• Thèmes : Fouille de données (data mining), Machine Learning, time series, trajectoires
• Encadrant : Marc Plantevit
• Laboratoire : LIRIS
• Equipe : DM2L (Data Mining and Machine Learning)

Les progrès dans les techniques de localisation et d'informatique mobile ont généré des données de trajectoires spatiales massives, représentant la mobilité d'une diversité d'objets en mouvement, tels que des personnes, des véhicules et des animaux. De nombreuses techniques ont été proposées pour le traitement, la gestion et l'exploitation des données de trajectoires au cours de la dernière décennie, favorisant un large éventail d'applications (e.g., en atteste ce défi). Fournir des outils permettant de comprendre ces trajectoire est actuellement un défi.

Il existe actuellement de nombreux travaux pour analyser des trajectoires ( voir par exemple ce panorama). Cependant, la plupart de ces travaux ont soit des fins prédictives, soit ils s'intéressent à caractériser les flots globaux.

Dans ce projet, nous cherchons à caractériser un sous-ensemble de trajectoires comme par exemple, identifier des signatures dans des trajectoires individuelles.

• Lecture et compréhension de certaines méthodes d'analyse de trajectoires
• Proposition d'une nouvelle méthode de d'analyse de trajectoire
• Implémentation de l'algorithme
• Evaluation sur des données réelles.

Ce projet est pertinent pour les étudiants désirant s'orienter vers les masters 2 DS, TIW, IA.