Many everyday human skills can be framed in terms of performing some task subject to constraints imposed by the task or the environment. Constraints are usually unobservable and frequently change between contexts. In this thesis, we explore the problem of learning control policies from data containing variable, dynamic and non-linear constraints on motion. We show that an effective approach for doing this is to learn the unconstrained policy in a way that is consistent with the constraints. We propose several novel algorithms for extracting these policies from movement data, where observations are recorded under different constraints. Furthermore, we show that, by doing so, we are able to learn representations of movement that generalise over constraints and can predict behaviour under new constraints. In our experiments, we test the algorithms on systems of varying size and complexity, and show that the novel approaches give significant improvements in performance compared with standard policy learning approaches that are naive to the effect of constraints. Finally, we illustrate the utility of the approaches for learning from human motion capture data and transferring behaviour to several robotic platforms.

The volume of cargo and passenger traffic of airlines is increasing in Kaohsiung International Airport in the recent years. Due to the rise of environmental consciousness, the aviation noise pollution will lead to public disputes. The transportation bureaus have granted subsidies and compensation on noise prevention in areas around the airport, the subjects are aviation noise prevention zones announced by local governments. Therefore, the classification of aviation noise prevention zone determines the receipt of subsidies and compensation, thus, is concerned by the residents lived in the airport neighboring areas. This study focused on Kaohsiung International Airport, and used the aviation movement data of 2005 as the standard for noise integration model simulation, to understand the variation of the aviation noise in day time and night time under different synarios , as well as the effects on the scope of noise prevention zones. Take Project 1 ( annulling curfew) as an example, the INM simulation of day time and night time aviation noise under various synarios showed that the aviation noise prevention zone of the first scale expanded 10.18 km² as compared to the year of 2005, 4.57 km² for the second scale,and 1.99 km² for the third scale. The estimated Ldn in the target year of 2121 were as follows: the noise volume for susceptible objects of east 27 runway increased 4.7¡ã5.3dB(A), objects near the west side 09 runway increased 3.1dB(A), and objects near the south and north sides increased 3.3~4.8dB(A). In general, the affected area of Project 1 (annulling curfew) ranks the largest, Project 2 (maintaining curfew) the second, and Project 3 (not lengthening the runway) the smallest. As for the affected scale of the aviation noise, KueLing Elementary School and KaoFung Junior College ranked the highest, ZhongZho Elementary School the second, diesel station the lowest. Yet, the actual aviation noise should refer to the results of the noise monitoring station.

Att visualisera rörelsedata är ett kraftigt undersökt område och en komplex uppgift. I det här projektet har jag använt rörelsedata insamlad av sensorer från Akademiska hus utplacerade på Örebro Universitetscampus. Datan är använd för att visualisera rörelser gjorda inuti byggnaderna genom en webapplikation skriven med enbart Python. Anslutbarhet mellan sensorer är undersökt huruvida det är möjligt att generera anslutbarhetsgrafer med informationen kopplad till specifika sensorer automatiskt eller för hand. I projektet så undersöks även huruvida rörelseflöden är möjliga att visualisera via den datan tillgängliggjord av Akademiska hus. / Visualizing movement data is a heavily researched area and complex task. In this project I have used movement data collected by sensors from Akademiska hus placed on campus of Örebro University. The data is used to visualize movement made inside the buildings through a developed webapp written entirely in Python. Connectivity between sensors is studied whether it is possible to generate connectivity graphs with the information associated to specific sensors automatically or done by hand. The project also researches whether movement flows are possible to visualize with the data available from Akademiska hus.

