Redes de Sensoriamento Participativo: Desafios e Oportunidades

Transcrição

1 Capítulo 6 Redes de Sensoriamento Participativo: Desafios e Oportunidades Thiago H. Silva, Pedro O. S. Vaz de Melo, João B. B. Neto, Anna I. J. T. Ribeiro, Clayson S. F. de S. Celes, Vinícius F. S. Mota, Felipe D. da Cunha, Ana P. G. Ferreira, Kássio L. da S. Machado, Raquel A. de F. Mini, Jussara M. Almeida e Antonio A. F. Loureiro Abstract The popularization of portable devices such as smartphones and tablets, as well as the worldwide adoption of social media sites makes it increasingly possible to be connected and share data from anywhere, anytime, enabling the participatory sensing. Systems that enable this new source of sensing are called participatory sensor networks (PSNs). In this scenario, people participate as social sensors voluntarily providing data that capture their experiences of daily life. This large amount of social data can provide new valuable forms to obtain information that are currently not available with the same global reach, which can be used to improve decision-making processes of different entities (eg, people, groups, services, applications). The objective of this short course is to discuss the main elements of participatory sensor networks, presenting an overview of the area, challenges and opportunities. We aim to show that PSNs (e.g., Instagram, Foursquare and Waze) can act as valuable sources for large scale sensing, providing access to important characteristics of city dynamics and urban social behavior, more quickly and comprehensively. This short course will discuss how to work with PSNs, analysing its properties and its usefulness in the development of more sophisticated applications in several areas. In addition, we will discuss research challenges and opportunities in the particular domain of networks and distributed systems. Resumo A popularização de dispositivos portáteis, como smartphones e tablets, assim como a adoção mundial de sites de mídia social permitem cada vez mais a um usuário estar conectado e compartilhar dados de qualquer lugar, a qualquer momento, possibilitando o sensoriamento participativo. Sistemas que permitem essa nova fonte de sensoriamento

2 são chamados de redes de sensoriamento participativo (RSPs). Nesse cenário, as pessoas participam como sensores sociais, fornecendo dados voluntariamente que capturam as suas experiências de vida diária. Essa grande quantidade de dados sociais facilita a obtenção de informações que não estão disponíveis prontamente com a mesma abrangência praticamente global, podendo ser usadas para melhorar os processos de tomada de decisão de diferentes entidades (e.g., pessoas, grupos, serviços, aplicações). O objetivo deste minicurso é discutir os principais elementos das redes de sensoriamento participativo, apresentando uma visão geral da área, desafios e oportunidades. Visamos mostrar que as RSPs (e.g., Instagram, Foursquare, e Waze) podem atuar como valiosas fontes de sensoriamento em larga escala, proporcionando acesso a características importantes da dinâmica de cidades e do comportamento social urbano, de forma rápida e abrangente. Este minicurso discutirá como trabalhar com RSPs, analisando as suas propriedades e a sua utilidade no desenvolvimento de aplicações mais sofisticadas em diversas áreas. Além disso, discutiremos os desafios e as oportunidades de pesquisa no domínio de redes de computadores e sistemas distribuídos Introdução O estudo de redes de sensoriamento participativo (RSPs) é um tema recente de pesquisa que tem se mostrado bastante útil para o entendimento da dinâmica de cidades e do comportamento social urbano [Silva et al. 214a]. Redes de sensoriamento participativo permitem a observação das ações de pessoas em larga escala e em (quase) tempo real durante longos períodos de tempo. As RSPs têm o potencial de se tornar uma ferramenta fundamental para compreender melhor a interação entre as pessoas e os ambientes populados por elas. A mineração de dados de RSPs pode aumentar significativamente o nosso conhecimento sobre diferentes aspectos de nossas vidas, o que pode ser bastante útil no desenvolvimento de aplicações mais sofisticadas em diversos segmentos como, por exemplo, na área de sistemas distribuídos. Além disso, as RSPs têm o potencial para complementar as tradicionais redes de sensores sem fio (RSSFs) [Loureiro et al. 23] em diversos aspectos. Enquanto as RS- SFs foram projetadas para sensoriar áreas de tamanho limitado, como florestas e vulcões, as RSPs podem alcançar áreas de tamanhos variados e de larga escala, como grandes metrópoles, países ou até mesmo todo o planeta [Silva et al. 214a]. Além disso, uma RSSF está sujeita a falhas, uma vez que o seu funcionamento depende da correta coordenação das ações dos seus nós sensores, que possuem severas restrições de energia, processamento e memória. Por outro lado, RSPs são formadas por entidades autônomas e independentes, ou seja, os seres humanos com seus dispositivos móveis. Isso torna a tarefa de sensoriamento altamente resiliente a falhas individuais. Assim, o objetivo deste minicurso é discutir as redes de sensoriamento participativo, apresentando uma visão geral da área, desafios e oportunidades. Visamos mostrar que as RSPs (e.g., Instagram 1, Foursquare 2, e Waze 3 ) podem atuar como valiosas fontes para sensoriamento em larga escala, proporcionando acesso a características importantes

3 da dinâmica de cidades e do comportamento social urbano, de forma rápida e abrangente. Este trabalho discute como trabalhar com RSPs, analisando as suas propriedades e a sua utilidade no desenvolvimento de aplicações mais sofisticadas em diversas áreas como, por exemplo, em sistemas distribuídos. Além disso, discutimos os desafios e as oportunidades de pesquisa nas grandes áreas do Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos (SBRC). O restante deste trabalho está organizado da seguinte forma. A Seção 6.2 discute o emergente conceito de redes de sensoriamento participativo. A Seção 6.3 apresenta as propriedades de RSPs estudadas sobre diversos sistemas. A Seção 6.4 discute como trabalhar com RSPs, incluindo a obtenção de dados. Ela também apresenta exemplos de abordagens já realizadas para extrair e gerar informações contextuais a partir de dados de redes de sensoriamento participativo. A Seção 6.5 apresenta os desafios e as oportunidades para diversos tópicos de pesquisa atuais relacionados com redes de sensoriamento participativo. Finalmente, a Seção 6.6 apresenta as conclusões e os trabalhos futuros Redes de Sensoriamento Participativo Esta seção descreve as redes de sensoriamento participativo (RSPs) [Silva et al. 214a, Burke et al. 26]. A Seção apresenta a definição de uma RSP. A Seção discute o funcionamento de uma RSP, enquanto a Seção ilustra exemplos de RSPs O que é uma rede de sensoriamento participativo? O sensoriamento participativo pode ser definido como um processo distribuído de coleta de dados pessoais. Tal processo requer a participação ativa das pessoas para compartilhar voluntariamente informação contextual e/ou tornar seus dados sensoriados disponíveis [Burke et al. 26]. Ou seja, o usuário determina manualmente como, quando, o quê e aonde amostrar. Assim, através das RSPs, é possível monitorar o comportamento coletivo de pessoas conectadas à Internet em tempo (quase) real. As RSPs têm se tornado populares graças ao aumento do uso de dispositivos portáteis, como smartphones e tablets, assim como a adoção mundial de sites de mídia social. Com isso, um elemento central de uma rede de sensoriamento participativo é um usuário capaz de sensoriar a cidade com um dispositivo computacional portátil. Nesse cenário, as pessoas participam como sensores sociais, fornecendo dados voluntariamente sobre um determinado aspecto de um local, que implicitamente capturam as suas experiências de vida diária. Esses dados podem ser obtidos com a ajuda de dispositivos de sensoriamento, por exemplo, sensores incorporados em smartphones (GPS, acelerômetro, microfone, e outros) ou por meio de sensores humanos (por exemplo, visão). Neste último caso os dados são observações subjetivas produzidas pelos usuários [Silva et al. 214a, Burke et al. 26]. As RSPs oferecem oportunidades sem precedentes de acesso a dados de sensoriamento em escala planetária. Essa grande quantidade de dados facilita a obtenção de informações que não estão disponíveis prontamente com a mesma abrangência praticamente global, podendo ser usadas para melhorar os processos de tomada de decisão de diferentes entidades (e.g., pessoas, grupos, serviços, aplicações).

4 Vale ressaltar que vários termos definidos recentemente, por exemplo, Humans as Data Sources e Ubiquitous Crowdsourcing, refletem basicamente a definição de redes de sensoriamento participativo [Srivastava et al. 212, Mashhadi and Capra 211, Ganti et al. 211]. É importante também mencionar que o termo sensoriamento oportunista [Lane et al. 21], que denomina uma forma de sensoriamento que também utiliza dispositivos móveis dos usuários no processo de sensoriamento, pode gerar confusão com o termo sensoriamento participativo. O sensoriamento participativo difere de sensoriamento oportunista, principalmente, pela participação do usuário, onde, neste último tipo, a etapa de coleta de dados é automatizada, sem a participação do usuário [Lane et al. 21] O funcionamento de uma RSP De forma similar às tradicionais redes de sensores sem fio (RSSFs) [Loureiro et al. 23], o dado sensoriado em uma RSP é enviado para o servidor, ou nó sorvedouro, onde os dados podem ser acessados (usando, por exemplo, APIs, como a API do Instagram 4 ). Mas, diferentemente das RSSFs, RSPs têm as seguintes características: (a) nós são entidades móveis autônomas, ou seja, uma pessoa com um dispositivo móvel; (b) o custo da rede é distribuído entre os nós, proporcionando uma escalabilidade global; (c) o sensoriamento depende da vontade das pessoas participarem no processo de sensoriamento; (d) nós não sofrem de severas limitações de energia. Assim, as RSPs têm o potencial para complementar as RSSFs em diversos aspectos. As tradicionais redes de sensores sem fio foram projetadas para sensoriar áreas de tamanho limitado, como florestas e vulcões. Em contrapartida, as RSPs podem alcançar áreas de tamanhos variados e de larga escala, como grandes metrópoles, países ou até mesmo todo o planeta [Silva et al. 214a]. Além disso, uma RSSF está sujeita a falhas, uma vez que o seu funcionamento depende da correta coordenação das ações dos seus nós sensores, que possuem severas restrições de energia, processamento e memória. Já as RSPs são formadas por entidades autônomas e independentes, os seres humanos, o que torna a tarefa de sensoriamento mais resiliente a falhas individuais. Obviamente, RSPs trazem também vários novos desafios, por exemplo, o seu sucesso está diretamente ligado à popularização dos smartphones e serviços de mídia social. A Figura 6.1 ilustra uma RSP constituída de usuários com seus dispositivos móveis enviando dados sensoriados sobre suas localizações para sistemas Web. A figura mostra as atividades de compartilhamento (representados por pontos vermelhos) de quatro usuários em três instantes diferentes no tempo, rotulados como Tempo 1, Tempo 2 e Tempo 3. Note que um usuário não participa necessariamente no sistema em todos os instantes. Após um certo tempo, podemos analisar estes dados de diferentes maneiras. Por exemplo, a parte inferior mais à direita da figura mostra, por meio de uma visão agregada, um grafo dirigido em que os nós representam os locais onde os dados foram compartilhados e com arestas que conectam localidades que foram compartilhadas pelo mesmo usuário. Usando este grafo podemos extrair, por exemplo, padrões de mobilidade dos usuários, que podem ser utilizados para efetuar um gerenciamento de carga de forma mais eficiente na infraestrutura urbana de redes sem fio. Na verdade, a descoberta de conhecimento em RSPs caminha junto com uma vasta gama de estudos que utilizam a teoria 4

