Show simple item record

dc.contributor.authorΜαρκέτος, Γεράσιμος Δ.
dc.description.abstractΗ ανάλυση δεδομένων κίνησης που συλλέγονται από συσκευές εντοπισμού θέσης προσφέρει δυνατότητες ανακάλυψης προτύπων συμπεριφοράς που μπορούν να αξιοποιηθούν σε ένα πλήθος εφαρμογών. Οι Τεχνολογίες Άμεσης Αναλυτικής Επεξεργασίας (OnLine Analytical Processing – OLAP) και οι τεχνικές εξόρυξης γνώσης μπορούν να χρησιμοποιηθούν για την μετατροπή αυτού του μεγάλου αριθμού πρωτογενών – ακατέργαστων δεδομένων σε πολύτιμη γνώση. Παρόλο που η εφαρμογή των τεχνικών αυτών σε συμβατικά δεδομένα έχει μελετηθεί σε μεγάλο βαθμό την τελευταία δεκαετία, ο μεγάλος όγκος των παραγόμενων δεδομένων κίνησης καθώς και η χωροχρονική τους φύση αποτελούν τις κύριες προκλήσεις για τη χρήση τέτοιων μεθόδων ανάλυσης. Στη διατριβή αυτή παρουσιάζεται η πρόταση για ένα ολοκληρωμένο πλαίσιο για αποθήκευση και εξόρυξη γνώσης από δεδομένα κίνησης (mobility data warehousing and mining) που αποτελείται από διάφορα συστατικά (στη πραγματικότητα, βήματα μιας διαδικασίας ανακάλυψης γνώσης). Πιο συγκεκριμένα, προτείνονται τεχνικές για αποθήκευση δεδομένων τροχιών κινούμενων αντικειμένων δίνοντας έμφαση σε θέματα μοντελοποίησης, ETL διαδικασιών (ανακατασκευή τροχιών, τροφοδότηση κύβου) και σε OLAP λειτουργίες (συσσώρευση κτλ). Επίσης προτείνονται τεχνικές εξόρυξης γνώσης που αξιοποιούν τα δεδομένα κίνησης και εξάγουν α) πρότυπα αλληλεπίδρασης που επιτρέπουν την χωροχρονική αναπαράσταση, σύνθεση και κατηγοριοποίηση των τροχιών κινούμενων αντικειμένων και β) πρότυπα κυκλοφορίας που βοηθούν να κατανοηθεί με ποιον τρόπο διαχέεται η κυκλοφορία σε ένα δίκτυο.
dc.rightsΑναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 4.0 Διεθνές
dc.subjectΕξόρυξη δεδομένων
dc.subjectData mining
dc.subjectDatabase management
dc.titleΤεχνικές αποθήκευσης δεδομένων & εξόρυξης γνώσης για βάσεις κινούμενων αντικειμένων
dc.typeDoctoral Thesis
dc.identifier.call006.3 ΜΑΡ
dc.description.abstractENAnalyzing mobility data that are collected from location aware devices enables us to discover behavioral patterns that can be explored in applications like service accessibility, mobile marketing and traffic management. Online analytical processing (OLAP) and data mining (DM) techniques can be employed in order to convert this vast amount of raw data into useful knowledge. Their application on conventional data has been extensively studied during the last decade. The high volume of generated mobility data arises the challenge of applying analytical techniques on such data. In order to achieve this aim, we have to take into consideration the complex nature of spatiotemporal data and thus to extend appropriately the two aforementioned techniques to handle them in an efficient way. This thesis proposes a framework for Mobility Data Warehousing and Mining which consists of various components (actually, Knowledge Discovery & Delivery steps). More specifically, Trajectory Data Warehousing techniques are addressed focusing on modeling issues, ETL processes (trajectory reconstruction, data cube loading) and OLAP operations (aggregation etc). Moreover, we propose data mining techniques that explore mobility data and extract a) interaction patterns for spatiotemporal representation, synthesis and classification and b) traffic patterns that can provide useful insights regarding the traffic flow on a road network.

Files in this item


This item appears in the following Collection(s)

Show simple item record

Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 4.0 Διεθνές
Except where otherwise noted, this item's license is described as
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 4.0 Διεθνές

Βιβλιοθήκη Πανεπιστημίου Πειραιώς
Contact Us
Send Feedback
Created by ELiDOC
Η δημιουργία κι ο εμπλουτισμός του Ιδρυματικού Αποθετηρίου "Διώνη", έγιναν στο πλαίσιο του Έργου «Υπηρεσία Ιδρυματικού Αποθετηρίου και Ψηφιακής Βιβλιοθήκης» της πράξης «Ψηφιακές υπηρεσίες ανοιχτής πρόσβασης της βιβλιοθήκης του Πανεπιστημίου Πειραιώς»