polito.it
Politecnico di Torino (logo)

Classificatori associativi per dati spaziali-temporali = Associative classifiers for spatio-temporal data

Giuseppe Moscarelli

Classificatori associativi per dati spaziali-temporali = Associative classifiers for spatio-temporal data.

Rel. Paolo Garza, Luca Colomba. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Informatica (Computer Engineering), 2022

[img]
Preview
PDF (Tesi_di_laurea) - Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives.

Download (7MB) | Preview
Abstract:

Il Bike Sharing è un'iniziativa nata con lo scopo di ridurre le emissioni dei gas serra, soprattutto nelle grandi città. Infatti, l'idea su cui si basa questo sistema è quella di spingere i cittadini a condurre uno stile di vita più ecologico e sostenibile, evitando di utilizzare i propri mezzi per spostamenti lungo brevi tratti. Negli ultimi anni questo settore ha avuto una forte crescita, in quanto offre soluzioni abbastanza economiche e pratiche che si coniugano molto bene con il nuovo paradigma della "smart mobility". Questa tesi ha come obiettivo lo sviluppo di un classificatore associativo capace di predire degli eventi caratterizzati da informazioni spaziali e temporali, in modo tale da rilevare anticipatamente delle situazioni critiche riguardanti lo stato di alcune stazioni di bike sharing. Le regole di associazione su cui si basa tale classificatore sono state estratte da un dataset contenente dati relativi a stazioni della città di San Francisco. La scelta dell'utilizzo delle regole di associazione è stata basata sul fatto che esse forniscono un mezzo per l'estrazione di relazioni rilevanti tra i dati in modo facilmente interpretabile. Il classificatore ottenuto potrebbe essere utilizzato in applicazioni reali in modo da rilevare e risolvere anticipatamente ed in maniera mirata delle situazioni critiche, migliorando così l'efficienza del servizio fornito ed ottimizzando la gestione delle risorse da parte delle aziende.

Relatori: Paolo Garza, Luca Colomba
Anno accademico: 2021/22
Tipo di pubblicazione: Elettronica
Numero di pagine: 124
Soggetti:
Corso di laurea: Corso di laurea magistrale in Ingegneria Informatica (Computer Engineering)
Classe di laurea: Nuovo ordinamento > Laurea magistrale > LM-32 - INGEGNERIA INFORMATICA
Aziende collaboratrici: NON SPECIFICATO
URI: http://webthesis.biblio.polito.it/id/eprint/22723
Modifica (riservato agli operatori) Modifica (riservato agli operatori)