Μεταπτυχιακές Διατριβές GRI-2015-14587

Τίτλος:Μεθοδολογίες ανακάλυψης δυναμικών συνεκτικών περιοχών και τάσεων μιας πόλης με αξιοποίηση δεδομένων κοινωνικών δικτύων
City coherent areas dynamics and trends detection methodologies via social networks data exploitation
Συγγραφείς:Γκατζιάκη Βασιλική Παναγιώτη
Σχολή/Τμήμα: Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, Σχολή Θετικών Επιστημών, Τμήμα Πληροφορικής
Γλώσσα:Ελληνικά
Ημ/νία έκδοσης:2015
Περίληψη:Οι έξυπνες πόλεις είναι μία πραγματικότητα η οποία συνέχεια εξελίσσεται με σκοπό την βελτίωση της ζωής των ανθρώπων στα πλαίσια αυτών. Πλήθος έργων και εφαρμογών έχουν υλοποιηθεί στα πλαίσια των έξυπνων πόλεων με ποικίλους αισθητήρες να έχουν εγκατασταθεί σε όλη την έκταση των πόλεων και να παρέχουν πληροφορία για τη δημιουργία εφαρμογών χρήσιμων σε πολίτες και αρχές της πόλης. Ο κυριότερος παράγοντας που οφείλουν να εστιάζουν οι έξυπνες πόλεις είναι ο άνθρωπος. Μία καινούργια αναδυόμενη έννοια έχει γεννηθεί τα τελευταία χρόνια και αφορά στους «ανθρώπους ως αισθητήρες». Τα τελευταία χρόνια ο τρόπος με το οποίον οι άνθρωποι επικοινωνούν και ανταλλάσσουν πληροφορία έχει αλλάξει δραστικά. Τα μέσα κοινωνικής δικτύωσης έχουν συντελέσει δραστικά σε αυτή την αλλαγή, κυρίως σε σχέση με τον τρόπο με τον οποίο οι άνθρωποι ενημερώνονται και εκφράζονται. Στην παρούσα εργασία θα μελετήσουμε το πώς μπορεί να αξιοποιηθεί το γεωγραφικά επισημασμένο περιεχόμενο που παράγουν οι χρήστες στα πλαίσια μιας πόλης για την δημιουργία εφαρμογών έξυπνων πόλεων και την εξαγωγή δυναμικών στα πλαίσια αυτής. Συνεπώς, στα πλαίσια της παρούσας διπλωματικής εργασίας αρχικά πραγματοποιείται μία βιβλιογραφική επισκόπηση πάνω σε υπάρχουσες εργασίες για την ανακάλυψη δυναμικών στα πλαίσια μιας πόλης από γεωγραφικά επισημασμένα δεδομένα που παράγονται σε διάφορα κοινωνικά δίκτυα. Στη συνέχεια γίνεται μια παρουσίαση έργων και εφαρμογών σχετικά με έξυπνες πόλεις, ενώ κατόπιν προτείνεται μία μεθοδολογία για τη δυναμική τμηματοποίηση μιας πόλης σε περιοχές. Αξιοποιώντας τα αποτελέσματα υπαρχόντων εργασιών, υλοποιείται μεθοδολογία τμηματοποίησης μιας πόλης σε κοινωνικές περιοχές, βάσει των κοινωνικών χαρακτηριστικών των σημείων ενδιαφέροντος που περιλαμβάνει, και σε λειτουργικές περιοχές, βάσει των λειτουργικών χαρακτηριστικών τους. Στη συνέχεια, με βάση την υπόθεση ότι οι περιοχές μίας πόλης διαμορφώνονται από ένα σύνολο από παράγοντες, προτείναμε και υλοποιήσαμε μεθοδολογία για το διαχωρισμό της πόλης σε συνδυαστικές περιοχές λαμβάνοντας υπόψη κοινωνικά και λειτουργικά χαρακτηριστικά των σημείων ενδιαφέροντος που περιλαμβάνουν, καθώς επίσης και την κατηγορία (σχετικά με φαγητό, εκδηλώσεις, επαγγέλματα κ.α.) στην οποία ανήκουν. Για της ανάγκες της διπλωματικής εργασίας, δημιουργήθηκε μία εφαρμογή αποτελούμενη από το κομμάτι του back-end, υπεύθυνο για την ανάλυση των δεδομένων και την εξαγωγή των περιοχών και στατιστικών και του front-end υπεύθυνο για την παρουσίαση των αποτελεσμάτων. Η εφαρμογή αυτή θα μπορούσε να χρησιμοποιηθεί στα πλαίσια έξυπνων πόλεων καθώς προσφέρει χρήσιμα συμπεράσματα σε πολίτες και αρχές της πόλης για το πώς λειτουργεί αυτή. Τέλος, μελετήθηκαν πέντε διαφορετικές συλλογές δεδομένων που αφορούσαν στις πόλεις της Νέας Υόρκης, του Σαν Φρανσίσκο και του Λονδίνου, και παρουσιάστηκαν τα αποτελέσματα της ανάλυσης, καθώς και συγκριτικά αποτελέσματα μεταξύ των διαφορετικών τμηματοποιήσεων.