<p>CAL (Computer Assisted Learning) programs are widespread today in schools and families due to the effectiveness of CAL programs in improving students’ learning and task performance. The flourishing of CAL programs in education has brought large amounts of students’ learning data including log data, performance data, mouse movement data, eye movement data, video data, etc. These data can present students’ learning or problem-solving processes and reflect underlying cognitive processes. These data are valuable resources for educators to comprehend students’ learning and difficulties. However, few data analysis methods can analyze and present CAL data for educators quickly and clearly. Traditional video analysis methods can be time-consuming. Current visualization analysis methods are limited to simple charts or visualizations of a single data type. In this dissertation, I propose a visual learning analytic approach to analyze and present students' problem-solving data from CAL programs. More specifically, a visualization system was developed to present students’ problem-solving data, including eye movement, mouse movement, and performance data, to help educational researchers understand student problem-solving processes and identify students’ problem-solving strategies and difficulties. An evaluation experiment was conducted to compare the visualization system with traditional video analysis methods. Seven educational researchers were recruited to diagnose students’ problem-solving patterns, strategies, and difficulties using either the visualization system or video. The diagnosis task loads and evaluators’ diagnosis processes were measured and the evaluators were interviewed. The results showed that analyzing student problem-solving tasks using the proposed visualization method was significantly quicker than using the video method. In addition, diagnosis using the visualization system can achieve results at least as reliable as the video analysis method. Evaluators’ preferences between the two methods are summarized and illustrated in the dissertation. Finally, the implications of the visual analytic approach in education and data visualization areas are discussed. </p>

This study assessed whether data collected while a participant was intentionally moving is of the same quality as data collected from a motionless participant via fNIRS (functional near-infrared spectroscopy). This study was a within-subjects design with 3 head-movement conditions (no head-movement, low head-movement, and high head-movement). Data was recorded via the fNIRS system as well as an app called VibSensor, which recorded head movement on the X, Y, and Z planes. Results for the behavioral data indicated significance only on the Y plane across the no and high movement conditions and one significant channel for the fNIRS data.

Technology has during the last decades been adopted into the dance art form which has appeared as interactive dance. Many studies and performances have been conducted investigating this merging of dance and technology and the mapping of the motion data to other modalities. But none have previously explored how the introduction of technology affects the mutually interdependent relationship, the co-play, between a dancer and a live musician in a completely live setting. This thesis specifically explores this novel stting by investigating which sound parameters of a live drummer’s sound a dancer should be able to manipulate, through the usage of motion tracking sensors, to alter the dancer’s experience positively in comparison of without the usage of the tool. For this purpose, two studies have been conducted. First, a development study to create a prototype from the first person perspective of a professional dancer and choreographer. Second, an evaluative study was conducted to evaluate the applicability of the prototype and the experience of the manipulation of the sound parameters chosen, on a larger group of professional dancers. The studies showed that the sound parameters of delay and pitch altered a dance experience most positively. This thesis further shows that it is important for the user to get enough time to truly get to know the interactions allowed by the system, to actually be able to evaluate experience of the sound parameters. / Teknik har under de senaste decennierna anammats in i danskonsten vilket har framträtt som interaktiv dans. Många studier och föreställningar har genomförts för att undersöka denna sammanslagning av dans och teknik, och mappningen av rörelsedata till andra modaliteter. Men ingen har tidigare undersökt hur introduktionen av teknik påverkar samspelet, den ömsesidigt beroende relationen, mellan en dansare och en live-musiker i en fullständigt live inramning. Den här avhandlingen utforskar specifikt denna nya inramning genom att undersöka vilka ljudparametrar av en live-trummis ljud en dansare ska kunna manipulera genom användning av rörelsesensorer, för att förändra en dansarens upplevelse positivt i jämförelse med utan användning av verktyget. För detta ändamål har två studier genomförts. Först en utvecklingsstudie för att skapa en prototyp från ett förstapersonsperspektiv av en professionell dansare och koreograf. Sedan genomfördes en utvärderingsstudie för att utvärdera användbarheten av prototypen och upplevelsen av att manipulera de valda ljudparametrarna, på en större grupp professionella dansare. Studierna visade att ljudparametrarna av fördröjning och tonhöjd förändrade en dansupplevelse mest positivt. Denna avhandling visar vidare att det är viktig för användaren att få tillräckligt med tid för att verkligen lära känna de interaktioner som systemet tillåter, för att faktiskt kunna utvärdera upplevelsen av själva ljudparametrarna.

