uma poderosa ferramenta para o auxílio na tomada de decisões. Os sistemas de simulação são uma forma barata de se estudar situações vividas no mundo real visando dar uma maior eficiência, dada situações extremas. As simulações contemplam, portanto, a representação da vida real através de um modelo, que, implementado em sistemas computacionais, torna-se possível realizar essas situações.
Utilizados desde a década de 1950, os métodos de simulação computacional são úteis no processo de tomada de decisão com diversos tipos de abordagens, objetivando assim criar diversas situações antes de implementar determinadas políticas na prática (PIDD, 1994).
mais largamente usados em operações de pesquisas e técnicas científicas(LAW, AM; KELTON, 2000).
Cada vez mais as simulações computacionais estão sendo utilizadas como uma metodologia para se alcançar melhores resultados por partes de gerentes de grandes companhias. Isso se deve, além de outros fatores, ao avanço no desenvolvimento e/ou aperfeiçoamento de softwares para esta finalidade. Alguns benefícios que são levados em consideração para muitas empresas que adotam a simulação computacional são: exploração de novas possibilidades, diagnóstico de problemas, identificação de restrições, preparação de mudanças, entre outros (BANKS, 1999).
A figura 2.3 apresenta uma esquemática do estudo de um sistema de simulação, onde a computação insere-se na parte de estudo da simulação.
2.6.1
O uso da simulação na ciência
Segundo (HARTMANN, 2005), “as partes principais das atuais pesquisas nas áreas de ciências sociais e naturais não podem mais ser imaginadas sem simulações, especialmente aquelas implementadas em um computador, que são consideradas com a mais efetiva ferramenta metodológica”. Em se tratando de ciência, os principais motivos para se executar simulações são:
a) simulação como uma técnica, no sentido de investigar a dinâmica detalhada de um sistema;
b) simulação como uma ferramenta de heurística, para desenvolver hipóteses, modelos e teoria;
c) simulação como um substituto para um experimento, objetivando realizar experimentos numéricos;
d) simulações como ferramentas experimentalistas, objetivando apoiar experimentos;
e) simulações como ferramenta pedagógica, no sentido de obter a compreensão de um processo.
Segundo (HARTMANN, 2005), “o mundo social é tão complexo que, provavelmente, mesmo com o alto poder do processamento dos computadores, não é possível aproximar-se do mundo real [...]”.
Segundo (LAW, 2007), “um dos problemas mais difíceis enfrentados pelos analistas de simulação é o de tentar determinar se um modelo utilizado é uma representação precisa do sistema real que está sendo estudado, ou seja, se o modelo é válido”.
2.6.2
Etapas de uma simulação
No desenvolvimento de um sistema de simulação, que engloba o projeto de experimento e a análise de desempenho, existem algumas etapas que são consideradas importantes. Essas etapas, por sua vez, possuem algumas diferenças que variam de acordo com cada autor. Serão especificadas aqui algumas metodologias para se realizar um processo de simulação computacional.
Definição do problema: etapa onde as metas devem ser claramente definidas; Planejamento do projeto: etapa onde se deve ter certeza dos recursos para a
realização da simulação, em termos de recursos humanos e recursos de hardware;
Definições do sistema: onde deverá existir a investigação de como o sistema irá funcionar;
Formulação do modelo conceitual: etapa para a criação de um modelo gráfico preliminar, envolvendo diagramas e etc.;
Projeto de experimento preliminar: determinação de medidas de efetividade que serão utilizadas;
Preparação para a entrada de dados: etapa que deverá ser realizada a identificação e coleção de dados de entrada necessários para o modelo;
Tradução do modelo: programação do modelo em uma linguagem de programação;
Validação e verificação: etapa que confirmará que o modelo está operando de forma correta;
Projeto de experimento final: projetar um experimento com informações desejadas e determinar como cada teste executa de acordo com o projeto experimental;
Experimento: etapa de execução da simulação para geração dos dados desejados;
Análise e interpretação: realização de inferências dos dados gerados da simulação;
Implementação e documentação: etapa para a documentação do modelo e de seu uso.
Ainda segundo (SHANNON, 1992), “é importante que os modeladores inexperientes entendam que, quanto mais tempo se esperar para iniciar a etapa 7 (tradução do modelo), mais rápido completará a codificação e o projeto”.
