Data mining in big mobility data

Abstract

Mobility data generated by systems such as AIS, GPS, and ADS-B provide unprecedented opportunities for analyzing and forecasting the movement of vessels, vehicles, and aircraft. At the same time, these data introduce significant challenges due to their scale, irregular sampling, heterogeneity, and operational time sensitivity. This thesis addresses the broader problem of data mining in big mobility data through a coherent set of contributions spanning trajectory forecasting, aggregate flow forecasting, scalable learning, methodological deep learning, and trajectory representation. The thesis first studies mobility forecasting at the level of individual moving objects through Vessel Route Forecasting (VRF). A systematic experimental benchmark is developed in order to compare statistical, machine learning, and deep learning approaches under realistic AIS-derived conditions, with emphasis on data preprocessing, evaluation design, and comparability. The thesis then moves to aggregate forecasting through Vessel Traffic Flow Forecasting (VTFF), where traffic evolution is predicted over a spatial partition. In this setting, a structured comparison is carried out between direct approaches, which forecast aggregate flow values directly from historical traffic observations, and indirect approaches, which first forecast vessel trajectories and then aggregate them into future flows. Building on this distinction, the thesis introduces UA-VTFF, a unified forecasting framework that combines vessel-level and flow-level predictive information in order to improve robustness and predictive performance. This unified direction is extended through dUA-VTFF, a distributed and Transformer-based framework designed to address the scalability requirements of large AIS datasets and to treat computational feasibility as a core dimension of mobility forecasting rather than as an implementation detail. Beyond forecasting architectures, the thesis also contributes to methodological deep learning through KANB, a family of trainable parametric activation functions based on cubic Bézier curves. KANB is evaluated as a modular replacement for standard activation functions in forecasting networks.Finally, the thesis addresses trajectory representation and clustering in unsupervised settings. A benchmark framework is proposed for trajectory vectorization, dimensionality reduction, and clustering, enabling a systematic comparison of representation families across multiple mobility datasets. This contribution emphasizes that representation is not merely a preprocessing step, but a central factor affecting clustering quality, similarity structure, and the use of off-the-shelf scalable analytics tools for trajectory data. Taken together, the contributions of the thesis establish a unified view of mobility analytics as a problem of representation, prediction, systems design, and methodological robustness. The results show that accurate and scalable mobility forecasting requires not only effective predictive models, but also rigorous evaluation, appropriate abstraction levels, reusable deep-learning components, and representations that support both learning and large-scale analytics. Although the empirical core of the thesis is centered primarily on maritime mobility, its broader methodological perspective is relevant to mobility data mining across maritime, urban, and aviation domains.