In dieser Arbeit wird demonstriert, wie die Messreihen eines in einem Triebwagen eingesetzten GPS-Empfangsgerätes genutzt werden können, um Informationen zu Bahninfrastruktur und Bahnbetrieb im betrachteten Netz zu ermitteln. Dazu wird das relationale Datenbanksystem PostgreSQL mit dessen Erweiterung PostGIS eingesetzt. Im ersten Teil werden geografische Positionen von Bahnhöfen, Haltepunkten, Haupt-, Vor- und Langsamfahrsignalen, sowie deren signalisierte Geschwindigkeitsbeschränkungen berechnet. Es werden Algorithmen vorgestellt, die die Positionsberechnung von regelmäßig angefahrenen Bahnhöfen und Haltepunkten ebenso ermöglichen, wie die von Haupt- und Langsamfahrsignalen. Es wird gezeigt, dass mit den gewählten Ansätzen die Berechnung der Vorsignalpositionen nicht möglich ist. Darüber hinaus werden Algorithmen zur Berechnung von Halte- und Fahrzeiten an bzw. zwischen den vorher errechneten Betriebsstellen erläutert. Die gewonnenen Informationen werden im letzten Teil in einem Algorithmus genutzt, um Ankunftsprognosen einzelner Fahrten an beliebigen geografischen Stellen der Strecke erstellen zu können. GPS-Daten unterliegen verschiedenen Ungenauigkeiten, die betrachtet werden müssen, um aussagekräftige Ergebnisse liefern zu können. In der Arbeit wird deshalb ausführlich auf die Messungenauigkeiten und Messfehler der betrachteten Daten eingegangen. Ausnahmefall- und Sonderfallbetrachtungen und -behandlungen machen einen großen Teil der Lösungsentwicklungen aus.:1 Einleitung 1.1 Zielsetzung 1.1.1 Aufgabenstellung 1.1.2 Anwendungsfälle 1.2 Datenquelle 1.3 Methodik und Aufbau 1.4 Beschreibung der verwendeten Systemumgebung 2 Begriffsklärungen 3 Vergleichbare Arbeiten 3.1 GNSS zur verbesserten Echtzeitlokalisierung von Fahrzeugen 3.2 Einsatz von digitalen Karten und GIS zusätzlich zu GNSS 3.3 Vermessung von Gleisstrecken mittels GNSS 3.4 Einordnung der Arbeit 4 Beschreibung und Vorbereitung der Rohdaten 4.1 Aufbau der GPRMC-Rohdaten 4.2 Konvertierung der Rohdaten 4.2.1 Vorbereitung der Logdateien 4.2.2 Import der Logdatei 4.2.3 Anlegen von Indexes 4.2.4 Materialisierte Sichten 5 Clustering der Daten 23 5.1 Temporaler Schnitt der Daten 5.2 Ansatz 1: k-Means-Clustering 5.2.1 Definition 5.2.2 Berechnung der Cluster 5.2.3 Fazit 5.3 Ansatz 2: Dichtebasiertes Clustering 5.3.1 Definition 5.3.2 Fazit 5.4 Ansatz 3: Gruppieren nach Koordinatenwerten - Rasterbasiertes Clustering 5.4.1 Berechnung der Cluster 5.4.2 Vorteile des Verfahrens 5.4.3 Nachteile des Verfahrens 5.4.4 Fazit 5.5 Ansatz 4: Snap-To-Track 5.5.1 Vorbereitung der Daten 5.5.2 Clustering 5.5.3 Vorteile des Verfahrens 5.5.4 Nachteile des Verfahrens 5.5.5 Fazit 5.6 Vergleich: Rasterbasiertes Clustering und Snap-To-Track 5.6.1 Fazit 6 Auswertungen mit rasterbasierten Clustern 6.1 Informationen aus Durchschnittsgeschwindigkeiten 6.2 Informationen aus Maximalgeschwindigkeiten 6.3 Informationen aus Standardabweichung der Geschwindigkeiten 7 Kontextabhängige Optimierungen der Datenmenge 7.1 Reduzierung von Datensätzen mit 0 km/h-Messungen 7.2 Zusammenführung mehrerer Messreihen 7.2.1 Zusammenführung von zwei Messreihen 7.2.2 Zusammenführung von mehr als zwei Messreihen 7.2.3 Fazit 8 Berechnung von Infrastruktur 8.1 Kriterien für die zu ermittelnde