Geri Dön

Konum-zaman verisi tabanlı hareket karakterizasyonu

Mobility characterization based on spatio-temporal data

PDF İndir

  1. Tez No: 941778
  2. Yazar: EMİNCAN KERESTECİ
  3. Danışmanlar: PROF. DR. BÜLENT TAVLI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Tobb Ekonomi ve Teknoloji Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

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

  1. Tez No

    355966

    Synthesis & characterization of CdSe/ZnS quantum dots

    CdSe/ZnS kuantum noktalarının sentezi ve karakterizasyonu

    HAKAN AYDIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Enerjiİstanbul Teknik Üniversitesi

    Nanobilim ve Nanomühendislik Ana Bilim Dalı

    PROF. DR. HİLMİ ÜNLÜ

  2. Tez No

    816764

    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

    İngilizce

    2023

    Elektrik ve Elektronik MühendisliğiKoç Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ERTUĞRUL BAŞAR

  3. Tez No

    978091

    Computation of cell paths using adaptive tracking integrated with learning based segmentation and identification of movement patterns

    Öğrenme tabanlı segmentasyon ile entegre adaptif takip kullanılarak hücre yollarının hesaplanması ve hareket biçimlerinin belirlenmesi

    KÜBRA ATEŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    Moleküler Biyoloji-Genetik ve Biyoteknoloji Ana Bilim Dalı (disiplinlerarası)

    PROF. DR. HALİL BAYRAKTAR

  4. Tez No

    995033

    Effect of extreme conditions on enzyme profiles:cytochrome P450 systems as a case study

    Ekstrem koşulların enzim profilleri üzerindekietkisi: sitokrom P450 sistemleri

    HANDE MUMCU

    Doktora

    İngilizce

    İngilizce

    2026

    Biyokimyaİstanbul Teknik Üniversitesi

    Moleküler Biyoloji-Genetik ve Biyoteknoloji Ana Bilim Dalı (disiplinlerarası)

    PROF. DR. NEVİN GÜL KARAGÜLER

  5. Tez No

    1

    Ovulasyon indüksiyonu tedavisinde folliküler gelişimin ultrasonografik takibi

    Başlık çevirisi yok

    MERİH BAYRAM

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    1987

    Kadın Hastalıkları ve DoğumGazi Üniversitesi

    Kadın Hastalıkları ve Doğum Ana Bilim Dalı

    DOÇ. DR. MÜLAZIM YILDIRIM

Geri Dön