Captura, representación, consulta y clasificación semántica de trayectorias

  1. Martínez Pérez, Cristina
Dirixida por:
  1. Miguel Rodríguez Luaces Co-director
  2. Ángeles Saavedra Places Co-director

Universidade de defensa: Universidade da Coruña

Fecha de defensa: 14 de febreiro de 2022

Tribunal:
  1. Nieves R. Brisaboa Presidente/a
  2. José Ramón Ríos Viqueira Secretario
  3. Miguel Á. Martínez Prieto Vogal

Tipo: Tese

Teseo: 705441 DIALNET lock_openRUC editor

Resumo

Como consecuencia de la competencia entre los diferentes fabricantes, los smartphones actuales presentan continuamente mejoras en sus características y en la actualidad incluyen numerosos sensores. Mobile Workforce Management (MWM) es un proceso industrial que podría beneficiarse mucho de la información recogida por los sensores de los teléfonos móviles. Sin embargo, existen varios problemas que lo impiden: i) hoy en día el nivel de abstracción de las actividades que son identificadas es demasiado bajo (por ejemplo, moviéndose en vez de realizando una inspección en un cliente, o parado en vez de cargando un camión en la instalación de un cliente); ii) los trabajos de investigación se centran en el uso de algoritmos que contrastan la información geográfica con los datos del GPS, o en algoritmos de aprendizaje aplicados a los datos de los sensores, pero existen pocos resultados de investigación que combinen ambos tipos de datos; y iii) la información contextual procedente de los repositorios de información geográfica o del software MWM es raramente usada. En esta tesis se presenta una nueva metodología que convierte los datos crudos capturados por los sensores de los dispositivos móviles en trayectorias anotadas con actividades semánticas con un alto nivel de abstracción. La metodología está basada en la definición de taxonomías de actividades que pueden ser adaptadas fácilmente a las necesidades de cualquier empresa. Estas taxonomías describen los valores esperados para cada una de las variables que son recogidas en el sistema usando predicados definidos mediante un lenguaje de especificación de patrones. Por último, también se describe la arquitectura del sistema que combina la información contextual del software MWM y las fuentes de información geográfica con los datos de los sensores del dispositivo móvil del trabajador para así, finalmente, anotar sus trayectorias y que pueden integrarse fácilmente en sistemas MWM y en el flujo de trabajo de cualquier empresa.