Infrastruktur 8.2 Regelmäßig bediente Betriebsstellen 8.2.1 Abfrage von Referenzdaten 8.2.2 Grundlage: Rasterbasiertes Clustering 8.2.2.1 Ergebnisse 8.2.3 Grundlage: Snap-To-Track-Clustering 8.2.3.1 Ergebnisse und Nachbesserungen 8.2.4 Vergleich beider Verfahren 8.2.5 Fazit 8.3 Berechnung der Ausrichtung der Betriebsstellen 8.3.1 Vergleichsfunktion für Richtungsangaben 8.3.2 Fazit 8.4 Berechnung von Haupt- und Vorsignalen, sowie Geschwindkeitsbeschränkungen 8.4.1 Berechnung von Haupt- und Vorsignalen für eine einzelne Fahrt 8.4.1.1 Beschreibung des Algorithmus für Signale 8.4.1.2 Umsetzung des Algorithmus für Signale als Datenbankabfrage 8.4.1.3 Beschreibung des Algorithmus für Geschwindigkeitsbeschränkungen 8.4.1.4 Einordnung des Algorithmus und Fazit 8.4.2 Berechnung von Haupt- und Vorsignalen für alle Fahrten 8.4.2.1 Berechnung der Positionen der Hauptsignale 8.4.2.2 Fazit 8.4.3 Berechnung von Geschwindigkeitsbeschränkungen für alle Fahrten 8.4.3.1 Beschreibung des Algorithmus 8.4.3.2 Umsetzung des Algorithmus als Datenbankabfrage 8.4.3.3 Fazit 9 Berechnung von betrieblichen Aspekten 9.1 Haltezeiten an Betriebsstellen 9.1.1 Auswirkungen der verwendeten Clusteringverfahren und Daten auf die Haltezeitberechnungen 9.1.2 Fazit 9.2 Fahrzeit zwischen Betriebsstellen 9.2.1 Fazit 9.3 Berechnung der Entfernungen zwischen Betriebsstellen 9.3.1 Beschreibung des Algorithmus 9.3.2 Umsetzung des Algorithmus als Datenbankabfrage 9.3.3 Fazit 9.4 Einordnung einzelner Fahrten 9.4.1 Beschreibung des Algorithmus 9.4.2 Umsetzung des Algorithmus als Datenbankabfrage 9.4.3 Beschreibung eines genaueren Algorithmus 9.4.4 Umsetzung des genaueren Algorithmus als Datenbankabfrage 9.4.5 Fazit 9.5 Ankunftsprognosen 9.5.1 Umsetzung des Algorithmus als Datenbankabfrage 9.5.2 Fazit 10 Ausblick 10.1 Offene Fragen der Arbeit 10.1.1 Unregelmäßig oder nur in eine Richtung bediente Haltepunkte, Bedarfshaltepunkte 10.1.2 Nutzung der Standardabweichungen für Geschwindigkeitswerte 10.1.3 Verifikation der berechneten Signalstandorte 10.1.4 Anpassung der gespeicherten Werte 10.1.5 Gleisscharfe Abfragen 10.2 Verbesserungen der demonstrierten Abfragen 10.2.1 Optimierung der Abfrageparameter bzgl. der Genauigkeit 10.2.2 Verbesserung der Fehlertoleranz 10.3 Einbeziehung anderer Forschungsarbeiten 10.4 Big Data, Machine Learning 11 Zusammenfassung und Fazit 11.1 Zusammenfassung der Kapitel 11.2 Fazit der Arbeit Anhang / In this thesis, it is demonstrated how the measurement series of a GPS receiver of a railcar can be used to determine information on railway infrastructure and operations in the related network. For this purpose the relational database system PostgreSQL with its extension PostGIS is used. In the first part, geographic positions of stations, stops, main and approach signals as well as signalized speed limits are calculated. Algorithms are presented that allow the calculation of the positions of regularly served stations, stops and signals. It is shown that the calculation of positions of approach signals is not possible with the selected algorithms. Furthermore, algorithms for the calculation of stopping and running times at or between the previously calculated operating points are explained. The information obtained