Resumo No Brasil existe a perspectiva de crescimento expressivo do volume de dados a ser processado pelas prestadoras de serviços de rastreamento de veículos em decorrência do aumento natural do uso de sistemas de rastreamento. Esse crescimento gera a necessidade da incorporação de ferramentas analíticas nos sistemas de gerenciamento do rastreamento e monitoramento de veículos e na gestão de risco, para aumentar a sua eficiência e atender ao crescimento do mercado. O presente estudo tem como objetivo o desenvolvimento de um modelo para identificação do Padrão de Comportamento Espacial de Veículos em Movimento – PCEVM, utilizando uma ferramenta de análise espacial para auxiliar o processo de tomada de decisão no monitoramento de veículos e na gestão do sistema de transporte urbano. Embora os resultados obtidos sejam válidos para a particular configuração apresentada neste artigo, a metodologia de análise proposta permite a caracterização de padrões espaciais de movimentação de veículos na área e no período considerados, o que é útil, por exemplo, para planejadores municipais, empresas de logística e empresas seguradoras. Conclui-se que o resultado da comparação entre o posicionamento coletado em tempo real com o modelo de distribuição espacial obtido na caracterização dos padrões de comportamento espaciais é capaz de detectar anormalidades do comportamento de movimentação do veículo e oferecer subsídios para a tomada de decisão em sistemas de monitoramento e gerenciamento de veículos, que visem à segurança patrimonial e pessoal, identificando comportamentos de movimentação não esperados ou de comportamentos de risco.

Abstract In Brazil there is the perspective of significant growth in the volume of data being processed by vehicle tracking services companies as a result of natural increase in the use of tracking systems. This growth generates the need for the incorporation of analytical tools in the management of vehicle tracking systems and risk managing, in order to increase their efficiency and cater to the market growth. This paper aims to develop a model for identifying the Spatial Behavior Patterns of Monitoring Vehicles (SBPMV) using a spatial analysis tool to aid the process of decision making in vehicle monitoring and the urban transportation system management. Although the results obtained are valid for the particular configuration presented in this article, the proposed methodological analysis allows the characterization of spatial patterns of vehicle movements in the study area during the considered period, which is useful, for instance, for city planners, enterprise logistics and insurance companies. The conclusion is that the result of the comparison between the collected real-time positioning data with the spatial distribution model obtained through the characterization of the spatial behavior patterns is able to detect abnormalities in the vehicle movement behavior and provide subsidies to decision-making process for vehicle monitoring and management systems, which aim the patrimonial and personal safety, and the identification of unexpected movement or risky behaviors.

O presente trabalho teve como proposta avaliar a identificação e o mapeamento das áreas de milho da região noroeste do Estado do Rio Grande do Sul a partir de dados multitemporais do sensor MODIS (Moderate Resolution Imaging Spectroradiometer) a bordo do satélite Earth Observing System - EOS-AM (Terra). O algoritmo de classificação supervisionada Spectral Angle Mapper (SAM) foi aplicado com sucesso em uma série multitemporal de imagens EVI pré-processadas. Verificou-se que as áreas classificadas como milho na imagem coincidiam plenamente com áreas mais extensas ou contínuas (> 90 ha) de milho. Áreas de menor extensão ou localizadas em encostas de morros, ao lado de vegetação arbórea, não foram detectadas pelo classificador devido à baixa resolução espacial das imagens. A maior utilidade prática da identificação e da classificação digital das áreas de milho obtidas das imagens MODIS está na sua aplicação para isolar ou complementar o mapeamento das áreas agrícolas visando ao seu monitoramento a partir de diferentes índices de vegetação, derivados de imagens de alta resolução temporal e baixa resolução espacial.

The present work had the proposal of evaluating the identification and mapping of maize areas in the northwestern region of the State of Rio Grande do Sul using multi-temporal data from MODIS (Moderate Resolution Imaging Spectroradiometer) sensor on board of the Earth Observing System satellite - EOS-AM (Terra). The supervised classification algorithm Spectral Angle Mapper (SAM) was successfully applied in a multi-temporal series of pre-processed EVI images. It was verified that the areas classified as maize in the image fully agree with more extensive or continuous maize areas (> 90 ha). Small or hillsides maize areas having close to shrub and wood vegetation were not detected by the classifier mainly due low spatial resolution of images. The main practical utility of maize’s areas digital classification and identification using MODIS images is in its application to isolate or to complement the crop areas mapping, in order to monitor these areas, using different vegetation indices derived from high temporal and low spatial resolution images.