Multi-label Classification of Moving Object Trajectories based on Frequent Behavior Type Detection

Résumé : Cet article propose une méthode qui analyse des données représentant des trajectoires d'objets mobiles. La méthode se base sur les motifs fréquents et introduit différentes types de motifs, par exemple, les motifs latents, émergents, etc. Un ensemble d'algorithmes sont alors introduits pour pré-traiter les données, extraire les motifs fréquents et détecter les types des motifs. Ces motifs géolocalisés sont ensuite utilisés pour tagger une zone spatiale déterminée. La classification d'une trajectoire consiste alors en sa projection sur la zone spatiale ce qui conduit nécessairement à une classification multi-labels dépendant de la granularité spatio-temporelle. Pour finir, nous discutons de l'application de notre méthode sur des données réelles représentant des trajectoires de taxis.
Type de document :
Communication dans un congrès
24èmes Rencontres de la Société Francophone de Classification (SFC 2017), Jun 2017, Lyon, France. 〈http://www.sfc-classification.net〉
Liste complète des métadonnées

https://hal-amu.archives-ouvertes.fr/hal-01627398
Contributeur : Nicolas Durand <>
Soumis le : mercredi 12 décembre 2018 - 14:26:14
Dernière modification le : jeudi 13 décembre 2018 - 11:01:57

Fichier

almuhisen_sfc2017.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01627398, version 1

Collections

Citation

Feda Almuhisen, Nicolas Durand, Mohamed Quafafou. Multi-label Classification of Moving Object Trajectories based on Frequent Behavior Type Detection. 24èmes Rencontres de la Société Francophone de Classification (SFC 2017), Jun 2017, Lyon, France. 〈http://www.sfc-classification.net〉. 〈hal-01627398〉

Partager

Métriques

Consultations de la notice

239

Téléchargements de fichiers

4