Resumo
Esta dissertação explora o campo da mineração de dados de trajetória, com foco em bibliotecas e métodos disponíveis, suas capacidades e limitações. O objetivo central é contribuir para o avanço da área através da proposição de soluções e ferramentas mais completas. O primeiro capítulo apresenta uma análise comparativa de diversas bibliotecas Python para mineração de dados de trajetória. A pesquisa identifica que, embora existam várias opções, nenhuma oferece suporte completo a todas as tarefas de mineração. O capítulo destaca as vantagens e desvantagens de cada biblioteca, fornecendo um guia valioso para a seleção da ferramenta mais adequada para cada caso. O segundo capítulo concentra-se na comparação de métodos para detecção de pontos de parada em trajetórias. A pesquisa avalia a precisão, recall e F1 de cada método, destacando a variedade de opções existentes e suas características. Adicionalmente, o capítulo propõe um método para a geração de ground-truth, utilizando dados do OSM e o software SUMO. Essa contribuição resulta em um dataset público de grande relevância para pesquisas futuras. Com base nas conclusões dos capítulos anteriores, o terceiro capítulo apresenta o desenvolvimento de uma nova biblioteca para mineração de dados de trajetória. A biblioteca oferece suporte completo a todas as tarefas de mineração, incluindo map-matching aprimorado e funcionalidades não encontradas em outras soluções. Essa ferramenta tem o potencial de impulsionar o desenvolvimento de pesquisas na área. Os resultados da pesquisa apresentada nesta dissertação contribuem significativamente para o avanço da mineração de dados de trajetória. A análise comparativa de bibliotecas e métodos, a criação de um dataset público e o desenvolvimento de uma nova biblioteca oferecem recursos valiosos para a comunidade de pesquisa. As sugestões para pesquisas futuras abrem caminho para novas investigações que aprofundarão o conhecimento e as aplicações da mineração de dados de trajetória em diversos campos