is used in the last part in an algorithm to be able to generate arrival forecasts of specific trips at arbitrary geographical on-track locations. GPS data are subject to various inaccuracies that must be considered in order to provide meaningful results. The thesis especially deals with the analysis of measurement data regarding their inaccuracies and measurement errors. Therefore, exception and edge case considerations and treatments are a large part of the process of developing appropriate solutions.:1 Einleitung 1.1 Zielsetzung 1.1.1 Aufgabenstellung 1.1.2 Anwendungsfälle 1.2 Datenquelle 1.3 Methodik und Aufbau 1.4 Beschreibung der verwendeten Systemumgebung 2 Begriffsklärungen 3 Vergleichbare Arbeiten 3.1 GNSS zur verbesserten Echtzeitlokalisierung von Fahrzeugen 3.2 Einsatz von digitalen Karten und GIS zusätzlich zu GNSS 3.3 Vermessung von Gleisstrecken mittels GNSS 3.4 Einordnung der Arbeit 4 Beschreibung und Vorbereitung der Rohdaten 4.1 Aufbau der GPRMC-Rohdaten 4.2 Konvertierung der Rohdaten 4.2.1 Vorbereitung der Logdateien 4.2.2 Import der Logdatei 4.2.3 Anlegen von Indexes 4.2.4 Materialisierte Sichten 5 Clustering der Daten 23 5.1 Temporaler Schnitt der Daten 5.2 Ansatz 1: k-Means-Clustering 5.2.1 Definition 5.2.2 Berechnung der Cluster 5.2.3 Fazit 5.3 Ansatz 2: Dichtebasiertes Clustering 5.3.1 Definition 5.3.2 Fazit 5.4 Ansatz 3: Gruppieren nach Koordinatenwerten - Rasterbasiertes Clustering 5.4.1 Berechnung der Cluster 5.4.2 Vorteile des Verfahrens 5.4.3 Nachteile des Verfahrens 5.4.4 Fazit 5.5 Ansatz 4: Snap-To-Track 5.5.1 Vorbereitung der Daten 5.5.2 Clustering 5.5.3 Vorteile des Verfahrens 5.5.4 Nachteile des Verfahrens 5.5.5 Fazit 5.6 Vergleich: Rasterbasiertes Clustering und Snap-To-Track 5.6.1 Fazit 6 Auswertungen mit rasterbasierten Clustern 6.1 Informationen aus Durchschnittsgeschwindigkeiten 6.2 Informationen aus Maximalgeschwindigkeiten 6.3 Informationen aus Standardabweichung der Geschwindigkeiten 7 Kontextabhängige Optimierungen der Datenmenge 7.1 Reduzierung von Datensätzen mit 0 km/h-Messungen 7.2 Zusammenführung mehrerer Messreihen 7.2.1 Zusammenführung von zwei Messreihen 7.2.2 Zusammenführung von mehr als zwei Messreihen 7.2.3 Fazit 8 Berechnung von Infrastruktur 8.1 Kriterien für die zu ermittelnde Infrastruktur 8.2 Regelmäßig bediente Betriebsstellen 8.2.1 Abfrage von Referenzdaten 8.2.2 Grundlage: Rasterbasiertes Clustering 8.2.2.1 Ergebnisse 8.2.3 Grundlage: Snap-To-Track-Clustering 8.2.3.1 Ergebnisse und Nachbesserungen 8.2.4 Vergleich beider Verfahren 8.2.5 Fazit 8.3 Berechnung der Ausrichtung der Betriebsstellen 8.3.1 Vergleichsfunktion für Richtungsangaben 8.3.2 Fazit 8.4 Berechnung von Haupt- und Vorsignalen, sowie Geschwindkeitsbeschränkungen 8.4.1 Berechnung von Haupt- und Vorsignalen für eine einzelne Fahrt 8.4.1.1 Beschreibung des Algorithmus für Signale 8.4.1.2 Umsetzung des Algorithmus für Signale als Datenbankabfrage 8.4.1.3 Beschreibung des Algorithmus für Geschwindigkeitsbeschränkungen 8.4.1.4 Einordnung des Algorithmus und Fazit 8.4.2 Berechnung von Haupt- und Vorsignalen für alle Fahrten 8.4.2.1 Berechnung der Positionen der Hauptsignale 8.4.2.2 Fazit 8.4.3 Berechnung von Geschwindigkeitsbeschränkungen für alle Fahrten 8.4.3.1 Beschreibung