Konum-zaman verisi tabanlı hareket karakterizasyonu
Mobility characterization based on spatio-temporal data
- Tez No: 941778
- Danışmanlar: PROF. DR. BÜLENT TAVLI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: TOBB Ekonomi ve Teknoloji Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 93
Özet
Konum-zaman tabanlı parmak izi çıkarımı, bireylerin seyahat davranışlarını analiz etme ve anonimleştirilmiş verilerden kullanıcı kimliklerini tahmin etme süreçlerinde önemli bir rol oynayan, güncel gezginlik (mobility) analizi alanında kritik bir yaklaşımdır. Bu bağlamda, özellikle Trajectory-user linking (TUL) kapsamında yapılan çalışmalar, Lokasyon Tabanlı Sosyal Ağ (LBSN) verileri üzerinde çeşitli yapay sinir ağı modellerinin geliştirilmesiyle dikkat çekmektedir. Bununla birlikte, GPS gibi sıralı ve zamansal boyut içeren konum verileriyle çalışan yapay sinir ağı modellerine ilişkin literatürde henüz kapsamlı bir çalışma bulunmamaktadır. Bu eksikliği gidermek amacıyla, sıralı konum-zaman verilerini işleyebilen yenilikçi bir model olan Spatio-Temporal Sequential Graph Neural Network (STSeqGNN) bu çalışmada önerilmiştir. Geliştirilen model, hem haritanın çizge yapısını hem de verilerin zaman boyutunu etkili ve verimli bir şekilde işleyebilme kabiliyetiyle öne çıkmaktadır. Ayrıca, güzergahlara ait hareket bilgilerini ve temel istatistiksel özellikleri de analiz edebilme yeteneğine sahiptir. Bu özellikleri sayesinde, STSeqGNN hem veri bütünlüğünü koruyarak hem de hareket paternlerini anlamlandırarak daha hassas tahminlerde bulunabilmektedir. Modelin performansı, farklı veri setleri üzerinde test edilmiş ve sonuçlar, k-tahmin doğruluğu (k-accuracy) metriği kullanılarak değerlendirilmiştir. Elde edilen bulgular, modelin \%99'un üzerinde bir başarı oranına ulaşarak, özellikle seyahat davranışı analizinde etkili bir yöntem sunduğunu göstermektedir. Bu durum, STSeqGNN'nin hem teorik hem de pratik açıdan güçlü bir araç olduğunu kanıtlamaktadır
Özet (Çeviri)
Spatio-temporal fingerprinting plays a crucial role in contemporary mobility analysis, particularly in understanding travel behaviors and inferring user identities from anonymized data. In this context, studies under the Trajectory-User Linking (TUL) framework have focused on developing various neural network models using Location-Based Social Network (LBSN) data. However, there is a notable gap in the literature regarding neural network models designed specifically to process sequential spatio-temporal data, such as GPS traces. To address this gap, this study introduces an innovative model called the Spatio-Temporal Sequential Graph Neural Network (STSeqGNN), capable of processing sequential spatio-temporal data effectively. The proposed model excels in leveraging both the graph structure of the map and the temporal dimension of the data, ensuring efficient and accurate processing. Additionally, it evaluates the mobility patterns and fundamental statistical properties of trajectories, enabling more precise predictions while preserving data integrity. The model's performance was evaluated on multiple datasets, and the results were assessed using the k-accuracy metric. The findings demonstrate that STSeqGNN achieves an accuracy of over 99\% across various datasets, highlighting its effectiveness in analyzing travel behaviors. These results underline the model's strong potential as a powerful tool for both theoretical exploration and practical applications in mobility analysis.
Benzer Tezler
- Synthesis & characterization of CdSe/ZnS quantum dots
CdSe/ZnS kuantum noktalarının sentezi ve karakterizasyonu
HAKAN AYDIN
Yüksek Lisans
İngilizce
2014
Enerjiİstanbul Teknik ÜniversitesiNanobilim ve Nanomühendislik Ana Bilim Dalı
PROF. DR. HİLMİ ÜNLÜ
- Practical implementation and real-world validation of reconfigurable intelligent surfaces
Yeniden yapılandırılabilir akıllı yüzeylerin pratik uygulaması ve gerçek dünya doğrulaması
SEFA KAYRAKLIK
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiKoç ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERTUĞRUL BAŞAR
- COLREGs-compliant and non-prioritized motion planning for autonomous unmanned surface vehicles
Otonom insansız deniz araçları için COLREG-uyumlu ve önceliksiz hareket planlaması
MUSTAFA BAYRAK
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Medeniyet ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HALUK BAYRAM
- A social navigation approach for mobile assistant robots
Asistan mobil robotlar için sosyal bir navigasyon yaklaşımı
HASAN KIVRAK
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HATİCE KÖSE
- Comparison of quaternion-based orientation estimation methods using 9-dof marg sensors
Dokuz serbestlik dereceli marg sensörleri kullanılarak dördey tabanlı yönelim kestirim yöntemlerinin karşılaştırılması
BURAK TANTAY
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN TEMELTAŞ