Já de acordo com (MARIA, 1997), as etapas que compreendem o desenvolvimento de um modelo de simulação computacional são 11:
Formulação do Problema: a formulação do problema é uma etapa que serve para estabelecer o objetivo geral, e alguns específicos, que serão abordadas em uma simulação. Além disso, aqui deve ser também definido o período estudado, ou seja, uma simulação para apenas uma decisão, ou uma simulação para um tempo continuo.
Coleta e processamento de dados reais: esta etapa consiste na identificação de dados reais e na escolha de uma distribuição de probabilidade indicada a cada variável escolhida. Existem alguns pacotes de softwares que podem ser utilizados para montagem da distribuição, a exemplo do ExpertFit e BestFIT.
Formulação e desenvolvimento de um modelo: o desenvolvimento de diagramas de rede do sistema é um exemplo do que pode ser realizado nesta etapa, juntamente com a tradução do modelo para uma forma aceitável de software para simulação.
Validação do Modelo: a validação do modelo consiste em realizar a comparação do sistema real com o desempenho do modelo proposto. Para isso, testes de inferência estatística podem ser realizados. Grandes projetos de simulação necessitam de analistas experientes para dar uma maior credibilidade ao modelo.
Documentação do modelo para usos futuros: como um modelo de simulação é um teste onde podem acontecer mudanças significativas, dadas às mudanças das variáveis de entrada, surgem diversos questionamentos. Logo, esta etapa é útil para definir como os dados precisam ser obtidos, além da forma e da quantidade. Esses dados precisam ser documentados.
Seleção do projeto experimental adequado: nesta etapa é realizada a seleção de uma medida de desempenho, algumas variáveis que podem ser influenciáveis, além do nível de cada variável. Deve-se então documentar o que foi estabelecido.
Realização das simulações: Deverão ser realizadas as simulações de acordo com o que foi estabelecido nos dois últimos tópicos acima.
Interpretação e apresentação dos resultados: Nesta etapa, deve ser feito o cálculo de estimativas numéricas para alguma medida de desempenho desejada. Fazer recomendações de ação: Nesta etapa final, podem ser realizadas outras
medidas para o desenvolvimento do sistema.
Ainda segundo (MARIA, 1997), embora as etapas acima, descritas por ela, sigam uma ordem lógica para o desenvolvimento de uma simulação, nem todas elas podem ser possíveis ou necessárias. Além disso, etapas adicionais podem ser inseridas entre as etapas também.
Por fim, (LOBÃO; PORTO; VIEIRA, 1997) propõe um roteiro sistematizado, composto por 10 etapas, que pode ser visto através da figura 2.4.
Nota-se que as etapas propostas por (LOBÃO; PORTO; VIEIRA, 1997), apresentadas na figura 3, dizem respeito a praticamente as mesmas etapas descritas anteriormente. Com isso, faz-se desnecessário a descrição detalhada de cada uma das etapas. Além disso, mostra-se que os princípios básicos da modelagem de um sistema de simulação computacional são praticamente os mesmos.
2.6.3
Softwares de simulação
A constante evolução dos sistemas de computação, em se tratando de hardware,
além de técnicas usando a combinação de hardware e software, a exemplo de clusters e,
mais recentemente, o conceito de computação nas nuvens, fez com que os sistemas de simulação computacional também ficassem cada vez mais completos, robustos e fáceis de ser utilizar. Muitos desses sistemas possuem interfaces gráficas intuitivas, que podem proporcionar a sua utilização por qualquer usuário, mesmo aqueles que não têm certa intimidade com sistemas tecnológicos. Este cenário fez com que as empresas, principalmente de manufatura, adotassem essa metodologia para tentarem funcionar bem próxima de sua capacidade máxima.
O professor (SWAIN, 2011), da Universidade do Alabama, e que trabalha com simulação desde a década de 70, diz que “as ferramentas de software de simulação pesquisadas nos últimos estudos (surveys) estão impressionantes em sua escala,
sofisticação e capacidade. Elas fornecem um suporte inigualável para a construção, visualização e análises de modelos para grade gama de aplicações.”
Em se tratando de sistemas de simulação envolvendo questões relacionadas ao planejamento urbano e/ou tráfego de veículos, existem algumas ferramentas disponíveis, como o UrbanSim, UrbiSim e o SUMO – Simulation of Urban Mobility.