5 Figura 6.1. Ilustração de uma rede de sensoriamento participativo [Silva et al. 214a]. dos grafos para análise de redes sociais [Scott and Carrington 211]. Os principais componentes deste tipo emergente de rede são ilustrados na Figura 6.2. Esta figura destaca os três componentes mais importantes: (i) sensoriamento participativo; (ii) gerenciamento de grandes amostras de dados; e (iii) análise de informação contextual. O componente sensoriamento participativo representa, como o próprio nome sugere, o processo de coleta de dados das pessoas por participação voluntária. O componente gerenciamento de grandes amostras de dados é responsável pelo gerenciamento de dados. Como podemos ver, o processo de coleta de dados pode ser repetido, por exemplo, para obter dados redundantes ou complementares do mesmo ou de outros sistemas. Depois disso, os dados coletados precisam ser processados para serem armazenados. Como a quantidade de dados provenientes de RSPs pode ser muito grande, todos os componentes precisam ser cuidadosamente projetados, principalmente se o objetivo é obter informações em tempo (quase) real sobre a cidade. Uma discussão mais detalhada de alguns dos desafios é apresentada na Seção 6.5. Após a etapa de gerenciamento de dados, os dados estão prontos para serem analisados. O componente análise de informação contextual ilustra cinco tipos de análises que podem ser realizadas: (1) padrões sociais; (2) mobilidade; (3) entendendo cidades; (4) comportamento humano; e (5) detecção de eventos. Todos esses exemplos de análises são discutidos na Seção Exemplos de RSPs As redes sociais baseadas em localização, que são um tipo especial de mídia social que combinam características de rede social online 5 e serviços baseados em localização, são os exemplos mais populares de sistemas que podem fornecer dados às RSPs. É possível encontrar vários exemplos de tais sistemas em funcionamento, tais como o Waze, que serve para relatar condições de tráfego em tempo real, o Foursquare, para compartilhar o local onde o usuário está visitando, ou o Instagram, para enviar imagens em tempo real 5 Plataforma virtual que constroe e reflete as relações sociais da vida real entre as pessoas.

6 Figura 6.2. Visão geral dos componentes de uma rede de sensoriamento participativo [Silva et al. 213a]. para o sistema. Em particular, o Instagram pode ser visto como uma das mais populares RSPs atualmente, com 2 milhões de usuários [Instagram 214]. Considerando, por exemplo, o Instagram, o dado sensoriado é uma foto de um lugar específico. Podemos extrair informação desse tipo de dado de diversas maneiras. Uma das possibilidades é visualizar em tempo real como está a situação de uma certa área da cidade. Outras possibilidades são discutidas na Seção 6.4. Note que todos os sistemas descritos anteriormente são compostos de uma rede social online. No entanto, existem vários exemplos de RSPs que não contêm redes sociais. Por exemplo, o Weddar 6, para relatar condições meteorológicas ou o NoiseTube 7, para o compartilhamento de nível de barulho em determinada região da cidade. Além desses exemplos, podemos também citar o GarbageWatch [CENS/UCLA ], para monitorar aspectos do lixo de uma cidade, e o DietSense [Reddy et al. 27], para monitorar alimentos ingeridos pelos usuários através de fotografias dos alimentos tiradas durante as refeições. Repare ainda que a utilização da Web também não é mandatória em uma RSP. Os dados sensoriados podem ser enviados para uma aplicação específica que esteja fora da Web Propriedades de RSPs Muitas perguntas surgem a partir do conceito emergente de redes de sensoriamento participativo. Quais são as propriedades de RSPs? Quais os tipos de aplicações em que podemos utilizar dados de RSPs? Quais são as limitações de RSPs? Como os dados fornecidos por RSPs podem ser muito complexos, um passo fundamental em qualquer investigação é caracterizar os dados coletados, a fim de entender suas limitações e utilidade. Com isso, nesta seção vamos estudar as propriedades de três RSPs para compartilhamento de localização, a saber, Foursquare, Gowalla e Brightkite 8, uma RSP para compartilhamento de fotos, particularmente o Instagram, bem como uma RSP para compartilhamento de alerta de trânsito (Waze) As RSPs para compartilhamento de localização Gowalla e Brightkite não estão mais em funcionamento.

7 Tabela 6.1. Descrição dos datasets utilizados. Serviços de compartilhamento de localização Sistema # check-ins Intervalo Foursquare1 5 milhões abril de 212 (1 semana) Foursquare2 12 milhões fev21-jan211 Foursquare3 4 milhões maio de 213 (2 semanas) Gowalla 6 milhões fev29-out21 Brightkite 4 milhões abr28-out21 Serviços de compartilhamento de fotos Sistema # fotos Intervalo Instagram1 2 milhões jun212-jul212 Instagram2 2 milhões maio 213 (2 semanas) Serviços de alertas de trânsito Sistema # alertas Intervalo Waze +212 mil dez212-jun213 Primeiramente, a Seção descreve os datasets das RSPs usados neste minicurso. Em seguida, a Seção analisa a cobertura dessas RSPs em diferentes granularidades espaciais. A Seção discute a frequência de sensoriamento em que os nós compartilham dados em regiões individuais do nosso dataset. A Seção discute a sazonalidade no processo de sensoriamento. Finalmente a Seção estuda o comportamento dos nós das RSPs Descrição dos Dados A Tabela 6.1 apresenta todos os datasets aqui considerados. Todos os dados foram coletados através do Twitter 9, que é um serviço de microblogging, ou seja, ele permite que os seus usuários enviem e recebam atualizações pessoais de outros contatos em textos de até 14 caracteres, conhecidos como tweets. Além de tweets de texto simples, os usuários também podem compartilhar fotos a partir de uma integração com o Instagram, Foursquare ou Waze. Neste caso, fotos do Instagram, check-ins do Foursquare ou alertas do Waze anunciadas no Twitter passam a ficar disponíveis publicamente, o que por padrão não acontece quando o dado é publicado unicamente nos sistemas analisados. Como podemos ver na Tabela 6.1, os dados refletem diferentes períodos. Além disso, os datasets incluem uma quantia bastante significativa de dados: mais de 25 milhões de registros considerando todas as fontes. Cada dado sensoriado (foto, check-in ou alerta) é composto de coordenadas GPS (latitude e longitude), o horário do compartilhamento do dado e o id do usuário compartilhador. O dataset Foursquare1 possui informações extras sobre o tipo de local: categoria (por exemplo, comida) e um identificador do local. Mais informações sobre os datasets e como eles foram obtidos podem ser encontradas em [Cheng et al. 211, Silva et al. 212, Silva et al. 213c, Silva et al. 213d, Silva et al. 213e] Cobertura da Rede Nesta seção, analisamos a cobertura das RSPs analisadas em diferentes granularidades espaciais, começando por todo o planeta, depois cidades e, por fim, áreas específicas de uma cidade. A Figura 6.3 mostra a cobertura no planeta de RSPs distintas: Foursquare 9

8 Latitude 5 5 Latitude 5 5 Latitude Longitude φ 1 1 Longitude φ 1 1 Longitude φ (a) Foursquare1 (b) Gowalla (c) Brightkite Latitude Longitude φ 1 5 Latitude Longitude φ (d) Instagram1 (e) Waze Figura 6.3. Cobertura de RSPs. Número de dados n por pixel indicado pelo valor de φ mostrado na figura, em que n=2 φ 1 [Silva et al. 213b, Silva et al. 213e]. (dataset Foursquare1, Figura 6.3a), Gowalla (Figura 6.3b), Brightkite (Figura 6.3c); Instagram (dataset Instagram1, Figura 6.3d); e Waze (Figura 6.3e). Os dados dessas figuras representam dados na forma de um mapa de calor da participação dos usuários: cores mais escuras representam um maior número de dados compartilhados em determinada área. Como podemos ver, a cobertura é bastante abrangente e tem escala planetária. Avaliamos agora a participação dos usuários em diversas cidades grandes localizadas em regiões distintas, mas mostramos os resultados para algumas delas: Nova York, Rio de Janeiro e Cairo. A figura 6.4 mostra o mapa de calor da atividade de sensoriamento para cada uma dessas cidades. Mais uma vez, cores mais escuras representam um maior número de fotos em determinada área. Observamos uma alta cobertura para algumas cidades, como mostrado nas Figuras 6.4a e 6.4d (Nova York). No entanto, como podemos observar nas Figuras 6.4b e 6.4e, o sensoriamento no Cairo, que também possui um número elevado de habitantes, é significativamente mais baixo. Tamanha diferença na cobertura pode ser explicada por diversos fatores. Além dos aspectos econômicos, diferenças na cultura dos habitantes desta cidade quando comparadas com as culturas presentes nas outras cidades estudadas podem ter um impacto significativo na adoção e uso desses sistemas considerados [Barth 1969]. Além disso, pode-se observar que a cobertura em algumas cidades, como no Rio de Janeiro (Figuras 6.4c e 6.4f), é bem mais heterogênea quando comparada com a cobertura de Nova York. Isto ocorre provavelmente por causa dos aspectos geográficos particulares dessas cidades, ou seja, grandes áreas verdes e grandes porções d água. O Rio de Janeiro tem a maior floresta urbana do mundo, localizada no meio da cidade, além de muitas colinas de difícil acesso humano. Estes aspectos geográficos limitam a cobertura do sensoriamento. Além disso, os pontos de interesse público, tais como pontos turísticos

9 (a) Nova Iorque - Foursquare (b) Cairo - Foursquare (c) Rio de Janeiro - Foursquare (d) Nova Iorque - Instagram (e) Cairo - Instagram (f) Rio de Janeiro - Instagram Figura 6.4. Cobertura espacial da RSP do Foursquare e Instagram em 3 cidades populosas ao redor do mundo [Silva et al. 213b, Silva et al. 213c]. Figura 6.5. Cobertura espacial da RSP para compartilhamento de alerta de trânsito no Rio de Janeiro [Silva et al. 213e]. e centros comerciais, são distribuídos de forma desigual pela cidade. Há grandes áreas residenciais com poucos pontos desse tipo, enquanto outras áreas têm grande concentração desses pontos. A cobertura espacial dos dados da RSP para alertas de trânsito não é tão abrangente como das RSPs para compartilhamento de localização e de foto. Isso pode ser observado na Figura 6.5, que mostra o número de alertas em diferentes regiões do Rio de Janeiro por um mapa de calor. Um fator que pode ajudar a explicar isso é a população de usuários do dataset de alertas de trânsito, que é menor do que os outros estudados. Outro fator é que os usuários podem ter menos oportunidades para compartilhar alertas de trânsito em comparação com oportunidades para compartilhar fotos ou check-ins. Como a atividade de participação pode ser bastante heterogênea dentro de uma cidade, analisamos a cobertura de RSPs em áreas específicas de uma cidade. Para ter um id de uma área específica da cidade para os datasets do Instagram e Waze, propomos dividir

