João Guilherme Maia de Menezes

Áreas de Pesquisa:

Formação Acadêmica:

Doutorado, UFMG, 2013

Sala: 4331
Ramal: 1489
jgmm@dcc.ufmg.br

Página pessoal

Lattes

Google scholar

Informações resumidas do Currículo Lattes

Projetos de pesquisa e desenvolvimento
Artigos em periódicos
Trabalho em congressos
Resumo expandido
Resumo
Orientações

Currículo Lattes atualizado em 09/08/2023

ORCID: https://orcid.org/0000-0001-9758-7829

Nome em citações bibliográficas: Maia, Guilherme;Maia, G.;Menezes, J. G. M.;MAIA MENEZES, JOAO GUILHERME;MAIA DE MENEZES, JOÃO GUILHERME

Projetos de pesquisa em andamento

2022 a Atual	Aprendizado Federado de Máquina para Internet das Coisas no Contexto de Mobilidade Urbana Os ecossistemas de Internet das Coisas (IoT) oferecem oportunidades para as cidades entenderem as novas necessidades e promoverem desenvolvimento sustentável através da coleta distribuída de dados. No contexto de IoT, titpicamente enviam-se os dados coletados nesses dispositivos para serem processados na nuvem. A transmissão desses dados para a nuvem pode ser impraticável devido à grande quantidade de dados gerados por esses dispositivos e pela exposição da privacidade dos indivíduos. Uma alternativa para contornar esses problemas é o Aprendizado Federado (Federated Learning - FL). FL é uma abordagem distribuída de Aprendizagem de Máquina (Machine Learning - ML) proposta para garantir que os dados permaneçam nos dispositivos que os geraram. O aprendizado se dá através da colaboração dos modelos de cada dispositivo, sem troca de dados. Porém, métodos de Inteligência Artificial costumam demandar alto poder de processamento e memória. Essas exigências raramente são atendidas no contexto de IoT. Neste projeto iremos abordar duas questões científicas: 1) Como extrair conhecimento de dados de ambientes urbanos oriundos de dispositivos de IoT? 2) Como realizar essa atividade sem enviar os dados a um servidor centralizado? Para responder a primeira pergunta, trabalharemos com a transformação de Padrões Ordinais (PO). PO é um método de transformação de séries temporais que não requer suposição de modelo sobre os dados. Nossa hipótese é que essa técnica promissora possa expandir o conhecimento no contexto de mineração de séries temporais em cenários urbanos. Em relação à segunda pergunta de pesquisa, iremos investigar técnicas de Busca de Arquiteturas Neurais (Neural Architecture Search - NAS) para FL. NAS será utilizado para busca automática de modelos de redes neurais que possam ser incorporados nos dispositivos IoT. Essa abordagem contribuirá positivamente para a preservação de privacidade uma vez que os dados não serão retirados dos dispositivos que os geraram Integrantes: Ramos, Heitor S. (coordenador), João Guilherme Maia de Menezes, LOUREIRO, ANTONIO A. F., João B. Borges Neto.
2022 a Atual	Sistemas de Transporte Inteligentes no Contexto de Cidades Inteligentes Nas últimas décadas, esforços de pesquisa tanto na academia quanto na indústria resultaram em uma melhoria constante dos sistemas de segurança ativa e passiva dos veículos. No entanto, uma grande desvantagem desses sistemas é que eles se baseiam exclusivamente na visão local do veículo, o que acaba limitando a efetividade desses sistemas. Além da questão de segurança nas estradas, o tráfego de veículos está associado a vários problemas decorrentes de ineficiências do sistema de transporte urbano. Estas ineficiências resultam em congestionamentos, poluição, ruído exacerbado, aumento do consumo de energia e perdas econômicas associadas a estes problemas. Sistemas de transporte inteligentes e cooperativos (C-ITS) têm sido apontado pela comunidade científica como umas das principais soluções para os problemas supracitados. C-ITS combinam tecnologias de comunicação, informação e sensoriamento para aumentar a segurança, melhorar a eficiência e diminuir os impactos ambientais dos sistemas de tráfego de veículos. É importante observar que em um contexto mais amplo, soluções de C-ITS devem ser integradas às soluções de cidades inteligentes. Para isso, é necessário desenvolver novos modelos e protocolos distribuídos para o gerenciamento do grande volume de dados urbanos heterogêneos como forma de viabilizar o desenvolvimento de aplicações para C-ITS. Apesar do gerenciamento de dados ser composto por vários componentes, é importante perceber que tais componentes não precisam ser trabalhados de maneira isolada. Portanto, o grande desafio e maior objetivo deste projeto é a proposta de soluções para o gerenciamento de dados heterogêneos que são compostas por vários componentes independentes, mas que são capazes de operar de maneira harmoniosa quando combinados entre si. Integrantes: João Guilherme Maia de Menezes (coordenador).
2021 a Atual	Análise de dados heterogêneos em computação urbana Este projeto tem como objetivo a investigação científica na área de Computação Urbana, onde serão propostos novos métodos de análise de dados de sensoriamento social (sensoriamento participativo, análise de redes sociais e sensoriamento oportunístico) e sensoriamento remoto no contexto de ambientes urbanos. Inicialmente, investigaremos novas formas de representação das séries temporais coletadas através do sensoriamento social baseada na representação de padrões ordinais. Em seguida, proporemos métricas extraídas das representações propostas para avançar o estado-da-arte em mineração de séries temporais para dados de Computação Urbana. Neste projeto, também será investigada a análise de dados de mobilidade urbana e redes sociais, bem como a análise de imagens de sensoriamento remoto em regiões urbanas. Em suma, este projeto apresenta o a proposta investigação científica em quatro linhas: (i) mineração de séries temporais para Computação Urbana, (ii) análise de sensoriamento social e mobilidade urbana, (iii) Redes veiculares, Internet das coisas e redes de sensores sem fio e (iv) análise de imagens de sensoriamento remoto para ambientes urbanos. Integrantes: Ramos, Heitor S. (coordenador), João Guilherme Maia de Menezes, Andre Luiz Lins de Aquino, Alejandro C. Frery, VIANA, ALINE C., LOUREIRO, ANTONIO A. F., Leandro Aparecido Villas.
2019 a Atual	Mobilidade na Computação Urbana: Caracterização, Modelagem e Aplicações (MOBILIS) A mobilidade tem um papel central nas diversas atividades relacionadas que fazemos, principalmente no trabalho, comércio, indústria e lazer. O estudo da mobilidade para diferentes finalidades (e.g., econômicas, serviços públicos, estudo acadêmico) deve ser feito de forma sistemática já que do ponto de vista científico é a questão mais fundamental que deve ser estudada para, a partir daí, soluções serem aplicadas. Assim, este projeto tem como objetivo investigar como ocorre a mobilidade de entidades móveis em ambientes urbanos para podermos projetar algoritmos, protocolos, aplicações e serviços que sejam apropriados tanto para o cenário que temos atualmente quanto para cidades inteligentes. O projeto "Mobilidade na Computação Urbana: Caracterização, Modelagem e Aplicações (MOBILIS) inova e avança o estado da arte ao pesquisar questões fundamentais individualmente e de forma integrada desses diferentes aspectos de uma forma mais ampla que temos atualmente Integrantes: LOUREIRO, ANTONIO A.F. (coordenador), João Guilherme Maia de Menezes.
2017 a Atual	Comunicação e processamento de big data em nuvens e névoas computacionais Estamos no início de uma nova era, a era big data, na qual a explosão de dados oferece a possibilidade de se extraírem informações importantes para novos empreendimentos com impacto em diversos setores da sociedade. Os requisitos impostos pelo processamento big data superam a atual capacidade das infraestruturas de comunicação e de processamento. Além disso, a grande disseminação de sensores introduz um novo perfil de geração de dados, impondo diferentes demandas à infraestrutura. Desta forma, para que a atividade de big data possa se desenvolver, é necessário capacitá-la para tal, o que requer a evolução das tecnologias de rede, virtualização e computação em nuvem. O presente projeto de pesquisa pretende investigar novas arquiteturas, mecanismos e ferramentas para dotar a infraestrutura de capacidade para lidar com as demandas desafiadoras impostas pelo processamento big data. Integrantes: Nelson Luis Saldanha da Fonseca (coordenador), João Guilherme Maia de Menezes, Antonio Alfredo Ferreira Loureiro, Leandro Aparecido Villas.