Essas ferramentas, que serão detalhadas mais abaixo, foram analisadas minuciosamente para se tentar alcançar o principal propósito deste trabalho, que é a viabilidade da utilização de sistemas de simulação computacional, juntamente com dados da rede de telefonia móvel celular, para se tentar criar um sistema de monitoramento da mobilidade urbana.
O simulador que foi escolhido para ser usado neste trabalho foi o SUMO. Esta
Importação de mapas de ambientes urbanos: o simulador teria que ter a funcionalidade de importação de mapas de ambientes urbanos reais para a realização de simulações;
Customização dos mapas: além da importação dos mapas do ambiente urbano, o simulador teria que ser capaz de realizar a customização desse mapa, com a finalidade de incluir as torres de transmissão da rede de telefonia móvel celular (abrangendo a sua cobertura no mapa);
Inclusão de pontos móveis: este requisito objetivava a adição de pontos móveis (como veículos) no mapa importado, com a finalidade de analisar como se dá o seu deslocamento no mapa;
Geração de arquivo de registro (logs) para análises: o simulador deveria ser capaz de gerar um arquivo que armazenasse o percurso utilizado pelos pontos móveis, com a finalidade de se realizar análises pós a simulação.
A seguir, encontra-se a descrição dos sistemas de simulação que foram testados neste projeto.
2.6.3.1
UrbanSim
O UrbanSim é um sistema de simulação computacional que teve como principal
motivação de desenvolvimento a tentativa de tentar entender a complexidade que existe no ambiente urbano para antecipar efeitos que possam vir a acontecer no futuro. Realizar mudanças estruturantes, como a criação ou alargamentos de rodovias, por exemplo, não podem ser tratadas como simples obras para resolver problemas de forma imediata, como acham as empreiteiras. Algumas características que o sistema de simulação UrbanSim modela incluem:
Representação explicitamente da terra, estrutura (casas, edifícios, etc) e seus ocupantes (famílias e empresas);
Projeção para altos níveis de desagregação espacial;
A simulação do desenvolvimento urbano como um processo dinâmico ao longo do tempo e espaço, em oposição a um método de corte transversal ou de equilíbrio.
Figura 2.5: Sistema de simulação UrbanSim Fonte: UrbanSim (2012)
Apesar de o UrbanSim conseguir implementar muitas funcionalidade
interessantes, ele se tornou inapto para este trabalho por não atender aos requisitos especificados.
2.6.3.2
UrbinSim
Outro sistema de simulação computacional que simula o ambiente urbano, e de nome muito parecido com o anterior citado, é o UrbiSim. Este sistema foi projetado
para simular o comportamento humano em um ambiente urbano. Desenvolvido com a linguagem C++, este simulador recebeu a denominação de um framework que independe de qualquer ferramenta de simulação, e seve para receber dados reais para atender a diversos requisitos, o que inclui a mobilidade de pedestres e veículos (HERBIET; BOUVRY, 2009).
Apesar de o UrbiSim parecer ter uma idéia bastante inovadora, o projeto ainda
está em fase de desenvolvimento, e não foram encontradas novas atualizações desde o ano de 2009. A figura 2.6 apresente a parte gráfica do sistema que, assim como o
Figura 2.6: Sistema de simulação UrbinSim Fonte: UrbinSim (2012)
Assim como o UrbanSim, o UrbinSim também possui diversas funcionalidades
interessantes, mas também não atende aos requisitos propostos. Além disso, de acordo com web site oficial do projeto, desde o ano de 2009 não foram realizadas atualizações, o que pode caracterizar-se como abandono do projeto.
2.6.3.3
SUMO
–
Simulation of Urban Mobility
O SUMO – Simulation of Urban Mobility é um sistema de código aberto
desenvolvido e mantido pelo Instituto de Sistemas de Transportes do Centro Aeroespacial da Alemanha, com a finalidade de realizar simulações com tráfego de veículos (BEHRISCH et al., 2011).