10 (a) Foursquare (b) Instagram (c) Waze Figura 6.6. Distribuição do número de dados em áreas específicas (escala loglog) [Silva et al. 213b, Silva et al. 213b, Silva et al. 213e]. a área das cidades em espaços retangulares menores, como em uma grade 1. Chamaremos cada área retangular de uma área específica dentro de uma cidade. Consideramos que uma área específica possui a seguinte delimitação: (latitude) (longitude). Isso representa uma área de aproximadamente 8 11 metros em Nova Iorque e 1 11 metros no Rio de Janeiro. Para outras cidades, as áreas também podem variar um pouco, mas não a ponto de afetar significativamente as análises realizadas. A Figura 6.6 apresenta a função de distribuição acumulada complementar (complementary cumulative distribution function - CCDF) do número de dados compartilhados (check-ins, fotos ou alertas) por área específica de todas as localidades em nossos datasets. Primeiramente, observe que, em ambos os casos, uma lei de potência 11 descreve bem esta distribuição. Isso implica que, na maioria das áreas específicas, há poucos dados compartilhados, enquanto existem algumas poucas áreas com centenas de dados compartilhados. Estes resultados estão consistentes com os resultados apresentados em [Noulas et al. 211], trabalho que estudou a participação de usuários em sistemas de compartilhamento de localização. Nos sistemas analisados, é natural que algumas áreas possuam mais atividade que outras. Por exemplo, em áreas turísticas o número de fotos compartilhadas tende a ser maior do que em um supermercado, apesar de um supermercado ser geralmente um local bastante popular. Se uma determinada aplicação requer uma cobertura mais abrangente, é necessário incentivar os usuários a participarem em locais que eles usualmente não o fariam. Micro-pagamentos ou sistemas de pontuação são exemplos de alternativas que poderiam funcionar nesse caso. Discutimos essas oportunidades na Seção Mostramos que uma RSP pode ter uma cobertura em escala planetária. No entanto, essa cobertura pode ser bastante desigual, em que grandes áreas ficam praticamente descobertas. Com isso em mente, a Figura 6.7 mostra a percentagem de locais distintos onde os usuários compartilharam dados em um determinado intervalo de tempo no Instagram e Foursquare 12, que possuem e locais, respectivamente. O percentual máximo de locais distintos compartilhados por hora é inferior a 3% para todos os sistemas. 1 Note que nas áreas selecionadas não são consideradas fronteiras. 11 Matematicamente, uma quantidade x segue uma lei de potência se ela pode ser obtida de uma distribuição de probabilidade p(x) x α, onde α é um parâmetro constante conhecido como expoente ou parâmetro escalar, e é um valor tipicamente entre 2 < α < 3 [Clauset et al. 29]. 12 Consideramos os datasets Instagram2 e Foursquare3, pois representam o mesmo intervalo de tempo.

11 % de localid. senso Tempo (horas) Foursquare Instagram Figura 6.7. Porcentagem de áreas específicas sensoriadas ao longo do tempo [Silva et al. 214a]. 1 P [ x > X].5 1 (min) t 1 5 (a) Instagram Figura 6.8. Distribuição acumulada do intervalo de tempo entre compartilhamentos de fotos em uma área específica popular [Silva et al. 213c]. Isto indica que a cobertura instantânea destas RSPs é muito limitada quando consideramos todas as localidades que poderiam ser sensoriadas no planeta (considerando todas as localidades já sensoriadas pelo menos uma vez). Em outras palavras, a probabilidade de uma área específica aleatória ser sensoriada em um horário aleatório é bem baixa Intervalo de Sensoriamento As RSPs são bastante escaláveis porque seus nós são autônomos, ou seja, os usuários são responsáveis pela sua própria operação e funcionamento. Como o custo da infraestrutura é distribuído entre os participantes, esta enorme escalabilidade e cobertura é alcançada mais facilmente. O sucesso desse tipo de rede consiste em ter participação sustentável e de alta qualidade. Em outras palavras, o sensoriamento é eficiente desde que os usuários sejam mantidos motivados a compartilharem seus recursos e dados sensoriados frequentemente. Isso motiva o estudo da frequência com que usuários realizam o compartilhamento de dados em RSPs. Em [Silva et al. 213c, Silva et al. 213e, Silva et al. 213b] mostramos que há momentos em que muitos dados são compartilhados em intervalos de poucos minutos e momentos em que não há compartilhamento por horas. Isso pode indicar que a maioria do compartilhamento de dados acontece em intervalos específicos, provavelmente relacionados ao ciclo circadiano (ou rotina) das pessoas. Por exemplo, o compartilhamento de fotos em restaurantes tende a acontecer mais nos horários de almoço e jantar. Aplicações baseadas nesse tipo de sensoriamento devem considerar que a participação do usuário pode variar significativamente ao longo do tempo. A Figura 6.8 mostra a função de distribuição acumulada (cumulative distribution

12 function - CDF) do intervalo entre fotos compartilhadas pelo mesmo usuário em um quadrante popular. Podemos observar que uma fatia significativa dos usuários realiza compartilhamento consecutivo de fotos em um curto intervalo de tempo. Por exemplo, cerca de 2% de todo o compartilhamento de fotos observado acontece em até 1 minutos. Isso sugere que os usuários tendem a compartilhar mais de uma foto na mesma área. Noulas et al. [Noulas et al. 211] também observaram que uma parcela significativa dos check-ins no Foursquare são realizados dentro de um curto intervalo de tempo. Por exemplo, mais do que 1% de check-ins ocorrem dentro de 1 minutos Rotinas e o Compartilhamento de Dados Analisamos agora como a rotina dos humanos afeta o compartilhamento dos dados. A Figura 6.9 mostra o padrão semanal de compartilhamento de dados em todos os tipos de RSPs analisadas 13. Como esperado, os dados compartilhados nas RSPs apresentam um padrão diurno, o que implica que durante a madrugada a atividade de sensoriamento é bastante baixa. Considerando dias de semana, é possível observar um ligeiro aumento da atividade ao longo da semana, com poucas exceções quando há um pico de atividade. O trabalho de Cheng et al. [Cheng et al. 211], que analisou sistemas para compartilhamento de localização, foi observado esse mesmo comportamento, sem nenhum dia como exceção. Podemos ainda observar que alguns picos de atividade variam ao longo do dia de acordo com o propósito da RSP. Como podemos ver na Figura 6.9, na RSP para compartilhamento de localizações (Figuras 6.9a c) existem três picos evidentes por volta da hora do café da manhã, almoço e jantar. Isso também foi observado por Cheng et al. [Cheng et al. 211]. Já na RSP para compartilhamento de fotos (Figura 6.9d) existem apenas dois picos evidentes, que ocorrem por volta da hora do almoço e jantar. E no caso da RSP para compartilhamento de alertas de trânsito (Figura 6.9e) também existem dois picos evidentes, um por volta de 7: e 8: da manhã e outro por volta de 6: da tarde, coincidindo com horários típicos de maior intensidade no trânsito. Analisando os diferentes padrões de comportamento para dias de semana e final de semana podemos observar que o padrão é significativamente diferente. Note que os picos observados nos dias de semana não são evidentes nos finais de semana. A falta de rotina bem definida nos fins de semana é uma das possíveis explicações para esse fato. Além disso, as diferenças entre dias de semana e final de semana possuem relação com o tipo de sistema analisado. Por exemplo, como nos fins de semana muitas pessoas não precisam dirigir, é natural esperar um volume menor de dados no Waze. A Figura 6.1 mostra o padrão temporal de compartilhamento para o Instagram e o Foursquare considerando todos os datasets. Essa figura apresenta o número médio de dados compartilhados por hora durante, durante os dias de semana (de segunda a sextafeira) e também durante o fim de semana (sábado e domingo). Surpreendentemente, vemos o mesmo padrão de compartilhamento para cada curva cé muito semelhante, apesar do enorme intervalo entre as coletas (aproximadamente um ano). Isso acontece para os dias de semana e fins de semana, sugerindo que o comportamento do usuário em ambos 13 O horário do compartilhamento foi normalizado de acordo com o local onde o dado foi compartilhado, utilizando para isso a informação geográfica do local.

13 Freq. de sensoriamento 15 x Seg Ter Qua Qui Sex Sab Dom Tempo (dias) Freq. de sensoriamento 1 x Seg Ter Qua Qui Sex Sab Dom Tempo (dias) 5 x Seg Ter Qua Qui Sex Sab Dom Tempo (dias) (a) Foursquare (b) Gowalla (c) Brightkite Freq. de sensoriamento Freq. de sensoriamento 3 x seg ter qua qui sex sab dom Tempo (dias) Freq. de sensoriamento Seg Ter Qua Qui Sex Sab Dom Tempo (dias) (d) Instagram (e) Waze Figura 6.9. Padrão do compartilhamento de fotos durante os dias da semana [Silva et al. 213b, Silva et al. 213c, Silva et al. 213e] # de fotos Instagram 2 Instagram Tempo (horas) (a) Instagram dia de semana # de fotos Instagram 3 Instagram Tempo (hours) (b) Instagram fim de semana # de check ins Foursquare 3 Foursquare Tempo (hours) (c) Foursquare dia de semana # de check ins Foursquare 3 Foursquare Tempo (hours) (d) Foursquare fim de semana Figura 6.1. Padrão de compartilhamento temporal no Instagram e Foursquare [Silva et al. 213d]. os sistemas tende a se manter consistente ao longo do tempo. Esse é um resultado interessante e importante, pois mostra que podemos usar diferentes datasets para propósitos similares. Mostramos agora como as rotinas impactam no comportamento de compartilhamento durante a semana. Para essa análise, consideramos os datasets do Instagram e Foursquare para Nova York, São Paulo e Tóquio. Os resultados são mostrados na Figura Em todas as figuras nós exibimos dados dos datasets do mesmo período (Instagram2 e Foursquare3) para duas cidades do mesmo país, e dados de um dataset com período anterior (Instagram1 e Foursquare1) para uma dessas cidades, como uma referência de comparação. Primeiramente, observe a distinção entre as curvas de cada cidade no mesmo sis- 14 Cada curva é normalizada pelo número máximo de conteúdo compartilhado em uma região específica representando a cidade.

14 tema (por exemplo, Instagram, Figuras 6.11a, c, e) e também em diferentes sistemas (por exemplo, as Figuras 6.11a e 6.11b para Nova Iorque). Em seguida, observe que o padrão de compartilhamento para cada cidade no mesmo país é bastante semelhante, o que pode ser consequência dos padrões culturais dos habitantes desses países. Isso representa, de certa maneira, uma assinatura de aspectos culturais, o que ilustra, mais uma vez, o potencial desse tipo de dado para o estudo de dinâmica de cidades e do comportamento social urbano. # de fotos # de check ins NY instagram 2 Chicago inst. 2 NY instagram Tempo (horas) (a) Nova Iorque Instagram SP 4sq 3 Rio 4sq 3 SP 4sq Tempo (horas) (d) São Paulo Foursquare # de check ins # de fotos NY 4sq 3 Chicago 4sq 3 NY 4sq Tempo (horas) (b) Nova Iorque Foursquare Toquio inst. 2 Osaka inst. 2 Tokyo inst Tempo (horas) (e) Tóquio Instagram # de fotos # de check ins SP instagram 2 Rio instagram 2 SP instagram Tempo (horas) (c) São Paulo Instagram 1 Toquio 4sq 3 Osaka 4sq 3 Tokyo 4sq Tempo (horas) (f) Tóquio Foursquare Figura Padrão de compartilhamento temporal do Instagram e Foursquare para Nova Iorque, São Paulo e Tóquio durante dias de semana [Silva et al. 213d] Comportamento dos Nós Nesta seção é analisado o desempenho dos nós da RSP (i.e., dos usuários) quanto ao compartilhamento de dados. A Figura 6.12 mostra a distribuição do número de dados (fotos e alertas) compartilhados por cada usuário da nossa base de dados. Como podemos observar, a distribuição possui cauda pesada, o que significa que a participação dos usuários pode ser muito desigual. Por exemplo, aproximadamente 4% dos usuários contribuíram com apenas uma foto no período considerado, enquanto que somente 17% e,1% dos usuários contribuíram com mais que 1 e 1 fotos, respectivamente. É natural que essa variabilidade aconteça por diversos motivos. Por exemplo, alguns usuários podem dar mais importância para quesitos de privacidade do que outros. Uma cauda pesada também é observada na distribuição do número de check-ins, como foi mostrado por Noulas et al. [Noulas et al. 211]. Cerca de 2% dos usuários realizaram apenas um check-in, 4 % acima de 1, ao passo que cerca de 1 % realizaram mais de 1 check-ins.

