Recomendação de Rotas Consciente de QoE com Atenção e Comunicação

Este trabalho propõe um modelo de recomendação de rotas (itinerários) para Jogos baseados em localização com Realidade Aumentada (JBLRA), denominado Rota-CAC (*Rota Consciente de Atenção e Comunicação). Propomos uma formulação que integra explicitamente fatores de comunicação, mobilidade e atenção do usuário por meio da métrica QoE-CAC. Diferentemente de abordagens tradicionais centradas apenas na distância ou na pontuação do jogo, o modelo proposto incorpora condições dinâmicas de rede 5G como critério decisório no planejamento de trajetórias. O modelo considera a Qualidade de Experiência (QoE-CAC) do jogador, o contexto dos Pontos de Interesse (POIs) e o custo de deslocamento entre eles. Para resolver o problema de recomendação de rotas, foi proposto um algoritmo heurístico baseado em Ant Colony Optimization (ACO). Experimentos com dados reais de rede demonstram que a abordagem equilibrada (RotaCAC-0.5) oferece melhor compromisso entre a pontuação e a QoE percebida frente a estratégias não conscientes de QoE.

---

Estrutura

Rota-CAC-recommendation/
├── dataset/               # Dados utilizados nos experimentos. Arquivo descricao_geral.txt detalha o conteúdo de cada arquivo .csv
├── geracao_grafo/         # Código MATLAB para extração de POIs e geração do grafo
└── recomendacao_rotas/    # Código MATLAB para recomendação de rotas (Greedy e RotaCAC-η)

O repositório está organizado em três seções que correspondem:

• dataset: Contém os arquivos CSV com POIs, pokémons normalizados, custos de deslocamento, valores de QoE e descrição geral.
• geracao_grafo: Responsável pela consulta à Overpass API, geração do grafo de POIs e cálculo das distâncias e tempos de deslocamento.
• recomendacao_rotas: Este é o principal diretório. Implementa os algoritmos de recomendação (Greedy e RotaCAC-η), recomendando as rotas e realizando os experimentos e análises.

---

Selos Considerados

• Artefatos Disponíveis (SeloD)
• Artefatos Funcionais (SeloF)
• Artefatos Sustentáveis (SeloS)
• Experimentos Reprodutíveis (SeloR)

Com base nos códigos e datasets disponibilizados neste repositório.

---

Informações básicas

Para execução do código, necessita-se dos seguintes pre-requisitos:

• Sistema Operacional: Windows, macOS ou Linux
• Software: MATLAB R2022b ou superior
• Hardware mínimo: 4GB RAM, 500MB de espaço em disco

Dependências

• Necessária conexão com a internet (para consulta à Overpass API na geração do grafo)
• Nenhuma Toolbox adicional é necessária

---

Preocupações com Segurança

A execução deste artefato é isenta de riscos para os avaliadores. Não há necessidade de operações que possam comprometer o sistema. A consulta à Overpass API é somente leitura.

---

Instalação

Não é necessária instalação de dependências adicionais além do MATLAB R2022b. Basta clonar o repositório:

git clone https://github.com/LABORA-INF-UFG/Rota-CAC-recommendation.git
cd Rota-CAC-recommendation

Teste Mínimo

Para validar a instalação, após download, entre na pasta recomendacao_rotas_cac/ e execute o script principal no MATLAB: main_todos.m

cd recomendacao_rotas_cac
main_todos.m

O script executará uma avaliação geral para os métodos Greedy e Rota-CAC
e exibirá um resumo comparativo de rotas semelhante ao abaixo:
==================================================================
           RESUMO COMPARATIVO DE ROTAS
==================================================================
Algoritmo                 || Tamanho Rota    || Pontos     || QoE       
------------------------------------------------------------------
Greedy (Baseline)         || 7               || 3.61       || 2.47      
ACO Equilibrado           || 15              || 6.87       || 5.45      
ACO Foco Pontos           || 14              || 6.60       || 5.15      
ACO Foco QoE              || 14              || 5.39       || 5.78

Se quiser avançar para os experimentos, 
responda ao prompt no MatLab:
======================================================
       EXPERIMENTOS
======================================================
Deseja executar os experimentos? (s/n):

Para execução mínima, escolha pelo menos 2 execuções. 
Obs: em nossos experimentos foram feitas 30 execuções.
O arquivo main_todos invoca os seguintes módulos:
avalia_eficiencia;
analise_totais_absolutos;
analise_comparativa;


Ao final, espera-se que o script execute sem erros e gere os seguintes gráficos: 
Gráfico Análise de Eficiência,
Grafíco com Pontuação total, QCAC total e número médio de POIs,
Gráfico de Impacto da Penalidade.

