Spatial Data Science: Applications and Implementations in Learning Human Mobility Patterns

Publikation: AfhandlingPh.d.-afhandling

67 Downloads (Pure)

Abstract

I denne moderne tidsalder indsamler et stigende antal enheder og sensorer datamed rumlige og tidsmæssige karakteristika. Denne type data betegnes som rumtidsrelaterede data og kan bruges til at udlede viden om menneskers mobilitetsmønstre.Som følge heraf er organisationer i stigende grad interesseret i at bruge denne viden forat kunne gøre en social forskel og forbedre folks liv.Processen med at uddrage viden og finde mønstre i data falder inden for rammerneaf data mining. I denne afhandling præsenteres to anvendelser af data mining, derfokuserer på banedata (eng. trajectory data), en særlig type af rum-tidsrelaterede data,der vedrører objekters bevægelsesspor, især mennesker og køretøjer. De to præsenterede anvendelser har til formål at udlede menneskers mobilitetsmønstre og få indsigti disse, hvilket gør det muligt at træffe informerede beslutninger.Den første anvendelse fokuserer på at detektere vandringsadfærd hos demente personer ved at identificere problemet som et baneanomalidetekteringsproblem. Der udvikles og implementeres en systemarkitektur med en integreret tilgang til anomalidetektion for at analysere en dement persons bevægelsesadfærd i realtid med henblik på atopdage deres unormale bevægelsesbane. Systemet kan også iværksætte og styre en redningsmission, der involverer pårørende og frivillige, hvis detektionsresultatet er positivt. Formålet med applikationen er at lette pårørende og hjælpe personer med demens,hvis de er i nød.Den anden anvendelse fokuserer på forskellige metoder til estimering af rejseefterspørgslen i trafiknet i byer baseret på observationer, på bestemte steder, af køretøjer derkører på vejene i et trafiknet. Der fokuseres især på en bi-niveau optimeringsproblemformulering: Det dynamiske oprindelses-destinations problem, som er særligt beregningsmæssigt dyrt at løse. Derfor foreslås en ny (surrogatmodelbaseret) tilgang, somsammenlignes med eksisterende tilgange for at bestemme den bedste og fremhæveforskellige fordele og ulemper. Formålet med anvendelsen er at udvikle og fastlæggeden bedste metode til estimering af rejseefterspørgsel, hvilket er et vigtigt skridt, nårman ønsker at forbedre transportfaciliteter og infrastruktur.De overordnede bidrag fremhæves for hver af de præsenterede anvendelser, ogforskellige åbne problemer og fremtidigt arbejde drøftes.
OriginalsprogEngelsk
Bevilgende institution
  • Syddansk Universitet
Vejledere/rådgivere
  • Chiarandini, Marco, Hovedvejleder
  • Debrabant, Kristian, Vejleder
Dato for forsvar19. dec. 2022
Udgiver
DOI
StatusUdgivet - 19. dec. 2022

Fingeraftryk

Dyk ned i forskningsemnerne om 'Spatial Data Science: Applications and Implementations in Learning Human Mobility Patterns'. Sammen danner de et unikt fingeraftryk.

Citationsformater