Dissertação de Mestrado

Nos últimos anos, houve um crescimento na geração e disponibilização de uma variedade de dados de mobilidade de veículos urbanos, tais como carros, ônibus, aviões, embarcações, cujo conteúdo revela a dinâmica de fluxo entre diferentes regiões espaciais. A posição desses objetos é geralmente mapeada em registros 2D, como latitude e longitude, registrando sua trajetória ao longo do tempo. A análise dessas trajetórias tem diversas aplicações, como detecção de padrões de origem-destino, monitoramento do fluxo ou a observação de eventos externos, como mudanças climáticas, e seus impactos no tráfego. Com isso, gestores de uma cidade conseguem mais informações para auxiliar na tomada de decisão e planejamento do trânsito. No entanto, é um desafio visualizar grandes quantidades de dados de conjuntos de dados de mobilidade. Desenhar grandes quantidades de trajetórias diretamente em um mapa geralmente causa uma oclusão de dados, prejudicando a análise visual. Exibir os múltiplos atributos que acompanham essas trajetórias é um desafio ainda maior. Uma abordagem para resolver esse problema é o bundling, que agrupa trajetórias espacialmente próximas em uma representação simplificada. Nesta dissertação, adaptamos uma técnica recente de bundling para visualizar e analisar grandes conjuntos de dados de mobilidade urbana. Nosso estudo de caso é baseado na pesquisa origem-destino de viagens da Região Metropolitana de São Paulo, uma das áreas de tráfego mais intenso do mundo. Os resultados mostram que o bundling ajuda a identificar e analisar vários padrões de mobilidade para diferentes atributos de dados, como horários de pico, renda e modos de transporte

In recent years, there has been an increase in the generation and availability of a variety of urban vehicle mobility data such as cars, buses, airplanes, boats and others. This data reveals the ow dynamics between di erent spatial regions. Objects positions are usually mapped into 2D records containing their latitude and longitude over time. This type of data leads to the eld of trajectory analysis and has several applications, such as origin-destination ows studies, recomendation systems and tra c monitoring, which can help managers to gain insights to support decision makingandtra cplanning. However, it is challenging to visualize hugeamountsofdatafrommobilitydatasets. Plotting raw trajectories on a map often causes data occlusion, impairing the visual analysis. Displaying the multiple attributes that these trajectories come with is an even larger challenge. One approach to solve this problem is trail bundling, whichgroupsmotiontrailsthatarespatially close in a simpli ed representation. In this study, we augment a recent bundling technique to support multi-attribute trail datasets for thevisual analysis of urbanmobility.Ourcasestudyisbasedonthetravelsurveyfromthe São Paulo Metropolitan Area, which is one of the most intense tra c areas in the world. The results show that bundling helps the identi cation and analysis of various mobility patterns for different data attributes, such as peak hours, social strata, and transportation modes.