ETD system

Electronic theses and dissertations repository

 

Tesi etd-02152020-174044


Thesis type
Tesi di laurea magistrale
Author
BRIGANTI, SABRINA
URN
etd-02152020-174044
Title
Generative Models of Human Mobility based on Deep Learning
Struttura
INFORMATICA
Corso di studi
INFORMATICA
Supervisors
relatore Pappalardo, Luca
relatore Nanni, Mirco
controrelatore Priami, Corrado
Parole chiave
  • modelli generativi
  • mobilità umana
  • vae
  • gan
  • human mobility
  • generative models
  • deep learning
Data inizio appello
06/03/2020;
Consultabilità
Secretata d'ufficio
Data di rilascio
06/03/2090
Riassunto analitico
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