Projetos de desenvolvimento em andamento

Veja todos os projetos no Currículo Lattes

Últimas publicações

Artigos em periódicos

Service Provisioning in Edge-Cloud Continuum: Emerging Applications for Mobile Devices
2023. JOURNAL OF INTERNET SERVICES AND APPLICATIONS.

Exploring Hybrid-Multimodal Routing to Improve User Experience in Urban Trips
2021. Applied Sciences-Basel.

Vehicular Traffic Management Based on Traffic Engineering for Vehicular Ad Hoc Networks
2020. IEEE Access.

A fog-enabled smart home solution for decision-making using smart objects
2020. Future Generation Computer Systems.

Road Data Enrichment Framework Based on Heterogeneous Data Fusion for ITS
2020. IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS.

An Interest-Based Approach for Reducing Network Contentions in Vehicular Transportation Systems
2019. SENSORS.

Vehicular Data Space: The Data Point of View
2019. IEEE Communications Surveys and Tutorials.

Towards a Fog-Enabled Intelligent Transportation System to Reduce Traffic Jam
2019. SENSORS.

Trabalhos completos em congressos

Mobility-aware Latency-constrained Data Placement in SDN-enabled Edge Networks
2023. NOMS 20232023 IEEE/IFIP Network Operations and Management Symposium.

Mobility-aware Software-Defined Service-Centric Networking
2022. 2022 International Conference on Computer Communications and Networks (ICCCN).

Towards SDN-enabled RACH-less Make-before-break Handover in C-V2X Scenarios
2021. 2021 17th International Conference on Wireless and Mobile Computing, Networking and Communications (WiMob).

Serviço de Detecção e Enriquecimento de Eventos Rodoviários Baseado em Fusão de Dados Heterogêneos para VANETs
2019. XXXVII Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos.

Participatory Social Sensor: A Framework to Social Media Data Acquisition and Analysis
2019. XXXVII Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos.

Towards a Traffic Data Enrichment Sensor Based on Heterogeneous Data Fusion for ITS
2019. 2019 15th International Conference on Distributed Computing in Sensor Systems (DCOSS).