Trajectory mining, from data to knowledge
Fouille de trajectoires, des données aux connaissances
Résumé
Mobility analysis is an active research area covered by a rich and multi-disciplinary community. The rise of the Internet of Things (IoT) and the wide spreading of geo-location services and connected devices produce an enormous amount of data describing, more or less precisely, our daily activities. Once these data are fused together, users trips can be described using semantic attributes. However the analysis of such heterogeneous dataset are complicated. New measures must be designed to take into account the different trajectories features (spatial/temporal/semantic). Using these similarity measures, cluster of trajectories (clusters) can be defined and typical behaviors can be mined. Finally, environmental data is uselfull to describes the context of theses trajectories. The impact of the environmental context on mobility can then be taken into account for travel planning and optimization.
La communauté scientifique s'intéressant à l'étude des déplacements est une communauté riche et multi-disciplinaire étudiant ce thème de recherche sous de nombreux prismes. Grâce à l'essor des objets connectés et au développement des technologies de géo-localisation, nous disposons aujourd'hui de masses de données décrivant, de manière plus ou moins détaillée, nos activités quotidiennes. La combinaison et la fusion de ces données permettent d'enrichir la représentation des mouvements réalisés en y ajoutant des descriptions sémantiques porteuses de sens en lien avec la thématique d'étude. Cependant, la multiplicité des attributs décrivant ces déplacements et leur hétérogénéité rend leur analyse particulièrement complexe. Pour extraire des connaissances de ces corpus, il est nécessaire de proposer de nouvelles mesures permettant de comparer la mobilité selon différents axes (spatial/temporel/sémantique). A l'aide de ces mesures de similarité, il est alors possible de constituer des ensembles de trajectoires (clusters) et d'en déduire des comportements types à l'aide de techniques de fouille de données. Enfin le contexte dans lequel les personnes évoluent impacte leur mobilité. Couplées aux données de mobilité, les données environnementales viennent enrichir et décrire le contexte des trajectoires réalisées. L'impact du contexte environnemental sur la mobilité peut alors être pris en compte pour la planification et l'optimisation des déplacements.
Fichier principal
HDR_ETIENNE_2023_V2.pdf (23.77 Mo)
Télécharger le fichier
HDR_ETIENNE_2023_RESUME.pdf (91.83 Ko)
Télécharger le fichier
Origine | Fichiers produits par l'(les) auteur(s) |
---|---|
Licence |
Origine | Fichiers produits par l'(les) auteur(s) |
---|---|
Licence |