Análise comparativa de modelos de predição de destino que usam Cadeias de Markov e Cadeias Ocultas de Markov

Abstract

A predição de destinos é uma funcionalidade cada vez mais relevante em aplicações de mobilidade urbana, por oferecer ao usuário sugestões de rotas e lugares com base em padrões de deslocamento e, por vezes, informações com base em dados contextuais. Este trabalho realiza uma comparação entre dois modelos, sendo um com base em Cadeias de Markov, e outro com base em Cadeias Ocultas de Markov—aplicadas a um conjunto de dados reais de mobilidade veicular. A escolha metodológica foi fundamentada em um Mapeamento Sistemático da Literatura (MSL), dentre outras leituras. A análise foi realizada considerando conjuntos de etapas. O primeiro conjunto dessas etapas objetivou geração das amostras adequadas para os modelos; o segundo conjunto, com as predições e etapas para a comparação. A avaliação foi realizada com validação cruzada (K-Fold, k=10) e teste t-student para amostras pareadas desses folds, revelando que a performance dos modelos é sensível a um limite de corte das amostras para balanceamento dos dados conforme os veículos. Esse limite foi determinado para melhorar o valor das precisões, bem como a existência de mais rodadas em que os algoritmos funcionaram sem erros de construção dos modelos. Dessa forma, buscou-se responder à Questão de Pesquisa "Existe diferença quanto ao uso dos modelos de predição de destino com base em Cadeias de Markov e Cadeias Ocultas de Markov, no contexto de tráfego urbano e no uso de veículos individuais?”. A resposta é que, após testes estatísticos, foi encontrado que há diferença estatística entre as duas técnicas avaliadas. Ou seja, globalmente, com Cadeias de Markov possuindo cerca de 59% de precisão; e com Cadeias Ocultas de Markov com aproximadamente 61% de precisão. Isso revelou que o modelo com base em Cadeias Ocultas de Markov, a partir do conjunto de dados utilizado, apresentou, com dados contextuais, melhores precisões na maior parte dos casos.