Personalized Route wselection methods in a urban computing scenario

Com o crescimento populacional nas áreas urbanas, a infraestrutura urbana mais extensa enfrenta diversos problemas que afetam a saúde e a qualidade de vida da população. As mudanças na mobilidade urbana tornaram-se intensas, pois a revolução tecnológica mundial trouxe diversas ferramentas e métodos para prevenir tendências nocivas ao transporte urbano. Nesse contexto, as soluções de Internet das Coisas (IoT) realizam uma forma ubíqua de perceber a mobilidade da população e o contexto de mobilidade local como criminalidade, acidentes e qualidade do ar próximo à infraestrutura viária, complementando a mobilidade da cidade. Da mesma forma, as Redes Sociais baseadas em Localização (LBSN) dispõem de dados geolocalizados dos usuários, permitindo a identificação de padrões de mobilidade, fluxos de tráfego e recomendações de modais alternativos de transporte. Nesse sentido, novas soluções de mobilidade devem atender às questões da cidade em relação ao transporte público, criminalidade, fatores que influenciam o tráfego e comprometimento da qualidade do ar. Além disso, os métodos de seleção de rotas devem considerar características de conforto, tornando as viagens urbanas mais agradáveis. Esta dissertação de mestrado propõe e avalia duas abordagens de seleção de rotas conscientes da poluição, um método de rotas híbridas multimodais e um método de seleção de rotas personalizado multicritério, para melhoria do fluxo de mobilidade dos cidadãos urbanos. A solução multimodal híbrida supera o monomodal, oferecendo opções de viagens menos exorbitante e menos poluídas. Os perfis personalizados da solução multicritério superam a escolha de um único critério no mesmo contexto considerando todas as possibilidades de rota calculadas