• deep learning
• gan
• generative models
• human mobility
• mobilità umana
• modelli generativi
• vae

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.