Συσταδοποίηση δεδομένων κίνησης με χρήση βαθιών νευρωνικών δικτύων

Abstract

Η ταχεία ανάπτυξη των ασύρματων υποδομών και των τεχνολογιών απόκτησης δεδομένων έχει συμβάλει στην εκθετική αύξηση του όγκου των δεδομένων προς επεξεργασία ειδικά των δεδομένων κίνησης (trajectory data) τα οποία καταγράφουν τις θέσεις κινούμενων αντικειμένων ανά χρονική στιγμή και αποτελεί πλέον ένα σημαντικό μέσο για την μελέτη της ανθρώπινης συμπεριφοράς ή την επίλυση προβλημάτων οδικής κίνησης όπως το κυκλοφοριακό πρόβλημα. Στην μελέτη αυτή βασιστήκαμε σε μια πρόσφατη εργασία που χρησιμοποιεί μεθόδους βαθιάς μάθησης για να κάνει embedding τον αρχικό χώρο των δεδομένων κίνησης και μετά ομαδοποιεί με τον αλγόριθμο K-means. Αφού τον υλοποιήσαμε, τον εξελίξαμε στο κομμάτι της ομαδοποίησης μέσα από 4 αλγορίθμους ομαδοποίησης με διαφορετικά χαρακτηριστικά. Τα αποτελέσματα μας έδειξαν ότι η επιλογή του K-means στην πρωτότυπη εργασία δεν ήταν η βέλτιστη.