logo SBA

ETD

Archivio digitale delle tesi discusse presso l’Università di Pisa

Tesi etd-02152020-174044


Tipo di tesi
Tesi di laurea magistrale
Autore
BRIGANTI, SABRINA
URN
etd-02152020-174044
Titolo
Generative Models of Human Mobility based on Deep Learning
Dipartimento
INFORMATICA
Corso di studi
INFORMATICA
Relatori
relatore Pappalardo, Luca
relatore Nanni, Mirco
controrelatore Priami, Corrado
Parole chiave
  • deep learning
  • gan
  • generative models
  • human mobility
  • mobilità umana
  • modelli generativi
  • vae
Data inizio appello
06/03/2020
Consultabilità
Non consultabile
Data di rilascio
06/03/2090
Riassunto
Goal of the thesis is the generation of synthetic human mobility based on Deep Learning. Three different generative recurrent models have been implemented: a Seq2Seq Variational Autoencoder (VAE), a Generative Adversarial Network (GAN) and a Wasserstein GAN. The aim of this study is the generation of a synthetic dataset of GPS trajectories having characteristics and typical measures proper of the real human mobility.

Scopo della tesi è la generazione di mobilità umana sintetica basata suDeep Learning. Sono stati implementati tre modelli generativi: un Seq2Seq Variational Autoencoder (VAE), una Generative Adversarial Network (GAN) e una Wasserstein GAN. Obiettivo finale dello studio è lagenerazione di un dataset sintetico di traiettorie GPS, avente caratteristiche e misure proprie della mobilità umana.
File