15 (a) Instagram (b) Waze Figura Distribuição do número de dados compartilhadas pelos usuários [Silva et al. 213c, Silva et al. 213e] Considerações Finais Nessa seção estudamos as propriedades de RSPs derivadas de serviços de compartilhamento de localização, de serviços de compartilhamento de fotos e de serviços de alerta de trânsito. Essas RSPs possuem várias propriedades em comum: (i) possuem escala planetária; (ii) possuem uma frequência altamente desigual de compartilhamento de dados, tanto espacialmente quanto temporalmente, o que é altamente correlacionado com a rotina típica das pessoas; (iii) a participação do usuário em relação ao número de dados compartilhados e onde esses dados são compartilhados pode variar significativamente; (iv) o padrão de temporal de compartilhamento parece não variar consideravelmente ao longo do tempo para o mesmo tipo de sistema. As propriedades identificadas aqui revelam o potencial de RSPs para conduzir vários estudos sobre a dinâmica da cidade e do comportamento social urbano, como é discutido na próxima seção (Seção 6.4).Além disso, o entendimento do comportamento do usuário é o primeiro passo para modelá-lo. Com modelos que explicam o comportamento do usuário podemos fazer previsões de ações e desenvolver melhores sistemas para planejamento de capacidade de carga do sistema. É importante salientar algumas possíveis limitações dos nossos datasets. Em primeiro lugar, eles refletem o comportamento de uma fração dos cidadãos da cidade. Nossos datasets são baseados em dados compartilhados pelos usuários do Foursquare, Instagram e Waze no Twitter. Portanto, os dados são enviesados para os cidadãos que utilizam esses sistemas. Em segundo lugar, nossos datasets são baseados em uma amostra limitada de dados. Isso significa que temos apenas uma amostra das atividades realizadas. Fatores externos, tais como condições meteorológicas desfavoráveis, podem ter afetado o número total de dados que coletamos para alguns lugares, especialmente em locais ao ar livre. Por esse motivo, antes de tirar conclusões com dados de RSPs, é altamente recomendado a comparação dos resultados com dados obtidos de uma maneira tradicional (offline), como feito, por exemplo, em [Silva et al. 214c] Trabalhando com RSPs Nesta seção discutimos como trabalhar com RSPs. O primeiro passo, discutido na Seção 6.4.1, é a obtenção de dados. Em seguida discutimos algumas abordagens já realizadas para extrair e gerar informações contextuais a partir de dados de redes de senso-

16 riamento participativo. Esses estudos foram agrupados em quatro classes: Entendendo cidades (Seção 6.4.2); Mobilidade (Seção 6.4.3); Padrões Sociais, Econômicos e Culturais (Seção 6.4.4); e Detecção de Eventos e Interesses (Seção 6.4.5) Obtenção de dados Nesta seção apresentamos três das principais formas de obtenção de dados de RSPs: APIs (Seção ); crawler (Seção ); e aplicações (Seção ) APIs A Web está repleta de fontes de informação, dentre elas as RSPs, o que representa uma grande oportunidade para pesquisadores de diversas áreas coletarem dados em larga escala e extrair conhecimentos a partir deles [Benevenuto et al. 211]. Algumas RSPs disponibilizam APIs (access programming interfaces) que podem ser utilizadas para a extração de dados. Através desse processo é possível obter dados de RSPs que podem ser utilizados em outras aplicações ou em análises específicas. Várias RSPs populares, como Twitter, Flickr e Foursquare, possuem APIs de acesso aos dados compartilhados pelos usuários. Entretanto, é comum existirem regras diferentes para a sua utilização. Existem basicamente duas formas principais de funcionamento das APIs: (1) baseadas em streaming; (2) baseadas em requisições. Uma API baseada em streaming permite coletar em tempo real os dados que são publicados em uma determinada RSP. No entanto, é comum existir um limite no número de informações disponibilizadas. A API de streaming do Twitter, por exemplo, permite coletar em (quase) tempo real aproximadamente 1% da base total de tweets públicos publicados. Já uma API baseada em requisições disponibilizam dados a medida que são solicitados. É comum as solicitações serem personalizadas, por exemplo delimitando uma área específica para a obtenção de dados, assim a possibilidade de coletar dados pode ser maior do que uma API baseada em streaming. No entanto é bastante comum existir uma limitação do número de requisições. Por exemplo, o Flickr permite 36 requisições por hora em sua API. Isso pode inviabilizar alguns tipos de análises que necessitam de um número maior de amostras no período de uma hora, por exemplo. De fato, talvez pela simplicidade de utilização, o uso de APIs é uma forma bastante popular para a obtenção de dados. Dados obtidos através da API do Twitter, por exemplo, foram utilizados das mais variadas formas. Desde medir a influência de usuários na rede [Cha et al. 21], até a previsão de terremotos [Sakaki et al. 21a]. Existem RSPs que possuem APIs mas com acesso bastante restrito aos dados. Esse é o caso do Foursquare, pois poucos dados são possíveis de serem coletados sem a autorização do usuário. A maioria dos dados disponíveis nessa API são referentes aos locais, como dicas, listas, localização e fotos. Essas limitações estimulam a obtenção de dados de forma indireta ou alternativas. Por exemplo, em [Ferreira et al. 214] os dados do Foursquare foram obtidos através de mensagens compartilhadas no Twitter contendo check-ins do Foursquare. Dessa forma dados sobre o check-in do usuário podem ser

17 obtidos, já que foram publicamente disponibilizados pelos usuários. Esse tipo de dado específico não é acessível pela API do Foursquare. De posse dos dados dos check-ins, os autores complementaram esses dados utilizando a API do Foursquare para obter dados sobre os locais, que não disponíveis nas mensagens do Twitter. No final desse processo, a diversidade de dados obtidos é maior e mais rica. Um exemplo de uso da API de streaming do Twitter, escrito em (pseudo) Python e utilizando a biblioteca TwitterAPI 15, é mostrado no Algoritmo 1. Nesse algoritmo fazemos acesso aos tweets buscando pela palavra-chave "sbrc". Como podemos ver, em poucas linhas de código é possível coletar facilmente dados do Twitter. Algoritmo 1: Exemplo de obtenção de dados do Twitter. 1 from TwitterAPI import TwitterAPI// Biblioteca que facilita a interação com a API do Twitter 2 twitter_api = TwitterAPI(consumer_key= XXXX, 3 consumer_secret= XXXX, 4 access_token_key= XXXX, 5 access_token_secret= XXXX )// Um registro no website da API fornece as credenciais indicadas aqui. 6 filters = "track": ["sbrc"]// Procurando tweets com a palavra SBRC 7 stream = twitter_api.request( statuses/filter, filters) 8 foreach item in stream.get_iterator() do 9 print item[ text ]// exibe texto do tweet 1 end Crawler Nem todas as fontes de dados disponíveis na Internet fornecem acesso direto a esses dados através de APIs. Por isso é necessário utilizar outras formas de obtenção de dados. Uma dessas alternativas é a chamada Web crawler, que são programas que analisam páginas Web em busca de dados relevantes [Anbukodi and Manickam 211]. Um Web crawler funciona como um robô que acessa páginas Web predeterminadas e recupera dados a partir dessas páginas. A coleta através de Web crawler depende da estrutura da fonte que desejamos obter dados, bem como da abordagem utilizada. A estrutura da fonte é onde os dados que queremos extrair estão disponibilizadas nas páginas Web, por exemplo, são tags HTML que apresentam os dados ao usuário. Com isso a construção de um Web crawler demanda tipicamente a mineração de texto para a extração dos dados necessários na página Web estudada. No entanto, outras formas não convencionais de extração de dados é possível de páginas Web. Por exemplo, em [Tostes et al. 214] os autores construíram um Web crawler para coletar informações de tráfego tirando fotos (screenshots) de mapas com essas informações, como as disponíveis no Bing Maps 16. Mais informações sobre esse procedimento são fornecidas na Seção

18 Na construção de um Web crawler podemos utilizar diferentes estratégias para a escolha dos dados que serão coletados. Duas importantes estratégias para buscar sites inteiros (ou uma amostra deles) é a busca em largura e a técnica Snowball. A busca em largura varre todas as URLs de maneira sistemática, onde captura todas as URLs a partir de uma URL inicial e realiza novamente a busca nas URLs encontradas, até que não exista mais nenhuma URL disponível. Ao realizar coletas baseadas na busca em largura, conseguimos captar todas as páginas de uma fonte. Entretanto, nem sempre é possível ou viável coletar todas as páginas [Benevenuto et al. 211].. Com isso, a estratégia de Snowball é uma alternativa para coletar uma amostra dos dados. Ao invés de buscar todas as URLs até que tenham-se esgotado, selecionamos um grupo chamado de seeds. A busca em largura será usada neste grupo até que seja interrompida, de acordo com um critério preestabelecido de acordo com os objetivos da amostra. Estes critérios podem ser o tempo de execução da busca ou ter encontrado um componente conectado [Benevenuto et al. 211] Aplicações Uma outra alternativa para a coleta de dados é a criação de aplicações em plataformas já existentes. Algumas mídias sociais populares, como Facebook, Instagram e Runkeeper, permitem a criação de aplicativos dentro de suas plataformas. Com isso, desenvolvedores podem oferecer serviços utilizando dados que são compartilhados nesses aplicativos por usuários dessas mídias sociais. O Facebook, por exemplo, não permite a coleta de informações direta de seus usuários por APIs ou Web crawlers. No entanto, como permitem a criação de aplicações é possível obter dados compartilhados por seus usuários. Quando o usuário do Facebook instala um aplicativo e autoriza a leitura de seus dados, o desenvolvedor da aplicação pode ler e armazenar diversos dados, como dados disponibilizados pelos usuários, por exemplo, o conteúdo compartilhado com seus amigos. Em [Nazir et al. 28] os autores utilizaram essa abordagem de coleta de dados. Eles criaram aplicações do Facebook especificamente coletar dados que possibilitassem o estudo do comportamento das pessoas que fazem uso dessas aplicações no Facebook. Outro exemplo foi o aplicativo utilizado em [Youyou et al. 215]. Os autores criaram uma aplicação no Facebook que captura os últimos likes 17 do usuário para traçar um perfil de personalidade. De posse de dados de RSPs, que podem ser obtidos por alguma dessas formas citadas, podemos extrair conhecimento. Como discutido nas próximas seções Entendendo o Funcionamento de Cidades As informações obtidas a partir de RSPs têm o poder de mudar os nossos limites físicos percebidos, bem como ajudar a compreender melhor a dinâmica de cidades. Esta seção concentra na apresentação de estudos nessas direções. 17 Um like é uma interação do usuário com o Facebook em que ele demonstra que gostou de um item compartilhado.