Com pequenas adaptações, este sistema permite-nos simular situações reais de usuários da rede de telefonia celular, sendo representados como veículos em movimento. A figura 2.7 apresenta a interface do SUMO já com a utilização de um
Figura 2.7: Sistema de simulação SUMO Fonte: SUMO (2012)
O SUMO foi escolhido para este trabalho por ter atendido a todos os requisitos listados anteriormente. Abaixo, se encontra a forma com que o sistema implementa cada um deles:
Importação de mapas de ambientes urbanos: Uma das principais características do SUMO é a possibilidade de importação de mapas, no formato XML, a partir do serviço oferecido pelo OpenStreetMap. A importação é feita de
Figura 2.8: Detalhe do cruzamento de avenidas com o SUMO, a partir de um mapa importado pelo OpenStreetMap
Fonte: SUMO (2012)
Customização dos mapas: É possível definir polígonos no mapa, através de um arquivo XML, que é indicado no arquivo de configuração do sumo. Neste arquivo, além dos vértices do polígono, estão definidos outros atributos como cor, layer (camada do mapa) e fill (pintado ou não). No nosso caso, as áreas
delimitadas são as coberturas das antenas (regiões hexagonais). A figura 2.9 apresenta este polígono no mapa.
Inclusão de pontos móveis: O SUMO possibilita a inclusão de pontos móveis, a
exemplo de automóveis e ônibus, durante a simulação. Esses pontos móveis podem ser inseridos nas ruas e avenidas do mapa que venha a ser importado pelo sistema. Além disso, esses pontos podem ser configurados com uma rota, que incluem origem e destino.
Geração de arquivos de registros (logs) para análises: Por fim, existe a possibilidade da geração de um arquivo de registro (log) contendo a
movimentação de todos os pontos móveis utilizados na simulação. Esse log
registra os locais por onde esses pontos passaram, e servem para realizar as análises pós a simulação.
Além de implementar todos os requisitos necessários para esta pesquisa, o SUMO dispõem também de um poderoso recurso que se chama traci -
Traffic Control Interface. O traci age como um servidor, e se comunica com o SUMO
através do protocolo TCP, o que pode ser interessante para a utilização em máquinas com alto poder de processamento. Com ele, é possível controlar todos os recursos de uma simulação de trânsito, alterando comportamentos e fluxos dos objetos que estão sendo monitorados. Esse controle é feito através de métodos já definidos. Com isso, é possível utilizar a linguagem de programação python de modo a executar esses métodos
3.
Trabalhos Relacionados
Este capítulo destina-se a apresentar as principais pesquisas que estão relacionadas com o tema do trabalho proposto. Também será exposto o resultado do mapeamento do estudo sistemático que foi realizado, de acordo com o protocolo que se encontra no anexo 1.
3.1
Mapeamento do estudo sistemático
O mapeamento do estudo sistemático, importante etapa realizada no planejamento deste trabalho, identificou e organizou os mais variados trabalhos que estão relacionados ao uso de dados da rede de telefonia móvel celular com o objetivo de entender sobre padrões de mobilidade urbana. Com isso, foi possível realizar o mapeamento de técnicas, processos e metodologias que já foram utilizados em outros trabalhos. Uma vez detectado esses procedimento, fica mais claro a identificação de lacunas que podem ser ocupadas com o desenvolvimento de novos trabalhos.
A pesquisa foi realizada obedecendo aos critérios expostos no protocolo, que se encontra no Anexo 1. Um protocolo é um documento que estabelece os critérios que serão adotados no mapeamento. Uma vez que atendia aos critérios de aceitação, o artigo era selecionado para uma minuciosa verificação, para assim, fazer parte dos futuros relatórios e maiores estudos. Por outro lado, se os critérios de exclusão fossem atendidos, o artigo era descartado.
3.1.1
Seleção de artigos
A tabela 3.1 apresenta os resultados obtidos a partir dos portais de periódicos
IEEExploree ACM Digital Library, e mostra a quantidade de artigos retornados para
cada string, bem como a quantidade de artigos que foram selecionados, de acordo com
Tabela 3.1: Resultado da seleção de artigos do mapeamento do estudo sistemático
Strings
Quant. total de artigos
retornados Quant. de artigos selecionados Portal IEEE Portal ACM Portal IEEE Portal ACM
"mobile phone data" AND
"mobility patterns"
48 52 3 4
"mobile phone data" AND "urban mobility"
28 8 3 0
TOTAL 76 60 6 4
3.1.2
Artigos selecionados
Observando a tabela 3.1, nota-se a seleção de 10 trabalhos que foram selecionados de acordo com o protocolo do mapeamento sistemático. O título de cada um desses 10 trabalhos encontra-se abaixo, na tabela 3.2.
