Apprentissage automatique pour l'analyse de trajectoires spatiales : extraction conjointe de caractéristiques démographiques et comportementales

Machine learning for spatial trajectory processing : joint analysis of demographic and behavioral characteristics

• Auteur / Autrice : Hippolyte Dubois
• Direction : Patrick Le Callet, Antoine Coutrot
• Type : Thèse de doctorat
• Discipline(s) : Informatique et applications
• Date : Soutenance le 10/03/2023
• Etablissement(s) : Nantes Université
• Ecole(s) doctorale(s) : École doctorale Mathématiques et Sciences et Technologies du numérique, de l’Information et de la Communication (Nantes ; 2022-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire des Sciences du Numérique de Nantes
• Jury : Président / Présidente : Luce Morin
• Jury : Examinateurs / Examinatrices : Valérie Gyselinck, Frédéric Precioso, Giuseppe Valenzise
• Jury : Rapporteurs / Rapporteuses : Christophe Claramunt, Jonathan Weber

Mots clés

Mots clés contrôlés

Apprentissage automatique

Orientation

Traitement du signal

Mots clés libres

Séries temporelles multivariées

Multivariate time-series

Résumé

La façon dont les humains se déplacent dans un environnement donne est liée a certaines de leurs caractéristiques démographiques et cliniques, comme leur age ou leur statut cognitif. Dans cette thèse, nous avons cherche a quantifier l’interaction entre le profil des navigateurs et leur comportement spatial via trois approches complémentaires. Nous avons notamment utilise les données issues d’un jeu vidéo de navigation spatiale - Sea Hero Quest - donnant accès aux trajectoires de millions de joueurs aux profils démographiques varies. La première approche propose une architecture de modèle a réseaux de neurones parallèles, afin de prendre en compte la nature spatio-temporelle des trajectoires. La seconde associe a chaque trajectoire une entropie calculée à partir de la distribution des trajectoires, pour prendre en compte le contexte et identifier la singularité du navigateur. La troisième permet de produire un groupement joint sur d’un coté les données comportementales et de l’autre démographiques. Les expérimentations que nous avons menées nous ont permis de valider les résultats obtenus antérieurement avec des métriques et des méthodes d’analyse simples, mais également de les compléter, en explicitant par exemple la nature des effets de l’âge et du genre sur le comportement spatial. Ces travaux permettront aux neuroscientifiques de mieux comprendre les facteurs sous-tendant les différences individuelles en terme de sens de l’orientation.

How humans move in a given environment is influenced by some of their demographics and clinical characteristics, such as their age or cognitive state. In this thesis, we tried to quantify the interaction between the navigator’s demographics and their spatial behavior using three complementary approaches. We used data from a wayfinding video game - Sea Hero Quest - which gives access to the trajectories of millions of players with various demographic profiles. The first approach proposes a parallel neural network architecture that takes into account the spatiotemporal nature of the trajectories. The second one computes an entropy metric from the distribution of all trajectories, in order to learn context and identify the singularity of the navigator. The third approach allows us to produce a joint clustering from both behavioral and demographic data. The experiments we conducted allowed us to validate the results previously obtained with simple metrics and analysis methods, but also to complete them, by clarifying for example the nature of the effects of age and gender on spatial behavior. This work will allow neuroscientists to better understand the factors underlying individual differences in terms of sense of orientation.