dir. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació)
| Additional title: |
Study and classification of transportation modes in human mobility traces |
| Additional title: |
Estudio y clasificación de modos de transporte en trazas de movilidad humana |
| Date: |
2021 |
| Abstract: |
L'estudi de la mobilitat humana ha sigut sempre d'interès per les ciutats i models de transports. No obstant, les noves tecnologies, i molt especialment, els sensors i telèfons mòbils, han obert moltes oportunitats per estudiar la mobilitat humana ja que permeten recollir grans quantitats de dades de mobilitat, de forma massiva, i sense cost. En els darrers anys s'han presentat varis estudis de mobilitat, que processen i analitzen dades de mobilitat en diferents contexts. En la mateixa línia, en aquest treball es presenten els resultats d'un estudi comparatiu de diversos mètodes d'aprenentatge computacional per classificar els modes de transport empleats per les persones. El conjunt de dades és el GeoLife - de referència internacional - que conté traces de mobilitat de 182 persones en la ciutat de Pekín, Xina. Amb aquest estudi, s'han pogut entendre els conceptes i models de mobilitat humana així com l'aplicació dels mètodes de classificació adients. |
| Abstract: |
The study of human mobility has always been of interest to cities and transportation models. However, new technologies, and especially sensors and mobile phones, have opened up many opportunities to study human mobility as they allow large amounts of mobility data to be collected massively and at virtually no cost. In recent years, several mobility studies have been presented, which process and analyze mobility data in different contexts. In the same vein, this work presents the results of a comparative study of various machine learning methods to classify the transportation modes used by people in their mobility. The data set is GeoLife - of international reference - which contains traces of mobility of 182 people in the city of Beijing, China. With this study, it has been possible to understand the concepts and models of human mobility as well as the application of appropriate classification methods. |
| Abstract: |
El estudio de la movilidad humana ha sido siempre de interés para las ciudades y modelos de transportes. Sin embargo, las nuevas tecnologías, y muy especialmente, los sensores y teléfonos móviles, han abierto muchas oportunidades para estudiar la movilidad humana ya que permiten recoger grandes cantidades de datos de movilidad, de forma masiva, y sin coste. En los últimos años se han presentado varios estudios de movilidad, que procesan y analizan datos de movilidad en diferentes contextos. en la misma línea, en este trabajo se presentan los resultados de un estudio comparativo de varios métodos de aprendizaje computacional para clasificar los modos de transporte empleados por las personas. El conjunto de datos es el GeoLife - de referencia internacional - que contiene trazas de movilidad de 182 personas en la ciudad de Pekín, China. Con este estudio, se han podido entender los conceptos y modelos de movilidad humana así como la aplicación de los métodos de clasificación adecuados. |
| Rights: |
Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades.  |
| Language: |
Català |
| Studies: |
Grau en Enginyeria Informàtica [2502441] |
| Study plan: |
Enginyeria Informàtica [958] |
| Document: |
Treball final de grau ; Text |
| Subject area: |
Menció Computació |
| Subject: |
Mobilitat humana ;
Modes de transport ;
GeoLife dataset ;
Traces de mobilitat ;
GPS ;
Classificació ;
Random forest ;
Logistic regression ;
SVM ;
Xarxes neuronals ;
LSTM ;
GRU ;
Human mobility ;
Transportation modes ;
Mobility traces ;
Classification ;
Neural networks ;
Movilidad humana ;
Modos de transporte ;
Trazas de movilidad ;
Clasificación ;
Redes neuronales |
guest ::
dir. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació)
