Visualização de dados geoespaciais : uma solução para a visualização de anomalias em redes móveis

Abstract

Atualmente, a tecnologia 5G está cada vez mais ganhando espaço na vida de todos, especialmente em países de primeiro mundo. Um dos principais recursos da tecnologia 5G é o aumento da vazão de download para os dispositivos conectados à rede, incluindo também, um canal de comunicação mais estável, confiável e seguro quando comparado com as tecnologias anteriores. No entanto, a medida em que essas células são requisitadas, principalmente em centros urbanos, tem-se como resultado instabilidades causadas pelo acúmulo de erros na rede. Estas instabilidades atrapalham a experiência do usuário, e por consequência causam perdas de faturamento para as provedoras. Nesse contexto, são propostas soluções para a detecção de anomalias com o uso de Inteligência Artificial e Aprendizado de Máquina, criando modelos capazes de detectar anomalias em dados de redes móveis, chamados de Call Detail Records (CDRs). Entretanto, apesar dos ganhos com uso de AM na identificação de anomalias na rede serem evidentes ao analisar publicações recentes, não é seguro afirmar que todos os problemas de redes estão precisamente identificados e resolvidos. Considerando o contexto de soluções baseadas em Inteligência Artificial (IA) e Aprendizado de Máquina (AM) para identificação de anomalias, o presente trabalho propõe uma solução que busca aprimorar a forma que os resultados obtidos de anomalias em redes móveis são visualizados. Para a detecção dessas anomalias e seus resultados, foi utilizada uma técnica estatística não supervisionada orientada a IA. O projeto implementado alcançou os objetivos propostos no manuscrito, sendo sua maior contribuição a sua capacidade de exibir os dados de CDRs e anomalias em um mapa. Por fim, outra contribuição é referente à geração dos gráficos e exportação de dados sobre as anomalias.