Tabela 3.2: Título dos artigos selecionados
Nº Título do Artigo
A 01 Analyzing and geo-visualizing individual humanmobility patterns using mobile call records
A 02 Active GSM cell-id tracking: "Where Did You Disappear?" A 03 Discovering Collective Mobility Patterns
A 04 Exploratory analysis of urban mobility: From mobile phone usage data to tourist behavior
A 05 Looking at spatiotemporal city dynamics through mobile phone lenses A 06 Mining individual mobility patterns from mobile phone data
A 07 Performance study of active tracking in a cellular network using a modular signaling platform
A 08 Social Event Detection in Massive Mobile Phone DataUsing Probabilistic Location Inference
A 09 Urban Mobility: Velocity and Uncertainty in Mobile Phone Data A 10 Visual analysis of people's mobility pattern from mobile phone data
3.1.3
Publicação ao longo dos anos
A importância desta análise é tentar identificar se o tema é emergente, ou se está sendo esquecido por parte dos pesquisadores, por, talvez, ter atingido todos os espaços possíveis de pesquisas. Um tema emergente, todavia, tentará encontrar novas soluções visando ocupar essas lacunas.
Figura 3.1: Publicação de trabalhos ao longo dos anos
Nota-se, portanto, que o tema deste trabalho aparenta ser emergente. Este mapeamento foi realizado no início do ano de 2013, portanto muitos trabalhos do ano de 2012 ainda não estavam disponíveis nos portais de periódicos, de acordo com o protocolo.
3.1.4
Meios de publicação
Figura 3.2: Meios de publicação dos trabalhos selecionados
3.1.5
Contexto e tópicos das pesquisas
Por fim, a partir dos dados gerados dos trabalhos selecionados no mapeamento sistemático, foi possível a construção de um gráfico de bolhas, apresentado na figura 3.3, mostrando do que se trata cada um deles. Com este gráfico, é possível identificar que lacunas ainda existem em se tratando do tema deste trabalho.
Figura 3.3: Gráfico de bolhas
3.2
Descrição dos Trabalhos Relacionados
utilizando esta temática da análise da mobilidade urbana através do uso da rede de telefonia móvel celular. Porém, nenhum desses utilizou-se de sistemas de simulação computacional para inserir os dados colhidos e gerar resultados para uma previsão. Alguns trabalhos, que também serão descritos aqui, não estão inseridos entre os trabalhos que foram apresentados no mapeamento do estudo sistemático, pois a grande maioria estava disponível no acervo de publicações do MIT –Massachussets Institute of Technology, e o mapeamento foi realizado de acordo com o protocolo disponível no
Anexo 1.
O artigo A01, “Analyzing and geo-visualizing individual human mobility patterns using mobile call records”, objetiva analisar e visualizar geograficamente os
padrões individuais das pessoas usando registro de chamadas usando telefones celulares. Para isso, foi utilizada a tecnologia GSM. Foi selecionada para a pesquisa uma área urbana da China, abrangendo um total de oito distritos, cinco condados e sete municípios. Nessa região, foram escolhidos mais de 869 mil pessoas para receberem, pelo menos, 1 ligação do dia, por nove dias consecutivos. Os resultados desta pesquisa mostraram que, nas amostras coletadas, a distância percorrida na atividade diária geralmente varia dentro de um intervalo razoavelmente parecido. Não existe diferença significativa entre homens e mulheres, e a diferença de caminho percorrido entre jovens é bem maior do que a de pessoas idosas.
No artigo A02, “Active GSM cell-id tracking Where Did You Disappear, foram
trabalhadas duas tecnologias que podem ser utilizadas para recuperar dados da localização do usuário. Uma dessas tecnologias envolve o uso de GPS, e a outra envolve a identificação por célula ( ou torre de transmissão). A técnica que envolve o uso de GPS, segundo o artigo, possui boa precisão, porém é bastante limitada, e não está acessível a todos. Por outro lado, a técnica baseada na identificação da célula pode ser utilizada em qualquer usuário, sem o identificar (de forma anônima). Como conclusão, os autores informaram que, apesar da imprecisão do posicionamento, a utilização por identificação da célula é uma boa opção, pois permite coletar dados com um baixo custo utilizando a plataforma SS7Tracker não intrusiva, sem qualquer atualização de software ou hardware.
cidade. Este método consiste em analisar um volume de imagens para caracterizar o fluxo do tráfego.