19 Usando dados do Foursquare, Cranshaw et al. [Cranshaw et al. 212] propuseram um modelo para identificar regiões distintas de uma cidade que refletem padrões atuais de atividades coletivas, apresentando novos limites para os bairros. Long et al. [Long et al. 212] classificaram lugares em uma cidade com base nas trajetórias dos usuários, capturadas com o auxílio de check-ins do Foursquare. O trabalho desses autores se baseia no pressuposto de que os locais que aparecem juntos nas trajetórias de muitos usuários, provavelmente, são considerados como tópicos geográficos, representando, por exemplo, restaurantes que as pessoas costumam ir após fazer compras em um shopping. Em [Silva et al. 214d] propusemos uma técnica chamada City Image, que fornece um resumo visual da dinâmica da cidade com base nos movimentos das pessoas. Esta técnica explora grafos de transição urbana para mapear os movimentos dos usuários entre locais da cidade. Um grafo de transição urbana é um grafo dirigido ponderado G(V,E), em que um nó v i V é a categoria de um local específico (por exemplo, f ood) e uma aresta direcionada (i, j) E marca uma transição entre duas categorias. Ou seja, uma aresta existe a partir do nó v i para o nó v j se pelo menos um usuário compartilhou um dado em um local categorizado por v j logo após compartilhar um dado em um local categorizado por v i. O peso w(i, j) de uma aresta é o número total de transições que ocorreram a partir de v i para v j. Somente dados consecutivos compartilhados pelo mesmo usuário dentro de 24 horas, com início às 5:, são considerados no cálculo de uma transição. A City Image é uma técnica promissora que permite uma melhor compreensão da dinâmica de cidades, ajudando na visualização das rotinas comuns de seus cidadãos. Cada célula da City Image representa o quão favorável é uma transição de uma determinada categoria em um determinado lugar (eixo vertical) para outra categoria (eixo horizontal). As cores vermelhas representam rejeição, as cores azuis representam favorabilidade e a cor branca representa indiferença. Nós exemplificamos a técnica City Image para duas cidades 18 : São Paulo (Figures 6.13a and 6.13b); e Kuwait (Figures 6.13c e 6.13d). Para ambos os casos, consideramos dias de semana durante o dia, que é o período típico de rotinas, e fim de semana durante a noite, que é um período representativo de atividades de lazer (fora da rotina) Food Food Food Food Shop Shop Shop Shop Edu Edu Edu Edu Source Outd Home A&E Source Outd Home A&E Source Outd Home A&E Source Outd Home A&E NL NL NL NL Trvl Trvl Trvl Trvl Offi Offi Offi Offi Food Shop Edu Outd Home A&E NL Trvl Offi Food Shop Edu Outd Home A&E NL Trvl Offi Food Shop Edu Outd Home A&E NL Trvl Offi Food Shop Edu Outd Home A&E NL Trvl Offi Destination (a) SP (Dia - Dia de semana) Destination (b) SP (Noite - Fim de semana) Destination (c) KU (Dia - Dia de semana) Destination (d) KU (Noite - Fim de semana) Figura Images produzidas com a técnica City Image para São Paulo (SP) e Kuwait (KU) em diferentes períodos. Abreviaturas das categorias de locais (Nomes usados pelo Foursquare): Arts & Entertainment (A&E); College & Education (Edu); Great Outdoors (Outd); Nightlife Spot (NL); Shop & Service (Shop); and Travel Spot (Trvl) [Silva et al. 214a]. Primeiramente, observe que transições para office (locais de trabalho) são mais 18 Utilizando dados do dataset Foursquare1.

20 prováveis de acontecer nos dias de semana e durante o dia para ambas as cidades, como esperado. No entanto, note que as imagens da cidade de São Paulo e Kuwait também têm diferenças significativas que refletem diversidades culturais entre ambas as cidades. Note, por exemplo, que a imagem que representa transições nas noites do fim de semana (Figure 6.13d) mostra a falta de transições favoráveis para a categoria nightlife no Kuwait. Este não é o caso de São Paulo (Figure 6.13b), em que a transição food nightlife é altamente favorável de acontecer. Isso sugere que em São Paulo as pessoas gostam de frequentar locais relacionados com comida (food) antes de ir para casas noturnas (nightlife). No Kuwait, em vez disso, as pessoas são provavelmente mais favoráveis a realizarem as transições shop food e food home nas noites do fim de semana. Técnicas para fornecer visualizações de fácil interpretação das rotinas de habitantes de uma cidade, tais como as mencionadas aqui, são ferramentas valiosas para ajudar os urbanistas a entender melhor a dinâmica de cidades e, por conseguinte, tomar decisões mais eficazes Mobilidade Nesta seção apresentaremos trabalhos que se concentram em estudar padrões de mobilidade dos usuários com dados de RSPs. Esses dados incluem informações espaçotemporal, por exemplo, check-ins e fotos geolocalizadas. O estudo da mobilidade é útil para muitas finalidades. Com dados de RSPs é possível entender, por exemplo, como os usuários alocam tempo para diferentes atividades, sendo, portanto, uma questão fundamental nas ciências sociais. Além disso, é possível projetar novas ferramentas para ajudar os engenheiros de tráfego a entender o fluxo de pessoas na cidade. A modelagem dos padrões de mobilidade vem atraindo a atenção de pesquisadores em diferentes áreas, como física e computação [Brockmann et al. 26, Zheng et al. 29, Gonzalez et al. 28]. É importante ressaltar que os dados derivados das RSPs são diferentes de dados provenientes de traces de GPS ou de dados tradicionais do uso do telefone celular, como ligações telefônicas, e apresentam características especiais e variados contextos. Por exemplo, os check-ins em serviços de compartilhamento de localização ou fotos em um serviço de compartilhamento de fotos trazem informações extras sobre um lugar particular. Por exemplo, um check-in está associado com um tipo de local, e.g. bar, e uma foto pode trazer informações sobre a situação atual dentro deste local. Com isso, nosso foco aqui são estudos que analisam dados de RSPs. Cheng et al. [Cheng et al. 211] analisaram check-ins compartilhados em vários serviços de compartilhamento de localização. Eles descobriram que os usuários possuem padrões simples e reproduzíveis, e também que o status social, além de fatores geográficos e econômicos, colaboram com a mobilidade. Da mesma forma, Cho et al. [Cho et al. 211] investigaram padrões de movimentos e como os laços sociais podem impactar esses movimentos. Os autores observaram que viagens de curta distância são espacialmente e temporalmente periódicas e não são afetadas pela estrutura de rede social, enquanto as viagens de longa distância são mais influenciadas por laços da rede social. Esses esforços ilustram o crescente interesse e o potencial de utilização de dados compartilhados em RSPs para estudar padrões de mobilidade de humanos em larga escala.

21 Padrões Sociais, Econômicos e Culturais Os dados de RSPs também podem ser usados para estudar aspectos sociais, econômicos e culturais dos habitantes de cidades. Por exemplo, pode-se argumentar que uma pequena quantidade de dados compartilhados em uma área da cidade pode indicar uma falta de acesso à tecnologia por parte da população local, pois o uso de serviços de compartilhamento de localização muitas vezes dependem de smartphones e planos de dados 3G ou 4G que, geralmente, são caros. Nessa direção, em [Silva et al. 213b] nós mostramos que a análise de dados de RSPs permitem a visualização de fatos interessantes relacionados com questões socioeconômicas de uma cidade. Por exemplo, dados de uma RSP para compartilhamento de localização para a cidade do Rio de Janeiro são escassos em áreas pobres, incluindo as que são localizadas muito perto de áreas ricas. Essa informação pode ser útil para gerar melhores políticas públicas nessas áreas. Note que a mesma informação pode ser obtida utilizando métodos tradicionais, tais como questionários, mas esse processo é muito mais lento e caro. Com o intuito de melhor entender padrões sociais a partir da análise de dados de RSPs, Quercia et al. [Quercia et al. 212] estudaram como comunidades virtuais, observadas nos sistemas analisados, se assemelham às comunidades da vida real. Os autores testaram se teorias sociológicas estabelecidas de redes sociais da vida real são válidas no nessas comunidades virtuais. Ao estudar o comportamento social de áreas específicas, uma das primeiras perguntas que surgem é: o quão diferente uma da cultura é de outra? Sabemos que os hábitos alimentares e de bebidas são capazes de descrever fortes diferenças culturais. Com base nisso, em [Silva et al. 214c] propomos uma nova metodologia para a identificação de fronteiras culturais e semelhanças entre sociedades, considerando hábitos alimentares e de bebida. Para isso, foram usados check-ins do Foursquare para representar as preferências do usuário em relação ao que se come e bebe localmente, por exemplo, em uma determinada cidade. Estudamos como essas preferências mudam de acordo com a hora do dia e localizações geográficas. Essa análise surpreendentemente diz muito sobre as diferenças e semelhanças entre as culturas. A Figura 6.14 mostra o coeficiente de correlação de Pearson entre os check-ins dados em diferentes tipos de restaurantes para várias cidades ao redor do mundo. Como podemos ver, as cidades de um mesmo país, onde os habitantes normalmente possuem cultura e hábitos alimentares semelhantes, têm as correlações mais fortes com relação às preferências de restaurante. Além de preferências para as categorias de alimentos, também podemos ver diferenças nos horários em que as pessoas vão a restaurantes e compartilham dados. As Figuras 6.15a e 6.15b 19 mostram o número de check-ins realizados em restaurantes ao longo das horas do dia, durante os dias de semana, em diferentes cidades do Brasil e dos Estados Unidos. Estes resultados capturaram diferenças importantes entre as culturas dos dois países: enquanto o jantar é a refeição principal para os americanos, o almoço desempenha um papel mais importante nos hábitos alimentares dos brasileiros. Isso mostra que aspectos temporais também podem fornecer informações valiosas sobre as diferenças culturais entre as cidades. Essas análises permitiram a proposição de uma metodologia para a identificação de culturas semelhantes, que pode ser 19 Os valores são normalizados pelo valor máximo encontrado em qualquer hora para a cidade específica.