des Algorithmus 8.4.3.2 Umsetzung des Algorithmus als Datenbankabfrage 8.4.3.3 Fazit 9 Berechnung von betrieblichen Aspekten 9.1 Haltezeiten an Betriebsstellen 9.1.1 Auswirkungen der verwendeten Clusteringverfahren und Daten auf die Haltezeitberechnungen 9.1.2 Fazit 9.2 Fahrzeit zwischen Betriebsstellen 9.2.1 Fazit 9.3 Berechnung der Entfernungen zwischen Betriebsstellen 9.3.1 Beschreibung des Algorithmus 9.3.2 Umsetzung des Algorithmus als Datenbankabfrage 9.3.3 Fazit 9.4 Einordnung einzelner Fahrten 9.4.1 Beschreibung des Algorithmus 9.4.2 Umsetzung des Algorithmus als Datenbankabfrage 9.4.3 Beschreibung eines genaueren Algorithmus 9.4.4 Umsetzung des genaueren Algorithmus als Datenbankabfrage 9.4.5 Fazit 9.5 Ankunftsprognosen 9.5.1 Umsetzung des Algorithmus als Datenbankabfrage 9.5.2 Fazit 10 Ausblick 10.1 Offene Fragen der Arbeit 10.1.1 Unregelmäßig oder nur in eine Richtung bediente Haltepunkte, Bedarfshaltepunkte 10.1.2 Nutzung der Standardabweichungen für Geschwindigkeitswerte 10.1.3 Verifikation der berechneten Signalstandorte 10.1.4 Anpassung der gespeicherten Werte 10.1.5 Gleisscharfe Abfragen 10.2 Verbesserungen der demonstrierten Abfragen 10.2.1 Optimierung der Abfrageparameter bzgl. der Genauigkeit 10.2.2 Verbesserung der Fehlertoleranz 10.3 Einbeziehung anderer Forschungsarbeiten 10.4 Big Data, Machine Learning 11 Zusammenfassung und Fazit 11.1 Zusammenfassung der Kapitel 11.2 Fazit der Arbeit Anhang

Olika typer av data genereras kontinuerligt varje sekund och för att kunna analysera denna data måste den transformeras till någon typ av visuell representation. En vanlig typ av data är spatio-temporal data, vilket är data som existerar i både rymd och tid. Hur denna typ av data kan visualiseras har undersökts under en lång period och området är fortfarande relevant idag. Ett antal metoder har undersökts i detta arbete och en genomgående litteraturstudie har genomförts. En applikation som implementerar ett antal av dessa undersökta metoder för att visualisera klimatdata har även skapats. / Different kinds of data is generated continuously every second and in order to be ableto analyze this data it has to be transformed into some kind of visual representation. Onecommon type of data is spatio-temporal data, which is data that exists in both space andtime. How to visualize this kind of data have been researched for a long time and is still avery relevant subject to expand on today. A number of approaches have been explored inthis work. An extensive literature study has also been performed and can be read in thisreport. The study has been divided into different classifications of spatio-temporal dataand the visual representations are structured by these classes.Another contribution of this thesis is a climate data application to visualize spatiotemporaldata sets of temperatures collected for several countries in the world. This applicationimplements several of the visual representations presented in the survey includedin this thesis. This resulted in a four display application, each showing a different aspect ofthe chosen data sets that consisted of climate data. The result shows how effective multiplelinked views are in order to understand different characteristics of the data.