Já o artigo A04, “Exploratory Analysis of Urban Mobility: From MobilePhone
Usage Data to Tourist Behaviour”, objetivou usar os dados da telefonia móvel para estudar a mobilidade dos turistas entre diferentes lugares dentro de uma cidade norte americana, utilizando a tecnologia de registros móveis GSM, a partir dos dados de celulares, que são coletados automaticamente através das gravações da rede, sempre que ocorre algum evento (ligação, SMS, etc.). Nessas gravações existem dados como: identificador, data, evento, identificador da célula e área de localização. Esses dados gerados foram utilizados para análise e identificação do trajeto, da forma como foram feitos. Esta metodologia foi usada para explorar os dados e tentar identificar padrões que levam a novos conhecimentos sobre a mobilidade urbana em relação ao turismo. Consiste na combinação de várias ferramentas e softwares que visualizam, modificam, fundem, criam e visualizam os arquivos quem contém os dados para uma investigação mais aprofundada. Este trabalho não foi concluído e ainda está em andamento procurando outras fontes a fim de enriquecer estas analises e construir um modelo de mobilidade urbana de turistas e moradores.
O artigo A05, “Looking at spatiotemporal city dynamics through mobile phone lenses”, tratou sobre o estudo do fluxo das cidades e avaliação da dinâmica de espaço
temporal, utilizando dados de telefonia móvel. Para isso, de forma anônima, os dados de 4 milhões de pessoas na França foram coletados, gerando um total de 94 milhões de registros. Para a coleta dos dados de usuários foram usadas as chamadas (Recebidas/Feitas), SMS (Envio/Recebimento), mudança de torre durante uma chamada e ao entrar em um novo local (Update – LA). Cada evento, do Update, gera um registro correspondente à via identificadora da célula, que é traduzida em coordenadas geográficas. Desse modo, os caminhos percorridos pelo usuário oferecem informações para estudar a dinâmica de mobilidade.
O artigo A06, “Mining Individual Mobility Patterns from Mobile Phone Data”,
tratou sobre a descoberta de padrões individuas de mobilidade, usando pacote de dados do telefone celular, para oferecer serviços “mais inteligentes” e personalizados. Segundo os autores, esse trabalho foca nos vários tipos de padrão de mobilidade para analisar o comportamento individual dos usuários.
desenvolveram e testaram ferramentas rentáveis, que utilizam informações preciosas sobre uma rede de telefonia, para a realização de tarefas específicas, como o de estudar a mobilidade urbana. O método utilizado para a pesquisa foi a utilização da plataforma SS7. O SS7 é utilizado somente para enviar informações de sinalização comum a diversas chamadas. Foi desenvolvido para funcionar em centrais de comunicação, com o objetivo de extrair maiores vantagens desse tipo de tecnologia, carregando as informações através de pacotes de dados entre as centrais. Apesar da imprecisão do posicionamento, a utilização do Cell-ID é uma boa opção, pois permite coletar dados com um baixo custo utilizando a plataforma SS7 não intrusiva, porém a precisão do posicionamento pode melhorar com estudo de outras técnicas.
O artigo A08, “Social Event Detection in Massive Mobile Phone Data Using Probabilistic Location Inference”, objetivou concentrar a detecção de eventos sociais (show, jogos esportivos, protestos, etc.) em um grande conjunto, utilizando dados da telefonia móvel celular. Então, foram realizados cálculos probabilísticos para computar a densidade de pessoas. Com o método utilizado foi possível determinar quantos usuários participaram de certo evento, baseado em uma rede (Bayesian). Porém, os dados são limitados, e assim continua a dificuldade para validar o método por falta de informações adicionais.
O artigo A09, “Urban mobility: velocity and uncertainty in mobile phone data”,
estudou o comportamento dos usuários utilizando dados de telefonia móvel celular, da rede GSM, propondo uma abordagem trigonométrica para descrever ambos os valores, de mobilidade e incerteza. Os resultados atestaram a boa qualidade do indicador proposto. É necessário mais trabalho para melhor avaliar os indicadores, utilizando um intervalo de tempo maior e diferentes dias.
Já o artigo A10, “Visual Analysis of People’s Mobility Pattern from Mobile Phone Data”, estudou comportamentos humanos revelados por meio da análise de
quantidade excessiva de dados, foi aplicada um método de amostragem a fim de reduzir a escala dos dados para serem visualizados.
Além dos trabalhos selecionados através do mapeamento do estudo sistemático, conforme foram descritos acima, outros trabalhos também merecem uma importante participação no contexto do uso de dados da telefonia móvel celular para fins de análise da mobilidade urbana. Estes trabalhos estão descritos abaixo.
