• Data mining spazio-temporale
• mobilità
• predizione
• algoritmi

Lo sviluppo di nuove tecnologie ha portato ad una enorme disponibilità di dati da poter analizzare fornendo, quindi, nuove ed interessanti sfide ai ricercatori. In particolare, abbiamo assistito ad un'esponenziale diffusione di oggetti elettronici per la localizzazione spaziale e temporale, i.e. telefoni cellulari, navigatori satellitari, reti di sensori ecc. Questi oggetti permettono di tracciare gli spostamenti degli agenti mobili e di riconstruirne i movimenti in spazio e tempo.
Attualmente, nel complesso sistema delle aree metropolitane, l'osservazione di movimenti frequenti e modelli di comportamento delle persone è necessario per gli analisti di mobilità o agli amministratori delle aree urbane, così come tale informazioni sono importanti per coloro che si occupano di pianificazione urbana. Tali analisi diventano molto più dettagliate e precise grazie alla disponibilità di nuove sorgenti di dati che molto più accuratamente misurano gli spostamenti delle persone e allo sviluppo di nuove tecniche di analisi come il data mining che permettono l'estrazione di conoscenza implicita e nascosta e la rendono disponibile e direttamente utilizzabile.

In questa tesi, dopo un'attenta revisione dei lavori esistenti in letteratura sul tema dell'analisi di traiettorie di oggetti mobili, si definisce un nuovo algoritmo per l'estrazione di sequenze di regioni maggiormente visitate annotate con i tempi tipici di attraversamento da una regione alla successiva. Quindi, i risultati di tale approccio vengono utilizzati come modello per la costruzione di un predittore capace di suggerire la prossima locazione di un dato oggetto mobile. Inoltre, viene definito un nuovo approccio per la tutela della privatezza, capace di conservare le caratteristiche contenute nei dati permettendo, in questo modo, di mantenere i risultati di diverse tipologie di analisi. Inoltre, vengono definite nuove possibili linee di ricerca in quest'area.