22 Natal Recife Belo Horizonte Rio Sao Paulo Porto Alegre Manaus Miami New York Chicago Dallas Denver Las Vegas San Francisco Paris London Istanbul Moscow Bangkok Kuala Lumpur Singapore Jakarta Bandung Surabaya Manila Osaka Tokyo Natal Recife Belo Horizonte Rio Sao Paulo Porto Alegre Manaus Miami New York Chicago Dallas Denver Las Vegas San Francisco Paris London Istanbul Moscow Bangkok Kuala Lumpur Singapore Jakarta Bandung Surabaya Manila Osaka Tokyo Figura Correlação entre preferências de restaurante em cidades distintas ao redor do mundo [Silva et al. 214a] # de check ins Belo Horizonte Porto Alegre Sao Paulo # de check ins Denver Nova Iorque Sao Francisco Hora (a) Cidades brasileiras Hora (b) Cidades dos EUA Figura Número médio de check-ins em restaurantes durante dias de semana ao longo das horas do dia [Silva et al. 214a]. aplicada em regiões de tamanhos variados, como países, cidades ou até mesmo bairros s [Silva et al. 214c]. As diferenças culturais utilizando dados de RSPs também foram estudadas por Hochman et al. [Hochman and Schwartz 212], que investigaram as preferências de cores em fotos compartilhadas no Instagram. Os autores encontraram diferenças consideráveis entre imagens de países com culturas distintas. Na mesma direção, Poblete et al. [Poblete et al. 211] investigou como o comportamento de divulgação de conteúdo no Twitter varia entre alguns países, bem como as possíveis explicações para essas diferenças. A investigação das diferenças culturais entre diferentes cidades e países é valiosa em muitas áreas e pode auxiliar várias aplicações. Por exemplo, como cultura é um aspecto importante por razões econômicas, a identificação de semelhanças entre os lugares que estão geograficamente separados pode ser necessária para empresas que possuem negócios em um país e querem avaliar a compatibilidade de preferências entre diferentes mercados Detecção de Eventos e Interesses A identificação de eventos e pontos de interesse através de dados de RSPs é beneficiada pela natureza de (quase) tempo real das RSPs. Eventos podem ser naturais, tais como terremotos, ou não naturais, tais como a identificação/previsão de mudanças no mercado de ações. Por sua vez, um ponto de interesse é uma localização específica que alguém pode achar útil ou interessante, como um restaurante ou um estádio de futebol. Em relação à detecção de eventos, Bollen et al. [Bollen et al. 211] estudaram se os estados coletivos de humor derivados de mensagens do Twitter são correlacionados com o valor da bolsa Dow Jones ao longo do tempo. Seus resultados indicam que é possí-

23 vel obter uma boa precisão na previsão das mudanças diárias de alta e queda dos valores de fechamento da dessa bolsa de valores. Gomide et al. [Gomide et al. 211] analisou como a epidemia de Dengue é refletida no Twitter e em que medida essa informação pode ser usada na vigilância dessa doença. Os autores mostraram que o Twitter pode ser usado para prever, espacial e temporalmente, epidemias de dengue. Sakaki et al.[sakaki et al. 21b] estudaram a interação em tempo real de acontecimentos no Twitter, por exemplo, terremotos, e propuseram um algoritmo para monitorar mensagens no Twitter para detectar a ocorrência de eventos. Além de eventos que tendem a acontecer esporadicamente, toda cidade possui um conjunto de áreas que desperta um maior interesse dos residentes ou visitantes, as aqui denominadas pontos de interesse (PDI). Dentre os PDIs mais visitados, podemos mencionar os pontos turísticos da cidade. No entanto, nem todos os PDIs de uma cidade são pontos turísticos. Por exemplo, uma área de bares pode ser bastante popular entre os residentes da cidade, mas sem atrativos para turistas. Além disso, PDIs são dinâmicos, ou seja, áreas que são populares hoje podem não ser mais amanhã. Assim, uma aplicação que emerge naturalmente a partir da análise de dados de algumas RSPs, por exemplo para compartilhamento de fotos ou localização, é a identificação de PDIs. Isso é possível porque cada foto ou check-in representa, implicitamente, um interesse de um indivíduo em um determinado instante. Com isso, quando muitas fotos de um determinado local são compartilhadas dentro de um certo intervalo de tempo, esse local pode ser um PDI. Uma vantagem de usar RSPs para identificar pontos de interesse na cidade é que podemos obter resultados robustos a mudanças dinâmicas. Ou seja, pelo fato das RSPs fornecerem dados dinâmicos, elas podem capturar automaticamente as alterações nos interesses das pessoas ao longo do tempo, ajudando a identificar rapidamente as áreas que por ventura se tornem um PDI (por exemplo, devido à abertura de um novo restaurante) ou que deixem de ser popular. A identificação de pontos de interesse em uma cidade foi investigada por Crandall et al. [Crandall et al. 29], que mostraram como inferir a localização de uma foto sem usar os dados geoespaciais. Na mesma direção, Kisilevich et al. [Kisilevich et al. 21] usaram fotos georeferenciadas para analisar e comparar eventos temporais que aconteceram em uma cidade, e também para classificar locais turísticos. Além disso, em [Silva et al. 213c] nós também apresentamos uma técnica para identificar PDIs e, a partir deles, identificar pontos turísticos. A técnica considera que cada par i de coordenadas (longitude, latitude) (x,y) i está associada a um ponto p i, que representa um dado compartilhado, e.g. uma foto. Nós começamos calculando distância geográfica entre cada par de pontos (p i, p j ) e agrupamos todos os pontos p i que estão próximos uns dos outros. Para capturar os PDIs, usamos um modelo aleatório para excluir grupos que possam ter sido gerados por situações aleatórias (ou seja, movimentos de pessoas aleatórias), e, portanto, não refletem a dinâmica da cidade. Para identificar os grupos, analisamos o número de compartilhamento de dados em cada grupo e usamos simples métodos estatísticos, como descrito em [Silva et al. 213c]. Em seguida, separamos os pontos turísticos dos PDIs assumindo que turistas possuem rotas conhecidas na cidade (mais detalhes em [Silva et al. 213c]). Quando aplicada para a cidade de Belo Horizonte considerando dados do Fours-

24 quare e Instagram, essa técnica foi capaz de encontrar a maioria dos seus PDIs e pontos turísticos. Os resultados também mostram que diferentes RSPs podem fornecer dados complementares, pois nenhuma RSP encontrou todos os pontos turísticos. Tais diferenças podem refletir mudanças na cidade durante o intervalo de tempo em que um dataset específico foi coletado. Por exemplo, durante a coleta do dataset Instagram1, Belo Horizonte não estava recebendo jogos de futebol. Isso explica por que o estádio de futebol não foi identificado como um PDI utilizando esse dataset. Por outro lado, a análise de um dataset do mesmo sistema coletado mais recentemente (Instagram2), identificou corretamente o estádio como um ponto turístico importante da cidade. Isso ilustra como os dados de RSPs podem capturar automaticamente alterações da dinâmica da cidade, sendo úteis para detectar locais incomuns e populares, bem como descobrir possivelmente padrões inesperados Discussão As RSPs oferecem informações atualizadas sobre locais, bem como opiniões e preferências de seus usuários. Além disso, elas têm o potencial de tratar as questões acima mencionadas em (quase) tempo real, atingindo um elevado número de regiões do globo. Nesta seção mostramos vários estudos que servem como exemplos de como trabalhar com dados de RSPs. As informações obtidas por esses estudos podem ser úteis para o desenvolvimento de serviços e aplicações mais inteligentes nas áreas de interesse da comunidade do SBRC. Por exemplo, entender o padrão de comportamento em determinados locais na cidade, bem como a identificação de comportamentos fora do padrão esperado, pode ser muito útil para o planejamento de carga de uma rede celular urbana. Estudos que visam oferecer soluções para desafogar a transmissão de dados móveis (mobile data offloading) podem ter grandes benefícios ao utilizar essas informações como uma ferramenta para diminuir surpresas em demandas atuais, bem como novas demandas que podem surgir, já que a cidade está em constante mudanças. Várias outras oportunidades, bem como os desafios associados a elas são discutidas na próxima seção (Seção 6.5) Desafios e Oportunidades Esta seção apresenta diversos tópicos de pesquisa atuais relacionados com redes de sensoriamento participativo. Para cada um deles serão também discutidos os desafios e as oportunidades de pesquisa Camadas de Sensoriamento Definição Uma camada de sensoriamento consiste de dados descrevendo aspectos específicos de uma localização geográfica. O conceito de camada de sensoriamento é bastante amplo: ele representa dados, com seus atributos, provenientes de uma determinada fonte de dados, por exemplo uma RSP particular. Cada RSP fornece acesso aos dados relacionados a certo aspecto de uma região geográfica predefinida (por exemplo, condições de tráfego, fotos de locais, etc.), e, com isso, cada RSP distinta pode ser representada como uma camada

25 Figura Ilustração do compartilhamento de dados em três RSPs ao longo do tempo, resultando em camadas de sensoriamento [Silva et al. 214b]. de sensoriamento [Silva et al. 214b]. Além de RSPs, outras fontes de dados podem ser: dados disponíveis na Web não gerados por usuários, por exemplo a condição climática fornecida pela empresa Clima Tempo 2 ; ou dados de redes de sensores sem fio tradicionais. Discutimos aqui o conceito de camadas de sensoriamento para RSPs. No entanto todos os conceitos discutidos podem ser utilizados para outras fontes de dados associadas a regiões geográficas predefinidas, com as adaptações necessárias. A Figura 6.16 ilustra o conceito de camadas de sensoriamento. Essa figura mostra dados compartilhados em três RSPs diferentes (p1, p2 e p3), por três usuários distintos em diferentes instantes de tempo. Como discutimos na Seção 6.2, esses dados devem ser coletados (por exemplo, usando uma API) e processados, passo que inclui as tarefas de análise e padronização dos dados. Cada plano na figura representa uma camada de sensoriamento para uma região específica, por exemplo o centro de Belo Horizonte, com dados provenientes de três fontes distintas. Com isso, as camadas de sensoriamento ilustradas são: check-ins (r1), proveniente, por exemplo, do Foursquare; alertas de tráfego (r2), proveniente, por exemplo, do Waze; e fotos de lugares (r3), proveniente do Instagram, por exemplo. Em uma camada cada dado possui os seguintes atributos: instante t em que o dado foi compartilhado; localização a onde o dado foi compartilhado; especialidade s da camada (e.g., uma foto ou um alerta sobre trânsito); e o id u do usuário que compartilhou o dado. O uso de camadas de sensoriamento de forma independente pode ser muito útil. Por exemplo, uma camada contendo informações de trânsito pode possibilitar a identificação em tempo real de rodovias com acidentes e buracos, cuja detecção é difícil com sensores tradicionais, mas torna-se mais factível quando os usuários participam do processo de sensoriamento. Os exemplos mencionados na Seção 6.4 também contribuem para esse ponto. No entanto, a grande motivação é realizar uma análise conjunta de múltiplas camadas para a construção de aplicações mais sofisticadas. Sabemos que uma queixa comum dos habitantes das grandes cidades é o congestionamento. Com isso, uma aplicação que emerge naturalmente é uma que possui o objetivo de inferir as causas de congestionamento, passo fundamental para tratar o problema. Esta 2

26 Tabela 6.2. Fluxo de dados descrevendo a atividade de usuários em três RSP diferentes: Foursquare, Waze e Instagram. Fluxo de dados do Foursquare Atributos (m) Tempo (t) Área (a) Usuário (u) Especialidade (s) T1 a 1 1 Times Square T1 a 1 2 Times Square T2 a 2 1 Fifth Av. T3 a 4 1 Statue of Liberty Fluxo de dados do Waze Atributos (m) Tempo (t) Área (a) Usuário (u) Especialidade (s) T1 a 1 3 Congestionamento T2 a 3 2 Acidente T2 a 3 3 Controle policial Fluxo de dados do Instagram Atributos (m) Tempo (t) Área (a) Usuário (u) Especialidade (s) T1 a 1 3 dados da foto T3 a 4 1 dados da foto não é uma tarefa fácil de realizar, e o resultado pode variar entre diferentes cidades, uma vez que dependem de aspectos geográficos, culturais, econômicos, dentre outros. No entanto, a análise conjunta de diferentes camadas de sensoriamento na cidade poderia contribuir para essa aplicação. Por exemplo, poderíamos cruzar as informações fornecidas pelas camadas alertas de tráfego, check-ins e foto de lugares. A primeira camada fornece dados em (quase) tempo real sobre onde estão acontecendo congestionamentos, a segunda fornece dados sobre os tipos de lugares localizados nas áreas dos congestionamentos, com isso é possível entender melhor as áreas de interesse, por exemplo, identificando o tipo da área. Finalmente, através da análise da camada fotos de lugares nós podemos obter evidência visual do que acontece em tempo real próximo das áreas durante os congestionamentos. Ao analisar conjuntamente dados destas três camadas podemos detectar, por exemplo, carros bloqueando cruzamentos, e inferir as possíveis causas disso. Obviamente, outras camadas podem também ser utilizadas, tal como a condição do clima Arcabouço para a Integração de Múltiplas Camadas Nesta seção apresentamos a ideia geral de um arcabouço para trabalhar com múltiplas camadas de sensoriamento definido por Silva et al. [Silva et al. 214b]. Cada usuário u pode compartilhar dados ilimitados em qualquer RSP p. Cada j-ésimo dado d j compartilhado na RSP p k possui o formato d p k j =< t,m>, em que t refere-se ao instante em que o usuário u compartilhou o dado em p k e m é uma tupla contendo os atributos deste dado, ou seja, m =(a, u, s), como descrito anteriormente. Os dados compartilhados em uma RSP podem ser vistos como um fluxo de dados B. Definimos que um fluxo de dados B p k é composto por todos os dados compartilhados pelos usuários em uma RSP p k em um determinado intervalo de tempo. Desta forma, B p k é utilizado para representar uma camada de sensoriamento r pk. A Tabela 6.2 mostra os dados das camadas de sensoriamento que foram compartilhados nas três RSPs consideradas na Figura Observe que dados no mesmo fluxo podem ter a mesma informação de tempo, pois podem ter sido compartilhados por diferentes usuários simultaneamente.