Em seu artigo, (CALABRESE; DI LORENZO; RATTI, 2010) analisaram a área de cobertura da rede de telefonia celular móvel, observando o movimento entre as oito cidades localizadas na área leste de Massachusetts, sendo elas Middlesex, Suffolk, Essex, Worcester, Norfolk, Bristol, Plymouth e Barnstable, onde se constitui uma população aproximada de 5,5 milhões de pessoas. Foi analisado um conjunto de dados totalizando 829 milhões de entradas, com localizações anônimas estimadas, de aproximadamente 1 milhão de aparelhos celulares (correspondente a aproximadamente 20% de população) por um período de 4 meses. O objetivo do estudo consistiu em compreender e prever a mobilidade humana, que é um componente fundamental para o gerenciamento e planejamento do transporte das pessoas. No trabalho desses autores é proposto um novo modelo capaz de prever a localização de uma pessoa ao longo do tempo, baseado nos comportamentos individuais e coletivos. O modelo é caracterizado por se basear na trajetória do passado da pessoa bem como das características geográficas inerentes à área onde a coletividade se locomove, tanto em termos de utilização do solo, pontos de interesse das pessoas e distâncias percorridas. A eficácia do modelo de previsão proposto pelos autores é testada por meio de um conjunto de dados proveniente de uma grande quantidade de celulares na área metropolitana de Boston. Os resultados experimentais encontrados mostram bons níveis de precisão em relação ao erro de precisão e evidenciam a vantagem da utilização do comportamento coletivo na previsão deste estudo.
Os pesquisadores (SEVTSUK; RATTI, 2009) investigaram e publicaram, em seu artigo, os padrões da mobilidade urbana na cidade de Roma. O objetivo deste estudo era constatar se a população da cidade seguia um padrão de rotina diário e semanalem diferentes partes da cidade. O estudo foi realizado durante sete semanas com a operadora de telefonia celular TIM. A escolha da operadora deu-se em virtude de a TIM possuir o maior market share da Itália, com aproximadamente 40% dos consumidores,
atividades de todos os usuários da operadora, mas sim daqueles que participaram ativamente da rede, seja realizando ligações, enviando SMS ou acessando a internet no período de coleta dos dados na cidade de Roma. Os autores focaram o estudo em locais geográficos ao invés de indivíduos, usando intervalos de 1 hora. Foi utilizada a medida de estimativa Erlang como um indicador de distribuição populacional, isto porque não é possível detectar o número exato de usuários conectados em cada torre de transmissão da rede de telefonia celular. Erlang é uma medida de tráfego telefônico, que equivale àuma hora completa de conversação telefônica. Eles concluem o trabalho constatando que existem diferenças significativas na atividade urbana em horários, dias e semanas diferentes.
Abordando também a mesma idéia deste trabalho, os pesquisadores (HUANG; SEVTSUK; RATTI, 2005) informam que, em consequência do “boom” vivido pelo setor da telefonia móvel celular, foi aberto o caminho para o desenvolvimento de novas aplicações, que seriam serviços baseados em localização. Estas aplicações poderiam ser utilizadas como poderosas ferramentas para o desenho urbano. Neste artigo, foram apresentados os primeiros resultados da pesquisa que foi realizado na cidade de Graz, segunda maior cidade da Áustria, hoje com cerca de 260 mil habitantes. Os pesquisadores explicam que as redes de comunicação móvel são divididas em células, podendo o diâmetro da área de cobertura variar de metros a quilômetros, dependendo da densidade populacional do local. Eles também explicam que a intensidade da cada célula varia de acordo com o número de vezes que a rede é acessada, sendo, portanto, utilizada a medida Erlang para estimar a quantidade de usuários por célula, em dado momento. Foi realizada uma parceria com a operadora A1/Mobilkom, onde os pesquisadores colheram informações para a geração de 3 tipos de mapas da área urbana: o primeiro tratava do tráfego intenso de celulares, o segundo da migração do tráfego e o terceiro do roteiro dos usuários que utilizam a rede de telefonia, ou seja, a forma que os usuários locomovem-se na cidade. O objetivo do trabalho foi o de expandir métodos, integrando uma componente espacial, para visualizar o uso das telecomunicações, logo, os objetivos dos mapas são: permitir a visualização da cidade através de uma perspectiva invisível, além de usar animação nos próprios mapas para simular a dinâmica da cidade em tempo-real.