Smart Cities are an upcoming reality that targets to improve citizens lives. Numerous projects and applications have been developed throughout the years in the context of Smart Cities with a variety of sensors installed in the geographic region of multiple cities. These sensors provide useful information that can be leveraged for building useful Smart City applications to citizens and local authorities. However, the main focus of Smart City applications should be no other than people. A novel notion that has been born in the last few years is considering «humans as sensors», and thus efforts have been conducted so as to leverage information that humans provide for the extraction of useful insights. During the last decade the way that people communicate and exchange information has dramatically changed. Social media in particular have played a significant role in this change, since they have completely reshaped the ways that people tend to be informed about news and express their opinions. In this thesis we study how geo-located user generated content can be exploited within a specific geographic city region in order to uncover urban dynamics and develop Smart City applications. First, we review related research works for the discovery of urban dynamics by leveraging geo-located user generated content in social media, and then we present projects and applications in relation to Smart Cities. Next, we propose a methodology for the segmentation of a city into dynamic regions based on multiple characteristics. Based on existing research, we implement an approach for the dynamicclustering of cities intoareas leveraging social, temporal and spatial characteristics of places around the city, extracted based on the activity of social media users. Finally, we propose a hybrid clustering approach that takes into consideration social, temporal and spatial characteristics, as well as the category of the visited places, based on the assumption that city dynamics are not shaped by only one characteristic, but rather by a set of forces. In the context of this thesis, an application has been developed that comprises two components. The back-end component is responsible for the data analysis and the extraction of the dynamic areas (social, temporal and hybrid) and their corresponding activity statistics. On the other hand, the front-end component is responsible for the presentation of the results to end users. This application could be used at a Smart City context, as it offers useful insights about the city to citizens, visitors and local authorities. Finally, we apply our clustering approach on five datasets about the cities of New York, San Francisco and London, and we present, discuss and compare the derived results based on the different types of segmentation, cities and time periods.
Επιβλέπων:Βακάλη, Αθηνά καθ.
Λέξεις Κλειδιά:clustering, social data mining, ομαδοποίηση, urban dynamics discovery, εξόρυξη γνώσης, ανακάλυψη δυναμικών
Σχετικά αρχεία:Πλήρες κείμενο: PDF Αρχείο με άδεια χρήσης Δείτε την σχετική άδεια κάνοντας κλικ εδώ!


 Δημιουργία εγγραφής 2015-07-06, τελευταία τροποποίηση 2015-07-09


Πλήρες κείμενο:
Κατέβασμα πλήρους κειμένου
PDF Αρχείο
με άδεια:Δείτε την σχετική άδεια κάνοντας κλικ εδώ!