27 Para trabalhar com camadas precisamos representá-las em um plano de trabalho, que contém uma ou mais camadas. Esse plano de trabalho representa uma combinação dos dados das camadas que desejamos trabalhar. Como efetuar essa combinação dos dados depende da funcionalidade da camada, do que ela captura. A abstração usada aqui para representar uma combinação é um dicionário de dados M, que representa uma coleção de pares chave : valor. Esta estrutura foi escolhida por causa da sua simplicidade, o que facilita a compreensão dos conceitos. Mantenha em mente que outras estruturas poderiam ser usadas. Definimos que a função responsável para realizar esse passo chama-se COMBINATION(F,relation()), em que F ={B p 1,...,B p n } é um conjunto de fluxo de dados, e relation() é uma função que define a relação entre os dados dos fluxos de dados contidos em F. A função relation() define as chaves do dicionário M, bem como os dados que essas chaves irão referenciar, que são as demais observações do dado d p k i não utilizadas como chave. A operação COMBINAT ION resulta em um dicionário M. Note que algumas ferramentas da área de SIG (sistema de informação geográfica) poderiam ser utilizados para apoiar o arcabouço discutido, por exemplo, no processo de combinação. Nós ilustramos aqui um tipo de relação utilizada para agregar os dados por locais. Para exemplificar um plano de trabalho contendo os dados combinados por localidade, vamos considerar a atividade representada na Figura O plano de trabalho M representa essa atividade, onde M ={a 1 :{d1 r1,dr1 2,dr2 1,dr3 1 },a 2 :{d3 r1,dr2 2 },a 3 :{d3 r2 },a 4 : {d4 r1,dr3 2 }}. Nesse plano de trabalho uma chave é representada por a i, que é uma área única dentre todas as áreas de todos os dados compartilhados nas camadas consideradas: r 1, r 2 e r 3. Já d r j j refere-se às observações não utilizadas como chave do dado d j da camada r, ou seja< t,u,s>. Assim, todas as áreas únicas tornaram-se uma chave no plano de trabalho M. Os dados compartilhados em um mesmo local foram agrupados e são indexados pela chave que representa o local. O plano de trabalho M, como descrito, está representado na Figura Veja que o plano de trabalho representa dados que foram compartilhados em todas as camadas consideradas. A cor do símbolo que representa um dado d j indica de qual camada ele foi extraído, por exemplo, a cor vermelha é referente à camada r 1. Figura Combinação por localidade. De posse de um plano de trabalho podemos aplicar operações para derivar outras estruturas e também extrair conhecimento. Por exemplo, operações para habilitar ou desabilitar uma camada, operações para a criação de grafo direcionado, entre outras [Silva et al. 214b].

28 Desafios e Oportunidades Há vários desafios, bem como oportunidades, ao lidar com dados de várias camadas simultaneamente, como os descritos a seguir. 1. Combinação de dados: A fim de realizar a combinação de dados, tal como mencionado na seção anterior (Seção ), nós temos que certificar que os dados são consistentes em todas as camadas. Esta é uma condição obrigatória para a correta extração de informações. Considere que queremos combinar duas camadas A e B por locais (todas as áreas únicas como chaves no plano de trabalho). O formato de localização de dados na camada A é expresso em latitude e longitude, enquanto na camada B a localização é fornecida como nome de rua ou avenida. Uma maneira de resolver essa inconsistência é realizando um processo de geocodificação, utilizando, por exemplo, uma API própria para essa finalidade, como a disponibilizada pela Yahoo! 21. Desta forma, os endereços oriundos da camada B serão transformados em uma coordenada geográfica. Outra questão que pode acontecer ao combinar dados por localização é com relação às áreas que se sobrepõem parcialmente. Como definir uma chave neste caso? Uma possibilidade é considerar várias chaves, uma para a intersecção entre essas áreas, e uma ou duas 22 para as áreas não sobrepostas. A combinação por usuários, ou seja, todos os usuários únicos são uma chave no plano de trabalho, pode ser um problema em RSPs, porque o mesmo usuário pode participar em diferentes camadas com diferentes identificadores. Vamos supor que queremos combinar dados dos usuários compartilhados na camada de check-ins e na camada foto de lugares. Como estamos lidando com sistemas independentes, os usuários podem possuir identificações diferentes. Uma forma de tentar contornar esse problema é verificar outras redes com o intuito de mapear o ID do usuário de uma camada em outra. Por exemplo, os usuários do Foursquare e Instagram tendem a ser também usuários do Twitter. Desta forma, a chave do processo de combinação poderia ser a identificação usada no Twitter. 2. Validade dos dados: Diferentes camadas podem se referir a dados válidos para diferentes intervalos de tempo. Isso é natural porque algumas fontes de dados fornecem dados em (quase) tempo real, outras não. Por exemplo, um alerta no Waze refere-se a uma situação de trânsito que pode não existir cinco minutos mais tarde. No entanto, dados do censo geralmente são válidos por um grande intervalo de tempo, meses ou anos, até o próximo censo ser publicado. Temos de estar cientes de todas essas questões ao projetar novas aplicações. 3. Volume de dados: Se não temos dados significativos para uma determinada camada, a sua utilização pode não levar à extração de informações corretas. Diferentes fontes de dados podem apresentar características diferentes para esse problema. Por exemplo, em uma RSP muitos fatores influenciam o volume de dados, dentre Se uma área não está completamente dentro de outra.

29 eles, aspectos geográficos, culturais e econômicos, como discutido na Seção 6.3. A granularidade de áreas também pode influenciar algumas fontes de dados. Se considerarmos, por exemplo, dados das tradicionais redes de sensores sem fio podemos não ter dados para uma metrópole inteira, por limitações de escalabilidade. 4. Modelagem: Temos ainda oportunidades com relação à modelagem das camadas de sensoriamento, pois numa mesma camada as entidades podem possuir relações distintas entre elas. Para ilustrar essa oportunidade considere a camada de checkins. Como ilustramos anteriormente, essa camada pode representar a mobilidade urbana considerando a relação entre lugares e pessoas, sendo útil para entender, por exemplo, a frequência de transição entre diferentes lugares (entidades). Outra possibilidade é modificar a modelagem do problema, para, por exemplo, estudar as preferências de pessoas. Nesse caso, a entidade a ser analisada passa a ser o usuário. Note que dados de uma mesma camada podem ser modelados de formas distintas para responder perguntas diferentes. O arcabouço que discutimos nesta seção oferece suporte básico para essa questão. No entanto, existem várias oportunidades para extensão desse arcabouço para oferecer serviços mais sofisticados. Em resumo, observe a importância de um processo de caracterização, como mostrado na Seção 6.3. Temos de conhecer as propriedades das camadas que queremos utilizar, a fim de verificar se a sua utilização simultânea com outras pode levar à extração de informação que desejamos. A função relation() informada como parâmetro para a função COMBINAT ION encapsula a solução escolhida para lidar com dados heterogêneos, que é dependente da aplicação. Se nenhuma solução for encontrada para eliminar a inconsistência entre os dados de duas camadas, então elas não podem ser usadas conjuntamente Análise da Dinâmica Temporal das Redes de Sensoriamento Participativo Definição e Iniciativas Como foi mostrado anteriormente, os dados compartilhados em RSPs podem ser aproveitados para diferentes finalidades, sendo útil para diversas aplicações, por exemplo, para recomendação de pontos de interesses. No entanto um aspecto pouco explorado na análises dos dados de RSPs é o temporal. Nesse contexto, a análise de características temporais permite aprimorar tais aplicações, bem como gerar novas oportunidades de pesquisa [Gao et al. 213, Yuan et al. 213]. A maioria dos estudos encontrados na literatura consideram que os dados compartilhados por usuários formam RSPs estáticas, sendo a dinâmica temporal negligenciada. Isso pode acarretar em perda de informações importantes. Por exemplo, enquanto duas regiões de uma cidade podem apresentar comportamento similar nos dados agregados durante um dia, elas podem ter diferenças quando uma perspectiva temporal é considerada na análise das atividades mais populares em cada turno. Nesse sentido, a seguir são apresentados alguns esforços que tentam explorar a dimensão temporal na análise de dados de RSPs. Bannur e Alonso [Bannur and Alonso 214] analisaram dados de check-in do Facebook para compreender a participação temporal dos usuários em diversas categorias de

30 locais (e.g., restaurantes, cinemas, get-away 23 ). Os autores definiram uma métrica, chamada polaridade, que é uma relação entre o número de check-ins de uma categoria em uma dada região em uma estação do ano e o número total de check-ins nessa mesma região o ano inteiro. A Figura 6.18 mostra a variação da polaridade da categoria get-away entre os estados dos Estados Unidos ao longo das quatro estações do ano. A polaridade é representada por um mapa de calor. A intensidade da polaridade varia da mais baixa, cor clara, para a mais alta, cor escura. Como podemos observar, no inverno e primavera, estados com temperaturas elevadas ao longo da costa oeste, regiões da Flórida e Havaí têm uma polaridade muito maior em comparação com os estados da costa leste. Por outro lado, no verão, estados com temperatura baixa como Alaska e Montana aparecem como estados com alta polaridade. Este tipo de análise é interessante para explicar determinados comportamentos humanos baseados em fenômenos sazonais. Por exemplo, no outono, o estado de Nebraska possui polaridade alta. Nebraska é sujeito a tornados e trovoadas durante o verão e primavera, enquanto no inverno sofre com tempestades de gelo, de forma a influenciar no comportamento humano para a categoria get-away. Figura Visualização de checkins para a categoria get-away em cada estado dos Estados Unidos ao longo das quatro estações do ano [Bannur and Alonso 214]. Zhang et al. [Zhang et al. 213] analisaram atividades urbanas a partir de dados do Foursquare considerando a dinâmica temporal. Para isso, eles adotaram um algoritmo para detecção de grupos de atividades com características similares, considerando as categorias de locais do Foursquare. A Figura 6.19 mostra o resultado da aplicação do algoritmo com os dados agregados (Figura 6.19a) e com dados particionados em períodos do dia (manhã, tarde e noite, Figuras 6.19b, 6.19c 6.19d, respectivamente). Na Figura 6.19a, o grupo C2 possui a categoria Food como atividade predominante, enquanto nas Figuras 6.19b, 6.19c 6.19d, observa-se uma separabilidade maior na detecção de grupos, de forma que algumas células 24 no desagregado possuem rótulos de grupos diferentes ao longo do dia que podem possuir outras atividades predominantes. Por exemplo, a atividade Food pode não ser tão ativa no período da tarde, mas sim, nos períodos da manhã e noite, de forma que na visão agregada não se perceba essa diferença. Essa abordagem é interessante para mostrar que determinadas atividades são pertinentes em um determinado período do dia, mas quando analisadas de forma agregada podem não ser relevantes ou podem não capturar o real comportamento dos usuários. Outro exemplo é a técnica City Image que apresentamos na Seção No exemplo da Figura 6.13, a perspectiva temporal utilizada é o particionamento dos dados em dias 23 Categoria que representa locais como praias, montanhas e parques. 24 Os autores dividiram a região em células.

