Predictief modelleren van tijdruimtelijke fenomenen in GIS aan de hand van Machine Learning

Dit onderzoek focust op het modelleren van tijdruimtelijke fenomenen op basis van data uit sensor-netwerken. Op massa-evenementen (bv. Gentse Feeste, Rock Werckter) worden dergelijke netwerken van Bluetooth-sensoren gebruikt om data te verzamelen over het gedrag van voetgangers en de drukte van voetgangersstromen. Deze sensoren gebruiken het aantal nabije mobiel telefoons met detecteerbare Bluetooth-functie als proxy voor de drukte (een technologie die ontwikkeld werd aan de CartoGIS onderzoeksgroep van de vakgroep Geografie). Momenteel focust het onderzoek op het modelleren van algemene tijdruimtelijke fenomenen (bv. filevorming, luchtvervuiling, zeewatertemperatuur) op basis van data verzameld met het geschikte sensor-netwerk. Er wordt onderzocht hoe Machine-Learningtechnieken zoals Graphical Models (bv. Bayesian Networks, Markov Random Fields) kunnen worden gebruikt om de temporele en ruimtelijke relaties aanwezig in zulke complexe fenomenen te leren, en hoe deze kennis kan worden gebruikt om voorspellingen te maken over de gedrag van het fenomeen.



Onderzoeksgroepen



Medewerkers