Please use this identifier to cite or link to this item: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/17378
Full metadata record
DC FieldValueLanguage
dc.contributor.authorΜπέλεσης, Χρήστος-
dc.date.accessioned2019-10-07T13:35:51Z-
dc.date.available2019-10-07T13:35:51Z-
dc.date.issued2019-10-03-
dc.identifier.urihttp://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/17378-
dc.description.abstractΤα τελευταία χρόνια αναπτύσσεται ραγδαία η επιστήμη της μελέτης κίνησης ανθρώπων σε εσωτερικούς χώρους. Η μελέτη αυτή βοηθάει κατά κύριο λόγο στην εξασφάλιση της ασφάλειας των πολιτών, στην διευκόλυνσή τους αλλά και στην παροχή πληροφοριών και ψυχαγωγίας σε αυτούς που το επιθυμούν. Για να πραγματοποιηθεί αυτό πρέπει πρώτα ο χρήστης να έχει δώσει τη συγκατάθεση του και να συμμετέχει ενεργά μέσω της συσκευής κινητού του ώστε να είναι εφικτός ο εντοπισμός από ειδικά μηχανήματα και τεχνολογίες που εγκαθίστανται για αυτό το σκοπό. Μια πρόκληση του ερευνητικού αυτού κλάδου είναι και η πρόβλεψη της τοποθεσίας του ατόμου είτε την αμέσως επόμενη χρονική στιγμή είτε κάποια στιγμή στο μέλλον , η οποία παρέχει διάφορα πλεονεκτήματα τόσο για τον ίδιο όσο και για τους ιδιοκτήτες καταστημάτων και εταιριών αφού μεταξύ άλλων επιτρέπει την στοχευμένη διαφήμιση και παροχή υπηρεσιών άμεσα στο χρήστη ανάλογα με την τοποθεσία του. Στην παρούσα διπλωματική εργασία εφαρμόζονται κυρίως αλγόριθμοι μηχανικής εκμάθησης αλλά και αλγόριθμοι deep learning πάνω σε δοσμένα ανοιχτά δεδομένα ενός εμπορικού κέντρου ώστε να προβλεφθεί η επόμενη τοποθεσία εντός του χώρου. Ο σκοπός είναι να συγκριθούν τα αποτελέσματα που παράγουν ως προς την ακρίβεια της πρόβλεψης και τελικά να αποφανθεί η καταλληλόλητά τους υπό συγκεκριμένες συνθήκες και παραμέτρους. Για να επιτευχθεί αυτό γίνεται χρήση τόσο ιστορικού προηγούμενων τοποθεσιών, όσο και δημογραφικών χαρακτηριστικών των συμμετεχόντων στο πείραμα πολιτών.en_US
dc.languageelen_US
dc.subjectΚίνηση Εσωτερικού χώρουen_US
dc.subjectΠρόβλεψη Επόμενης Τοποθεσίαςen_US
dc.subjectΜηχανική εκμάθησηen_US
dc.subjectDeep learningen_US
dc.subjectDynamic Bayesian Modelen_US
dc.subjectCompact Prediction Treeen_US
dc.subjectMultinomial Logistic Regressionen_US
dc.titleΣύγκριση μεθόδων πρόβλεψης μελλοντικών τοποθεσιών ατόμων σε εσωτερικούς χώρουςen_US
dc.description.pages80en_US
dc.contributor.supervisorΑσκούνης Δημήτριοςen_US
dc.departmentΤομέας Ηλεκτρικών Βιομηχανικών Διατάξεων και Συστημάτων Αποφάσεωνen_US
dc.description.notesΣύγκριση μεθόδων πρόβλεψης μελλοντικών τοποθεσιών ατόμων σε εσωτερικούς χώρουςen_US
Appears in Collections:Διπλωματικές Εργασίες - Theses

Files in This Item:
File Description SizeFormat 
Thesis-Belesis Christos.pdfΣύγκριση μεθόδων πρόβλεψης μελλοντικών τοποθεσιών ατόμων σε εσωτερικούς χώρους1.72 MBAdobe PDFView/Open


Items in Artemis are protected by copyright, with all rights reserved, unless otherwise indicated.