Analyse semantisch annotierter Trajektorien

Die Analyse von Bewegungsdaten ist in den vergangenen Jahren zu einem wichtigen Gebiet der Forschung geworden, da die Verbreitung von GPS-fähigen Geräten wie Mobiltelefonen zu einer signifikanten Erhöhung der Menge der erhobenen Daten beigetragen hat. Gleichzeitig ist die Analyse dieser Bewegungsdaten sehr komplex: Die Bewegung eines Objektes hängt von zahlreichen Faktoren ab, deren komplexes Zusammenspiel verstanden werden muss, um mögliche Verhaltensmuster in der Bewegung zu identifizieren. Daten, die die rein geometrische Bewegung beschreiben, liegen oft in Form sogenannter Trajektorien vor. Sind die Trajektorien mit zusätzlichen kontextuellen Informationen angereichert, spricht man von semantischen Trajektorien. Bisherige Ansätze in der Analyse von Trajektorien betrachten häufig allein die geometrischen Aspekte dieser und lassen damit einen großen Teil der durch den semantischen Kontext gegebenen Informationen außen vor. Um dem entgegen zu wirken, legt die vorliegende Arbeit den Fokus auf die Analyse von semantischen Trajektorien. Dazu entwickeln wir eine neuartige Modellierung einer Gruppe von semantischen Trajektorien, mit sogenannten Erweiterten Endlichen Automaten. Dieser erlaubt es, alle gegebenen Faktoren in die Analyse mit einzubeziehen und so auch die komplexen Abhängigkeiten der Faktoren darzustellen. Unter Nutzung dieser Modellierung befassen wir uns mit zwei Standardschritten bei der Analyse von Trajektorien: Wir berechnen zunächst eine semantisch annotierte repräsentative Trajektorie für ein gegebenes Cluster von Trajektorien. Anschließend stellen wir eine Variation des bekannten k-Means-Algorithmus vor, mit der für eine Menge von semantischen Trajektorien ein kontextabhängiges Clustering berechnet werden kann. Schließlich zeigen wir die semantische Validität unseres Ansatzes in enger Zusammenarbeit mit Domänenexpert*innen für zwei konkrete Anwendungsfälle zur Klassifikation von Wegfindungsstrategien.