Classificação do meio de transporte utilizado em rotas para estudo do comportamento da mobilidade de usuários de rede sem fio 

A Cisco estima que até 2020 haverá mais de 11 bilhões de dispositivos conectados nas redes móveis e que o volume de dados trafegados será de cerca de 30,6 exabytes por mês. Para atender a essa demanda crescente, uma nova geração de redes móveis, a 5G, está sendo desenvolvida. A rede 5G representa uma mudança radical em relação às gerações anteriores. A infraestrutura será composta por diferentes tipos de tecnologias, formando uma rede densa e heterogênea. Uma vez que os custos de implantação e de operação dessa infraestrutura são altos, é necessário desenvolver modelos de alocação de recursos que garantam a satisfação dos usuários e, ao mesmo tempo, minimizem os custos. Para criar modelos robustos de alocação de recursos, é preciso primeiramente entender o comportamento dos usuários de redes móveis. Neste trabalho, propomos a evolução de um modelo de mobilidade de usuários utilizado para definir os melhores locais para alocação de dispositivos WI-FI de maneira a maximizar o offloading​ de dados (técnica presente nas redes 5G para desafogar as macrocélulas). O modelo em questão utiliza um gerador de tráfego de rede que pode ou não gerar conteúdo para offloading​ dependendo do meio de transporte utilizado pelo usuário em sua rota. Contudo, a classificação dos meios de transporte das rotas analisadas, utilizada na avaliação do modelo, foi feita de maneira simplista, apresentando uma acurácia de apenas de 45%. Visando melhorar essa classificação, utilizamos técnicas de aprendizado de máquina como Decision​ Tree​, Random​ Forest​, SVM e KNN, alcançando uma acurácia de 85%.