Análise do aplicativo Waze de acordo com os conceitos da

Inteligência Coletiva
Sidney Loyola de Sá1 , Bruno Alves Hilário1 , João Manoel Freitas1 ,
Bruno Vinı́cios Cunha de Sá1
1
Mestrado em Computação – Universidade Federal Fluminense (UFF)
Niterói – RJ – Brasil
{loyoladesa, brhilario, silva.joaomf, bcunhasa}@gmail.com

Resumo. Neste trabalho é apresentado os blocos de construção (genoma)

do sistema conforme [Malone et al. 2010] e o modelo de acordo com
[Lykourentzou et al. 2011] do WAZE.

1. Objetivo
Apresentar um sistema de inteligência coletiva real, informando as caracterı́sticas prin-
cipais, bem como o seu Genoma de acordo com [Malone et al. 2010] e o seu modelo de
acordo com [Lykourentzou et al. 2011].

2. Sistema de Inteligência Coletiva

O WAZE é um sistema de navegação de trânsito que utiliza informações passivas e ativas
dos seus usuários, criando uma rede de forma a melhorar os dados sobre o trânsito e a
escolha da melhor rota
No site do sistema são informadas as seguintes caracterı́sticas:
• Orientações de voz curva a curva
• Nomes de ruas falados (texto para fala - sigla em inglês TTS)
• Relatórios de tráfego em tempo real
• Preços de combustı́veis em tempo real
• Proibição configurável para estrada com pedágio
• Pesquisar por destinos como você gosta: endereço inteiro de uma vez, a categoria,
o nome da cidade de referência, ou usar os endereços de seus contatos
• Compartilhamento do seu percurso com seus amigos
• Pesquisa de destino por nome da via, do local, do ponto turı́stico integrada: Goo-
gle e Foursquare
• Suporte para aplicativos poderem inserir destinos no Waze
• Suporte para vários idiomas
• Elementos de jogos para diversão e de rede social integrada

3. Genoma do sistema
Em [Malone et al. 2010] é apresentado um framework que permite identificar blocos de
construção, chamados genes, que podem ser combinados e recombinados de várias ma-
neiras em diversos sistemas de inteligência coletiva.
Assim, de acordo com [Malone et al. 2010], um gene é definido como uma res-
posta para uma das perguntas chave (What, Who, Why or How). A completa combinação
destes genes em um exemplo de inteligência coletiva pode ser vista como um genoma
daquele sistema.
A primeira pergunta a ser respondida seria “What?” que leva a duas possibilidades
de resposta: Create e Decide. Em sistemas complexos existe uma resposta principal a essa
pergunta e uma secundária, pois na maioria dos casos é necessário haver no mı́nimo um
Create e um Decide.
No caso do Waze a resposta principal seria Decide, pois o sistema auxilia os
usuários a decidirem a melhor rota a ser utilizada para que alcancem o destino. O Waze
ainda usa o Create com as informações dos usuários sobre acidentes, mudanças de rotas,
obstáculos, operações policiais e outras, para construir mapas com informações atualiza-
das de tráfego em tempo real.
A próxima questão seria “Who?” com as respostas básicas sendo Hierarchy e
Crowd. O Waze utiliza o gene Crowd onde qualquer usuário pode relatar um acidente,
operação, preços de combustı́veis e outros, atualizando as informações de todo o sistema.
A terceira questão a ser respondida é o “Why?”, que diz respeito a motivação dos
usuários em colaborar com o sistema, as respostas básicas são: Love, Money e Glory.
Nesse caso, o Waze trabalha com o sistema de Glory distribuindo pontos pelas tarefas que
os usuários podem realizar para contribuir com o sistema, desde o simples fato de dirigir
com o Waze ligado até a criação de alertas e comentários.
Por último seria a questão “How?” com quatro possı́veis respostas, todas focadas
no gene Crowd: Collection, Collaboration, Individual Decisions e Group Decisions. Para
o gene Create o Waze utilizaria o gene Collaboration, pois todas as informações coletadas
dos usuários ajudam a criar um conjunto único de informações interconectadas e que
afetam a escolha de rotas de todos os usuários. Já para o gene Decide o Waze utilizaria o
Group Decision apoiado no Averaging, pois são utilizadas as médias dos dados estatı́sticos
para o cálculo da melhor rota sugerida.
A tabela 1 mostra essas informações condensadas.

Tabela 1. Genoma do sistema

Sistema WHAT WHO WHY HOW
Decide Escolha da melhor rota até o Crowd Glory Averaging
WAZE
destino.
Create Criação de informações em Crowd Glory Collaboration
tempo real sobre os mapas e
condições de trânsito.

4. Modelo do sistema
Em [Lykourentzou et al. 2011] é apresentado um modelo que permite categorizar as prin-
cipais funções de um Sistema de Inteligência coletiva, esse modelo apresenta um Tipo
para os sistemas e depois um conjunto de atributos que a maioria dos sistemas devem
possuir.
Os atributos apresentados pelo modelo são:
• Conjunto de ações que os usuários podem executar;
 • Estado do Sistema;
• Objetivos da comunidade e Individuais;
• Função que relaciona as ações executadas pelos usuários com as ações esperadas
que eles executassem;
• Função que estima o estado que se espera do sistema no futuro;
• Função que mede o atingimento dos objetivos individuais e objetivo do Sistema.
No caso do Waze, a classificação é do Tipo Active, collaborative apesar de ele ter
uma parcela de passive também.
Já o conjunto de ações que os usuários podem executar apresenta : alertas, co-
mentários, atualização de preços e dirigir (colaborando passivamente), com System State
sendo a “melhor” rota para chegar ao destino desejado. Além das ações que os usuários
podem executar, nesse modelo encontramos o objetivo da comunidade, que vem a ser o
que a comunidade deseja quando cada usuário realiza uma contribuição ao sistema. No
caso do WAZE o objetivo da comunidade é a construção de um mapa com informações
de trânsito e obstáculos em tempo real e os objetivos individuais seria chegar no menor
tempo possı́vel ao destino, economia de combustı́vel e ficar o menor tempo possı́vel no
trânsito.
A tabela 2 mostra essas informações condensadas.

Tabela 2. Modelo do sistema

Sistema de inteligência coletiva WAZE
Type
Set of user actions
System state
Community objective
Individual objective
Active, collaborative
Alertas, comentários, atualização de preços, di-
rigir (colaborando passivamente)
“Melhor” rota para chegar ao destino
Construção de um mapa com informações de
trânsito e obstáculos em tempo real
Chegar ao destino no menor tempo possı́vel,
economia de combustı́vel, ficar o menor tempo
possı́vel no trânsito.

Referências
Lykourentzou, I., Vergados, D. J., Kapetanios, E., and Loumos, V. (2011). Collective
intelligence systems: Classification and modeling. Journal of Emerging Technologies
in Web Intelligence, 3(3).
Malone, T. W., Laubacher, R., and Dellarocas, C. (2010). The collective intelligence
genome. MIT Sloan Management Review, 51(3):21.