Τα δεδομένα κίνησης που παράγονται από συστήματα όπως το AIS, το GPS και το ADS-B προσφέρουν πρωτοφανείς δυνατότητες για την ανάλυση και την πρόβλεψη της κίνησης πλοίων, οχημάτων και αεροσκαφών. Ταυτόχρονα, τα δεδομένα αυτά συνοδεύονται από σημαντικές προκλήσεις, που σχετίζονται με τον μεγάλο όγκο τους, τη μη κανονική δειγματοληψία, την ετερογένειά τους και την επιχειρησιακή χρονική κρισιμότητά τους. Η παρούσα διατριβή πραγματεύεται το ευρύτερο πρόβλημα της εξόρυξης γνώσης από μεγάλα δεδομένα κίνησης, μέσα από ένα συνεκτικό σύνολο συνεισφορών που καλύπτουν την πρόβλεψη τροχιών, την πρόβλεψη συγκεντρωτικών ροών, την κλιμακώσιμη μάθηση, τη μεθοδολογική ενίσχυση της βαθιάς μάθησης και την αναπαράσταση τροχιών. Αρχικά, η διατριβή μελετά την πρόβλεψη κίνησης σε επίπεδο μεμονωμένου κινούμενου αντικειμένου μέσω του προβλήματος της Πρόβλεψης Πορείας Πλοίων (Vessel Route Forecasting, VRF). Για τον σκοπό αυτό αναπτύσσεται ένα συστηματικό πειραματικό πλαίσιο σύγκρισης, με στόχο την αξιολόγηση στατιστικών, μεθόδων μηχανικής μάθησης και νευρωνικών προσεγγίσεων υπό ρεαλιστικές συνθήκες που προκύπτουν από δεδομένα AIS, με έμφαση στην προεπεξεργασία των δεδομένων, στον σχεδιασμό της αξιολόγησης και στη συγκρισιμότητα των αποτελεσμάτων. Στη συνέχεια, η διατριβή μεταβαίνει στη συγκεντρωτική πρόβλεψη μέσω της Πρόβλεψης Ροής Θαλάσσιας Κυκλοφορίας (Vessel Traffic Flow Forecasting, VTFF), όπου το ζητούμενο είναι η πρόβλεψη της εξέλιξης της κυκλοφορίας σε έναν χωρικό διαμερισμό. Στο πλαίσιο αυτό πραγματοποιείται μια συστηματική σύγκριση μεταξύ άμεσων προσεγγίσεων, οι οποίες προβλέπουν απευθείας μελλοντικές τιμές ροής από ιστορικές παρατηρήσεις κυκλοφορίας, και έμμεσων προσεγγίσεων, οι οποίες προβλέπουν πρώτα τροχιές πλοίων και στη συνέχεια τις συγκεντρώνουν σε μελλοντικές ροές.Με βάση αυτή τη διάκριση, η διατριβή εισάγει το UA-VTFF, ένα ενοποιημένο πλαίσιο πρόβλεψης που συνδυάζει πληροφορία πρόβλεψης σε επίπεδο πλοίου και σε επίπεδο ροής, με στόχο τη βελτίωση της ευρωστίας και της προγνωστικής επίδοσης. Η ενοποιημένη αυτή κατεύθυνση επεκτείνεται περαιτέρω μέσω του dUA-VTFF, ενός κατανεμημένου πλαισίου βασισμένου σε αρχιτεκτονική Transformer, το οποίο σχεδιάστηκε ώστε να ανταποκρίνεται στις απαιτήσεις κλιμάκωσης μεγάλων συνόλων δεδομένων AIS και να αντιμετωπίζει την υπολογιστική εφικτότητα ως κεντρική διάσταση της πρόβλεψης κίνησης και όχι ως απλή λεπτομέρεια υλοποίησης. Πέρα από τις ίδιες τις αρχιτεκτονικές πρόβλεψης, η διατριβή συνεισφέρει και στη μεθοδολογία της βαθιάς μάθησης μέσω του KANB, μιας οικογένειας παραμετρικών συναρτήσεων ενεργοποίησης με εκπαιδεύσιμες παραμέτρους, βασισμένων σε κυβικές καμπύλες Bézier. Η οικογένεια KANB αξιολογείται ως αρθρωτή αντικατάσταση κλασικών συναρτήσεων ενεργοποίησης σε δίκτυα πρόβλεψης. Τέλος, η διατριβή εξετάζει την αναπαράσταση τροχιών και τη συσταδοποίηση σε μη επιβλεπόμενα περιβάλλοντα. Προτείνεται ένα πλαίσιο αναφοράς για τη διανυσματοποίηση τροχιών, τη μείωση διαστασιμότητας και τη συσταδοποίηση, το οποίο επιτρέπει τη συστηματική σύγκριση διαφορετικών οικογενειών αναπαράστασης σε πολλαπλά σύνολα δεδομένων κίνησης. Η συνεισφορά αυτή αναδεικνύει ότι η αναπαράσταση δεν αποτελεί απλώς στάδιο προεπεξεργασίας, αλλά κεντρικό παράγοντα που επηρεάζει την ποιότητα της συσταδοποίησης, τη δομή ομοιότητας και τη δυνατότητα αξιοποίησης τυποποιημένων, κλιμακώσιμων εργαλείων ανάλυσης για δεδομένα τροχιών. Συνολικά, οι συνεισφορές της διατριβής διαμορφώνουν μια ενιαία θεώρηση της ανάλυσης δεδομένων κίνησης ως πρόβλημα αναπαράστασης, πρόβλεψης, σχεδιασμού συστημάτων και μεθοδολογικής ευρωστίας. Τα αποτελέσματα δείχνουν ότι η ακριβής και κλιμακώσιμη πρόβλεψη κίνησης απαιτεί όχι μόνο αποτελεσματικά προγνωστικά μοντέλα, αλλά και αυστηρές διαδικασίες αξιολόγησης, κατάλληλα επίπεδα αφαίρεσης, επαναχρησιμοποιήσιμα συστατικά βαθιάς μάθησης και αναπαραστάσεις που υποστηρίζουν τόσο τη μάθηση όσο και την ανάλυση σε μεγάλη κλίμακα. Παρότι ο κύριος εμπειρικός πυρήνας της διατριβής εστιάζει κυρίως στη θαλάσσια κινητικότητα, η ευρύτερη μεθοδολογική της οπτική είναι συναφής με την εξόρυξη γνώσης από δεδομένα κίνησης σε θαλάσσια, αστικά και αεροπορικά περιβάλλοντα.