Exploration de la dynamique sociale et collective en utilisant les données GPS de taxi

Understanding social and community dynamics from taxi GPS data

• Auteur / Autrice : Chao Chen
• Direction : Tülin Atmaca, Daqing Zhang
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 04/07/2014
• Etablissement(s) : Evry, Institut national des télécommunications
• Ecole(s) doctorale(s) : École doctorale Informatique, télécommunications et électronique de Paris
• Partenaire(s) de recherche : Université : Université Pierre et Marie Curie (Paris ; 1971-2017)

Mots clés

Mots clés contrôlés

Analyse comportementale

Calcul d'itinéraires routiers

Analyse des données

GPS

Mots clés libres

Empreintes numériques

Ville intelligente

Dynamique de la circulation

Détection de trajectoire anormale

Données GPS de taxi

Dynamique sociale

Dynamique opérationnelle

Planification d'itinéraire

Digital footprints

Smart city

Traffic dynamics

Anomaly trajectory detection

Taxi GPS data

Social dynamics

Operational dynamics

Route planning

Résumé

Taxis équipés de capteurs GPS sont un dispositif sensoriel important pour examiner les mouvements et les activités des gens. Dans cette thèse, nous cherchons à découvrir les facettes cachées en ce qui concerne les dynamiques sociales et communautaires codés dans les données de taxi GPS pour mieux comprendre comment se comporte la population urbaine et la dynamique résultant de la ville. Comme certains « aspects cachés» sont en ce qui concerne l'aspect similaire de la dynamique sociale et de la communauté, nous avons encore définissons formellement trois catégories pour l'étude, et les explorer à combler les écarts importants entre la première circuler des données GPS et des applications innovantes et des services urbains intelligents. Plus précisément, 1. Pour permettre aux applications d'alertes de fraude de taxi en temps réel, nous vous proposons algorithme iBoat qui est capable de détecter des trajectoires anormales "à la volée " et déterminer quelles parties de la trajectoire sont responsables de sa "anomalousness", en les comparant historiquement trajectoires ayant la même origine et de destination. 2. Pour introduire des services de transport respectueux de l'environnement aux citoyens rentable et, nous vous proposons B -Planner qui est une approche en deux phases, à planifier des itinéraires de bus de nuit bi- directionnelles de levier grands taxis données GPS. 3. Afin d'offrir un système de planification voyage d'itinéraire personnalisé, interactif, et le trafic-courant pour les utilisateurs, nous proposons système Tripplanner qui contient à la fois hors ligne et des procédures en ligne, en s'appuyant sur une combinaison de géolocalisation réseau social et des ensembles de données de taxi GPS. Enfin, certaines directions de recherche prometteuses pour les travaux futurs sont signalées, qui tentent essentiellement de fusionner les données de taxi GPS avec d'autres ensembles de données pour fournir des services urbains plus intelligents et personnalisés

Taxis equipped with GPS sensors are an important sensory device for examining people’s movements and activities. They are not constrained to a pre-defined schedule/route. Big taxi GPS data recording the spatio-temporal traces left by taxis provides rich and detailed glimpse into the motivations, behaviours, and resulting dynamics of a city’s mobile population through the road network. In this dissertation, we aim to uncover the “hidden facets” regarding social and community dynamics encoded in the taxi GPS data to better understand how urban population behaves and the resulting dynamics in the city. As some “hidden facets” are with regard to similar aspect of social and community dynamics, we further formally define three categories for study (i.e. social dynamics, traffic dynamics, and operational dynamics), and explore them to fill the wide gaps between the raw taxi GPS data and innovative applications and smart urban services. Specifically, 1. To enable applications of real-time taxi fraud alerts, we propose iBOAT algorithm which is capable of detecting anomalous trajectories “on-the-fly” and identifying which parts of the trajectory are responsible for its anomalousness, by comparing them against historically trajectories having the same origin and destination. 2. To introduce cost-effective and environment-friendly transport services to citizens, we propose B-Planner which is a two-phase approach, to plan bi-directional night bus routes leveraging big taxi GPS data. 3. To offer a personalized, interactive, and traffic-aware trip route planning system to users, we propose TripPlanner system which contains both offline and online procedures, leveraging a combination of Location-based Social Network (i.e. LBSN) and taxi GPS data sets. Finally, some promising research directions for future work are pointed out, which mainly attempt to fuse taxi GPS data with other data sets to provide smarter and personalized urban services for citizens