31 Figura Visualização dos grupos comparando dados agregados e por turnos da cidade de Nova Iorque[Zhang et al. 213]. de semana/final de semana durante o dia e a noite, a partir disso foi feita uma análise dos dados por partições. Podemos perceber com o auxílio dessas imagens que existe variação significativa entre dia e noite nas duas cidades analisadas. Além disso, a imagem agregada (sem considerar partições) é bastante diferente das desagregadas, como foi mostrado por Silva et al. [Silva et al. 212] Desafios e Oportunidades Os trabalhos descritos anteriormente fornecem indícios das vantagens da utilização de informação temporal dos dados obtidos de RSPs. No entanto, se por um lado investigar a dinâmica temporal de uma RSP é uma oportunidade para obtenção de informações mais próximas da realidade do comportamento da rede, por outro, surgem novos desafios ao adicionarmos uma dimensão temporal ao estudo, como os descritos a seguir: 1. Informação temporal: Uma dificuldade inicial é como representar e armazenar a informação temporal. Como os dados podem ser oriundos de várias fontes, nos deparamos com problemas relacionados à inconsistência, redundância e granularidade para extrair a informação temporal relevante. Além disso, há questões abertas quanto a validade da informação obtida, ou seja, por quanto tempo essa informação poderá ser útil e a que frequência deve ser atualizada; 2. Janelas de tempo: Trabalhos que analisam a questão temporal geralmente fragmentam os dados em intervalos de tempo (e.g., manhã, tarde e noite) denominados janelas. No entanto, a definição adequada do tamanho da janela é um problema, pois é necessário definir um tamanho de janela que capture dinâmicas relevantes. Nesse caso, existem inúmeras oportunidades para novas abordagens que consideram janelas com tamanhos flexíveis; 3. Participação dinâmica: Como a estrutura de uma RSP é composta por nós autônomos (seres humanos), ela é sensível à participação desses nós ao longo do tempo. Isso traz uma gama de desafios relacionados com a evolução da participação dos usuários nessas redes. Exemplos são: identificação de comportamentos periódicos, detecção de outliers e rastreamento de atividades. Nessa direção existem várias oportunidades para o desenvolvimento de novas técnicas/abordagens;

32 4. Modelagem: Geralmente, dados de uma RSP são representados como um conjunto de entidades, por exemplo, usuários ou PDIs (pontos de interesses), e suas relações (e.g., transições ou comunicação). Como a contribuição desses dados pode variar muito ao longo do tempo um modelo baseado em grafos estáticos pode não ser suficiente para capturar essa dinamicidade. Por exemplo, dados obtidos a partir do Foursquare possuem informações espaço-temporais, tais como posicionamento dos usuários e os momentos de interação. Portanto, um desafio é modelar a dinâmica espaço-temporal a fim de entender melhor, por exemplo, diversos aspectos dessa participação dos usuários. Nesse sentido, Grafos Temporais [Kostakos 29] surge como alternativa promissora que pode ser utilizada para entendimento da dinâmica espaço-temporal. Em um Grafo Temporal, as relações entre as entidades podem ser modeladas como arestas que podem ser criadas e destruídas ao longo do tempo. Por exemplo, entender aspectos temporais de interações entre usuários com certos locais na cidade. Dessa forma, utilizando grafos temporais para modelar uma RSP, podemos aplicar tanto conceitos de grafos (e.g., componentes conectados e caminhamento) como medidas de centralidade (e.g., betweenness, closeness) para auxiliar no entendimento da dinâmica das RSPs [Nicosia et al. 213]. 5. Técnicas de visualização: A adoção de técnicas de visualização que forneçam o entendimento correto do comportamento da rede é fundamental para auxiliar nas tomadas de decisões. Dessa forma, visualizações que exploram a dinâmica temporal de dados de RSPs são de suma importância. Por exemplo, uma visualização adequada das transições dos usuários na cidade ao longo do tempo é bastante útil para urbanistas e outros profissionais que precisam tomar decisões relacionadas ao planejamento urbano. A dinâmica espacial em RSPs tem sido alvo de estudo em diversos trabalhos presentes na literatura. No entanto, a dinâmica temporal é pouco explorada. Nessa seção, mostramos alguns dos principais desafios e oportunidades de pesquisas que consideram a dinâmica temporal em estudos de dados de RSPs. Acreditamos que entender a dinâmica temporal dos usuários é essencial para a construção de novas aplicações, bem como melhorar os serviços fornecidos atualmente Mecanismos de Incentivo nas RSPs Definições e Iniciativas O comportamento social do ser humano, como egoísmo, altruísmo e cooperação / colaboração 25, têm sido extensivamente estudados na filosofia, biologia, psicologia, economia e no contexto da ciência da computação. O egoísmo pode ser definido como o ato de beneficiar somente a si próprio, ao invés do outro. Por outro lado, o comportamento altruísta ou generoso leva a pessoa a favorecer aos outros em detrimento de si próprio [Levine 1998]. A colaboração ocorre quando um indivíduo dedica um esforço, que implica em um custo, em alguma atividade coletiva de forma que o benefício obtido seja maior que o custo para 25 Mesmo sabendo que o conceito de cooperação vai além do significado de colaboração, neste minicurso esses dois termos são tratados como sinônimos.

33 todos os participantes da atividade [Bowles and Gintis 23]. A diferença da colaboração para o altruísmo é que na colaboração o indivíduo espera algum benefício por ter colaborado. Um ponto fundamental para as RSPs é a colaboração dos usuários, pois as aplicações em uma RSP dependem de que os usuários estejam dispostos a coletarem, processarem e transmitirem os dados sensoriados [Lee and Hoh 21]. A colaboração entre os participantes de uma RSP reflete diretamente na qualidade e quantidade dos dados sensoriados e, consequentemente, na melhoria dos serviços oferecidos pelas RSPs. No entanto, como estas aplicações consomem recursos do dispositivo do usuário, o mesmo pode ser relutante em contribuir com a rede. Diversos são os motivos que podem fazer um usuário usufruir, porém não colaborar com a RSP, tais como poupar bateria, evitar gastos com a transmissão de dados, ou mesmo por questões de privacidade [Lee and Hoh 21]. Deste modo, mecanismos de incentivo visam aumentar a motivação dos usuários para colaborarem com a RSP. A motivação para a colaboração pode ser extrínseca, na qual os participantes recebem uma recompensa direta pela participação, ou intrínseca, na qual os participantes devem ser satisfeitos psicologicamente [Kaufmann et al. 211]. Nos últimos anos, foram propostos dezenas de mecanismos de incentivo e realizados diversos experimentos para entender o comportamento cooperativo. Estes mecanismos podem ser propostas de pagamento ao usuário por contribuir na rede ou a utilização de técnicas de jogos para engajar o usuário. Gao et al. [Gao et al. 215] fizeram uma análise de trinta mecanismos de incentivo teóricos, de oito estudos experimentais e nove implementações de mecanismos de incentivo aplicados as RSPs nos últimos dez anos. Os autores classificaram os mecanismos de incentivo como monetários (extrínseco) e não-monetários (intrínseco). Os estudos experimentais mostraram que pagar um valor de acordo com o esforço da tarefa, a combinação de estratégias e adição de um ambiente de disputa apresentaram melhores resultados. Como os mecanismos extrínsecos podem recompensar o participante por meio de pagamentos reais, virtuais ou outros prêmios, neste minicurso iremos nos referir a estes mecanismos como baseados em recompensas. Os mecanismos intrínsecos baseiam-se em transformar a tarefa de sensoriamento em uma tarefa mais prazerosa e estimulante para o usuário, adicionando elementos comuns em jogos, como elementos de disputa entre os usuários. Por isto, abordaremos estes mecanismos como baseados em gamificação 26 [Deterding et al. 211] Colaboração do Usuário nas RSPs A colaboração no contexto das RSPs depende de uma relação entre o custo e o benefício para participar da mesma [Fitzek et al. 213]. Para Fitzek et al., a colaboração ocorrerá sempre que o usuário tiver a sensação que o benefício é superior ao custo de colaborar. 26 A utilização destes elementos característicos de jogos para tornar a realização de tarefas mais prazerosas é conhecido na literatura como gamificação.

34 Este benefício pode ser desde a qualidade das informações obtidas até ao sentimento altruísta de contribuir com a RSP. A Figura 6.2 ilustra um cenário de utilização de um usuário colaborativo em uma RSP. O usuário acessa as informações de uma RSP por meio da rede móvel (3G por exemplo), enquanto obtém sua localização utilizando a rede GPS e coleta novas informações, as quais serão transmitidas para a RSP. Para realizar esta tarefa, podemos listar como custos: o consumo de energia, a transmissão de dados pela rede móvel e o esforço para realizar a tarefa de sensoriamento durante um tempo. Podemos listar como benefícios para o participante: obter informações atualizadas em tempo real e o sentimento de estar ajudando outros participantes da rede (em caso de usuário altruísta). Por outro lado, um usuário egoísta ou que tenha restrições de recursos poderia obter as informações da RSP sem colaborar com novas informações para a mesma. Figura 6.2. Etapas envolvidas para a coleta de informações e transmissão dos dados sensoriados para as RSPs. Existem ainda as situações nas quais o benefício recebido por colaborar com a RSP não é claro para o participante. Em Burke et al. [Burke et al. 26], os autores citam como exemplos de RSPs para a coleta massiva de informações sobre poluição e sobre a saúde do indivíduo. Nestes exemplos, o participante não tem acesso em tempo real sobre as informações agregadas e os beneficiários das informações coletadas seriam os agentes públicos e centros de saúde, respectivamente. Nestas situações, os mecanismos de incentivo funcionam como "motivadores"para os usuários participarem do sistema Mecanismos de Incentivo Baseados em Recompensa Os mecanismos de incentivo baseados em recompensa partem do pressuposto de que os participantes não contribuirão ou deixarão de contribuir com a RSP se os benefícios forem menores que suas expectativas [Lee and Hoh 21]. Existem mecanismos que visam permitir que o usuário participe da decisão sobre a tarefa que irá realizar e sobre o pagamento que irá receber da RSP. Outros visam melhorar a qualidade dos dados obtidos e minimizar os custos com sensoriamento. Podemos mencionar também mecanismos em que o usuário negocia com a plataforma o valor da recompensa pelos dados sensoriados antes de enviá-los e, ainda, os que a plataforma decide quanto irá pagar pelos dados já enviados pelo usuário. Yang et al. [Yang et al. 212] propuseram dois incentivos de mecanismo: MSensing Platform-Centric e MSensing Auction. No MSensing Platform-Centric, a RSP anuncia uma certa recompensa para uma determinada tarefa que será dividida entre os partici-