Um Algoritmo Eficiente de Detecção de Trajetórias Baseado em Aceleração de Hardware

Em cidades inteligentes, aplicações de monitoramento de frotas veiculares encontram problemas de classificação de trajetórias, devido a problemas variados como limitações dos dispositivos e falhas de comunicação ou de configuração. Uma solução frequentemente usada é a classificação em nuvem dos dados de trajetória coletados, feita com o uso algoritmos de similaridade de trajetórias. Porém, algoritmos como o Dynamic Time Warping (DTW) e o Longest Common Subsequence (LCSS) podem se tornar custosos em cenários com grande volumes de dados. Assim, neste artigo é proposto o Unordered and Vectorized Common Segment Ratio Classifier (UV-CSRC), que propõe classificar segmentos de trajetórias com o uso de aceleração de hardware. Através de testes com dados reais e sintéticos demonstra-se que o algoritmo, em cenários reais, obtém uma acurácia semelhante ao do DTW e do LCSS, com tempo de processamento ao menos 28 vezes mais rápido.