Spatial data generated by an Internet of Things (IoT) network is important to assist the spatial analytics process in issues related to smart cities. In these cities, IoT devices generate spatial data constantly. Thus, data can get increasingly voluminous very fast. In this paper, we investigate the challenge of managing these data through the use of a spatial data warehouse designed over a parallel and distributed data processing framework extended with a spatial analytics system. We propose an architecture aimed to assist a smart cities manager in the decision-making process. This architecture integrates a cloud layer where these technologies are located with a fog computing layer for extracting, transforming and loading the data into the spatial data warehouse. Furthermore, we introduce a set of guidelines to aid smart cities managers to implement the proposed architecture. These guidelines describe and discuss important issues that should be faced by the managers. We validate our architecture with a case study that uses real data collected by IoT devices in a smart city. This case study encompasses the execution of three different categories of spatial queries, demonstrating the architecture's efficacy and effectiveness to support spatial analytics in the context of smart cities.
O Tribunal Superior Eleitoral (TSE), responsável pelas eleições no Brasil, disponibiliza dados acerca de candidatos e partidos que disputaram o pleito eleitoral desde 1933. Esses dados constituem um importante acervo, sendo utilizados como base por trabalhos em diferentes áreas de pesquisa. Entretanto, os dados disponibilizados pelo TSE possuem diversos problemas relacionados à falta de padronização e inconsistência, dificultando a análise e a integração com bases externas. Este trabalho apresenta CandiDATA, um dataset padronizado com dados das eleições brasileiras. CandiDATA é disponibilizado em formato aberto e abrange o período eleitoral entre 1945 e 2020, incluindo informações adicionais, além dos dados do TSE.
Nos últimos anos, casos de violência patrimonial passaram a fazer parte do cotidiano dos brasileiros. Tal situação impõe aos gestores da segurança pública um grande desafio: buscar alternativas às estatísticas oficiais a fim de refletir uma visão mais condizente com a realidade. A popularização das redes sociais tem resultado na geração contínua de dados sobre relatos, sentimentos e opiniões de seus usuários. Este trabalho apresenta o sistema DETECT, que analisa dados da rede social Twitter com o objetivo de detectar mensagens (tweets) que indiquem a ocorrência de crimes de violência patrimonial, suprindo a lacuna existente em dados oficiais. Um experimento foi realizado e os resultados encontrados mostraram-se equivalentes a dados oficiais.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.