Πρόβλεψη τροχιών σε δεδομένα κίνησης με βαθιά νευρωνικά δίκτυα

Abstract

Σκοπός της παρούσας εργασίας αποτελεί η μελέτη της χρήσης νευρωνικών δικτύων και έπειτα η εφαρμογή τους σε ένα σετ δεδομένων κίνησης, το οποίο αποτελείται από τις τροχιές αεροσκαφών από τη Μαδρίτη στην Βαρκελώνη κατά την περίοδο του Απριλίου του 2016. Το πρόβλημα της δημιουργίας προβλέψεων τροχιών σε κινούμενα δεδομένα, είναι ένα ολοένα και περισσότερο περιζήτητο φαινόμενο, αφού αυξάνεται συνεχώς το μέγεθος των δεδομένων που συλλέγονται από συστήματα καταγραφής της θέσης (GPS). Αυτό αποτελεί μία πρόκληση για την επιστημονική κοινότητα, η οποία προσπαθεί μέσω αυτών των δεδομένων, να κατανοήσει πως εξελίσσονται οι τροχιές τόσο σε βραχυπρόθεσμο, όσο και σε μακροπρόθεσμο επίπεδο, ώστε να είναι ικανοί να προβλέψουν ανωμαλίες και όχι μόνο, στην πορεία των αντικειμένων που μελετάνε. Τα νευρωνικά δίκτυα με τα οποία θα ασχοληθούμε, αποτελούν μέθοδο Βαθιάς Μάθησης και είναι μέρος της Τεχνητής Νοημοσύνης. Είναι υπολογιστικά συστήματα εμπνευσμένα από τα βιολογικά νευρωνικά δίκτυα του ανθρώπινου εγκεφάλου. Έτσι ο αρχικός σκοπός τους ήταν να δώσουν λύσεις σε προβλήματα, με τον ίδιο τρόπο που δίνει λύσεις ο ανθρώπινος εγκέφαλος, δηλαδή μέσω της εμπειρίας που λαμβάνουν από παρελθοντικά γεγονότα. Έχουν δημιουργηθεί αρκετές παραλλαγές τους, εκ των οποίων η κάθε μία δίνει λύσεις σε διαφορετικά προβλήματα. Στη συγκεκριμένη εργασία, θα ασχοληθούμε εκτενέστερα με το είδος των επαναλαμβανόμενων νευρωνικών δικτύων. Ξεκινάμε την εργασία, παρουσιάζοντας κάποια εισαγωγικά στοιχεία, όσον αφορά την έννοια της τροχιάς και της κίνησης αντικειμένων στον χώρο και στο χρόνο. Στο Κεφάλαιο 2, αναφερόμαστε στην έννοια την Βαθιάς Μάθησης και στα χαρακτηριστικά της, με σκοπό να προχωρήσουμε στο Κεφάλαιο 3 στην εισαγωγή των Νευρωνικών Δικτύων και στο πως αυτά λειτουργούν και εκπαιδεύονται. Στο Κεφάλαιο 4, εισερχόμαστε στο κομμάτι των Επαναλαμβανόμενων Νευρωνικών Δικτύων, που είναι και το κύριο κομμάτι ενδιαφέροντος της παρούσας εργασίας, αφού αυτά θα χρησιμοποιήσουμε για την εφαρμογή των μοντέλων μας. Πριν προχωρήσουμε όμως σε αυτή, παρουσιάζουμε ορισμένες ενδιαφέρουσες μεθόδους υλοποίησης παρόμοιων προβλημάτων πρόβλεψης τροχιών. Στο τελευταίο κεφάλαιο, παρουσιάζουμε την υλοποίηση της εργασίας μας, όπου χρησιμοποιούμε τα επαναλαμβανόμενα νευρωνικά δίκτυα προκειμένου να προβλέψουμε την μελλοντική θέση του αεροσκάφους, βασιζόμενο στην αμέσως προηγούμενη θέση του.