Técnicas de predicción de destinos geográficos futuros en desplazamientos de personas

El desarrollo de este trabajo de investigación se orientará hacia un sector cada vez más amplio de usuarios que dispongan y utilicen frecuentemente dispositivos móviles con capacidades de gestión de base de datos y localización por GPS. Cuanta más capacidad tenga el dispositivo más posibles aplicaciones con conocimiento del contexto futuro podrán implantarse. Aunque las propuestas de esta tesis se pueden aplicar a sistemas de localización diferentes, en la implementación nos centramos en la predicción de recorridos urbanos e inter-urbanos rastreados por receptores GPS. Éstos no permiten el seguimiento en espacios sin visión directa sobre los satélites, por lo que quedan fuera de este trabajo la predicción de destinos en interiores. Nuestra propuesta, al usar como soporte mapas personales creados por el propio usuario al desplazarse diariamente, no necesitará de ningún GIS por lo que será utilizable en lugares donde no exista cartografía detallada, como por ejemplo en mares y océanos. El público objetivo de las predicciones de destino serán personas con todo tipo de hábitos de desplazamientos y que utilicen cualquier medio de transporte en el que puedan utilizarse dispositivos electrónicos (quedan por tanto fuera de nuestra hipótesis los aviones). Capítulo 2: Metodología off-line. Se propondrá una metodología para la recuperación de la información, su preprocesado y los algoritmos de extracción de conocimiento a partir de trazas de movimiento aportadas por diferentes voluntarios. Los objetivos de este capítulo son por una parte estudiar los métodos existentes para extraer los destinos frecuentes y las rutas seguidas, aportar nuevos algoritmos que mejoren los resultados, proponer una metodología con fases bien diferenciadas y estudiar los aspectos prácticos para poder desarrollar una metodología on-line realista. Capítulo 3: Modelo de Markov Oculto sobre "Mapa Soporte" . Basándonos en las rutas que genera un usuario, creamos un mapa personal que nos permite utilizarlo aplicando un Modelo Oculto de Markov (HMM). El mapa personal disminuye en gran medida la cantidad de información utilizada por lo que lo estudiamos para aplicarlo en dispositivos móviles. Capítulo 4: Similitud de recorridos. Las medidas de similitud existentes entre recorridos no se adaptan a nuestras necesidades por lo que propondremos nuevas métricas que permiten comparar tanto recorridos finalizados entre sí como recorridos no finalizados con aquellos que sí lo han hecho, lo que nos permite predecir rutas y destinos. Capítulo 5: Resultados. Revisaremos los resultados obtenidos aplicando la metodología off-line y evaluaremos los modelos de predicción utilizando rutas mediante similitudes y "Mapas soporte" a través de HMM, comparando las dos alternativas. Capítulo 6: Predicción on-line. Una vez comprobados los resultados de los diferentes modelos de predicción, trataremos su implementación en un dispositivo móvil para permitir la predicción en tiempo real. Además se propondrán técnicas para reducir el consumo innecesario de baterías, mejorando la disponibilidad de los servicios de predicción. Capítulo 7: Aplicaciones. Mostraremos las aplicaciones definidas para nuestro sistema de predicción on-line, de modo que se destaque la utilidad del sistema de predicción on-line propuesto. Capítulo 8: Conclusiones y trabajo futuro. En este capítulo se presentan las conclusiones de esta tesis doctoral y las líneas de investigación abiertas sobre las que se trabajaremos en los próximos años. Apéndice A: Sistema GPS Describiremos de forma breve en este apéndice el funcionamiento del Global Positioning System y la estructura de las sentencias NMEA. Apéndice B: Currículum. En este apéndice incluimos las publicaciones y los proyectos en los que hemos participado durante la elaboración de este trabajo. Bibliografía: Tras los dos apéndices, incluimos la bibliografía utilizada en la elaboración del documento