---

Experimentos

O experimento principal é o de Recomendação de Rotas (Etapa 2). A Etapa 1 corresponde ao pre-processamento e já foi previamente executada para execução da Etapa 2. Ela contém o código de pre-processamento para geração dos grafos e geração dos datasets utilizados, se necessário. Cada etapa é descrita logo a seguir.

Etapa 1: Pre-processamento: Geração do Grafo de POIs

Entre na pasta geracao_grafo/ e execute o script principal no MATLAB:

cd geracao_grafo
main.m

Este script consulta a Overpass API e gera os seguintes arquivos CSV:

• grafo_pois_gyn.csv e grafo_pois_poke_qoe.csv Ao final, é exibido o mapa com os POIs.

Atenção: A consulta à Overpass API pode demorar alguns segundos. Em caso de erro 504 (Gateway Timeout), o script realiza até 3 tentativas automáticas.

Etapa 2: Recomendação de Rotas

Entre na pasta recomendacao_rotas/ e execute a análise comparativa:

cd recomendacao_rotas
main_todos.m

O script executará uma avaliação geral para os métodos Greedy e Rota-CAC
e exibirá um resumo comparativo de rotas semelhante ao abaixo:
==================================================================
           RESUMO COMPARATIVO DE ROTAS
==================================================================
Algoritmo                 || Tamanho Rota    || Pontos     || QoE       
------------------------------------------------------------------
Greedy (Baseline)         || 7               || 3.61       || 2.47      
ACO Equilibrado           || 15              || 6.87       || 5.45      
ACO Foco Pontos           || 14              || 6.60       || 5.15      
ACO Foco QoE              || 14              || 5.39       || 5.78

Prossiga para os experimentos, respondendo ao prompt no MatLab:
======================================================
       EXPERIMENTOS
======================================================
Deseja executar os experimentos? (s/n):

Para execução dos experimentos definitivos, escolha 30 execuções. 
O arquivo main_todos invoca os seguintes módulos: avalia_eficiencia; analise_totais_absolutos e
analise_comparativa. Ao final, são exibidos os gráficos: 
- Gráfico Análise de Eficiência: conforme a Figura 3 do artigo: Eficiência da QoE e Eficiência de Pontos
- Grafíco com Pontuação total, QCAC total e número médio de POIs: conforme a Figura 4 do artigo: Resultados comparativos médio dos Algoritmos (Greedy e RotaCAC) 
- Gráfico de Impacto da Penalidade: conforme Figura 5 do artigo: Resultados comparativos Tamanho da Rota, em cenários Sem/Com Penalidades.

Reivindicação #1: Recomendação de Rotas

Não é necessário efetuar a carga de pre-processamento para sua execução! Esta etapa já considera todos os parâmetros e arquivos .csv necessários para execução.

Reivindicação #2: Geração do Grafo

Esta etapa não é obrigatória. Ela já foi executada anteriormente e os arquivos necessários já estão carregados na etapa principal - Recomendação de Rotas Para executar a etapa de pre-processamento, será necessária a conexão com internet. A consulta à Overpass API pode demorar alguns segundos. Em caso de erro 504 (Gateway Timeout), o script realiza até 3 tentativas automáticas, ou tentar posteriormente. Este script consulta a Overpass API e gera os seguintes arquivos CSV:

• grafo_pois_gyn.csv e grafo_pois_poke_qoe.csv

---

🎯 Contribuições

• Modelo de Recomendação Rota-CAC: Propõe um modelo que integra QoE-CAC, contexto dos POIs e custo de deslocamento para recomendação de rotas em JBLRA.
• Geração do Grafo de POIs: Constrói um grafo georreferenciado de uma cidade, extraindo pontos de interesse reais via Overpass API com custo de deslocamento baseado em tempo de caminhada.
• Recomendação de rotas: A recomendação de rotas é implementada utilizando a estratégia Greedy (baseline) e as estratégias RotaCAC com base no ACO, variando o parâmetro eta (η):RotaCAC-1 (foco na QoE), RotaCAC-0 (foco na pontuação) e RotaCAC-0.5 (foco equilibrado entre QoE e pontuação).
• Análises: Os experimentos fornecem três análises distintas: análise de eficiência de QoE e pontuação, análise de totais de pontuação, QoE e tamanho da rota; e análise comparativa de cenários com/sem penalidades de atraso ao longo de 30 execuções, com intervalos de confiança de 95%.
• Disponibilização do Código e Dataset: Código-fonte e dataset disponibilizados para reprodução dos experimentos.

Autores

• Rosana de Oliveira Santos
• Carlos Eduardo da S. Santos
• Ciro J. A. Macedo
• Antonio Oliveira-Jr

LABORA — Laboratory of Computer Networks and Multimedia Systems
Instituto de Informática — Universidade Federal de Goiás (UFG)

---

LICENSE

Este projeto está licenciado sob a licença Creative Commons Attribution 4.0 International (CC BY 4.0).