[pt] Os últimos anos testemunharam o uso crescente de dispositivos que rastreiam objetos móveis: equipamentos com GPS e telefones móveis, veículos ou outros sensores da Internet das Coisas, além de dados de localização de check-ins de redes sociais. Estes dados de mobilidade são representados como trajetórias, e armazenam a sequência de posições de um objeto móvel. Porém, estas sequências representam somente os dados de posição originais, que precisam ser semanticamente enriquecidos para permitir tarefas de análise e apoiar um entendimento profundo sobre o comportamento do movimento. Um outro espaço de dados global sem precedentes tem crescido rapidamente, a Web de Dados, graças à iniciativa de Dados Interligados. Estes dados semânticos ricos e livremente disponíveis fornecem uma nova maneira de enriquecer dados de trajetória. Esta tese apresenta contribuições para os desafios que surgem considerando este cenário. Em primeiro lugar, a tese investiga como dados de trajetória podem se beneficiar da iniciativa de dados interligados, guiando todo o processo de enriquecimento semântico utilizando fontes de dados externas. Em segundo lugar, aborda o tópico de computação de similaridade entre entidades representadas como dados interligados com o objetivo de computar a similaridade entre trajetórias semanticamente enriquecidas. A novidade da abordagem apresentada nesta tese consiste em considerar as características relevantes das entidades como listas ranqueadas. Por último, a tese aborda a computação da similaridade entre trajetórias enriquecidas comparando a similaridade entre todas as entidades representadas como dados interligados que representam as trajetórias enriquecidas. / [en] The last years witnessed a growing number of devices that track moving objects: personal GPS equipped devices and GSM mobile phones, vehicles or other sensors from the Internet of Things but also the location data deriving from the Social Networks check-ins. These mobility data are represented as trajectories, recording the sequence of locations of the moving object. However, these sequences only represent the raw location data and they need to be semantically enriched to be meaningful in the analysis tasks and to support a deep understanding of the movement behavior. Another unprecedented global space that is also growing at a fast pace is the Web of Data, thanks to the emergence of the Linked Data initiative. These freely available semantic rich datasets provide a novel way to enhance trajectory data. This thesis presents a contribution to the many challenges that arise from this scenario. First, it investigates how trajectory data may benefit from the Linked Data Initiative by guiding the whole trajectory enrichment process with the use of external datasets. Then, it addresses the pivotal topic of the similarity computation between Linked Data entities with the final objective of computing the similarity between semantically enriched trajectories. The novelty of our approach is that the thesis considers the relevant entity features as a ranked list. Finally, the thesis targets the computation of the similarity between enriched trajectories by comparing the similarity of the Linked Data entities that represent the enriched trajectories.

Visual analytics of large amounts of spatio-temporal data is challenging due to the overlap and clutter from movements of multiple objects. A common approach for analyzing such data is to consider how groups of items cluster and move together in space and time. However, most methods for showing Spatio-temporal Cluster (STC) properties, concentrate on a few dimensions of the cluster (e.g. the cluster movement direction or cluster density) and many other properties are not represented. Furthermore, while representing multiple attributes of clusters in a single view existing methods fail to preserve the original shape of the cluster or distort the actual spatial covering of the dataset. In this thesis, I propose a simple yet effective visualization, FlockViz, for showing multiple STC data dimensions in a single view by preserving the original cluster shape. To evaluate this method I develop a framework for categorizing the wide range of tasks involved in analyzing STCs. I conclude this work through a controlled user study comparing the performance of FlockViz with alternative visualization techniques that aid with cluster-based analytic tasks. Finally the exploration capability of FlockViz is demonstrated in some real life data sets such as fish movement, caribou movement, eagle migration, and hurricane movement. The results of the user studies and use cases confirm the advantage and novelty of the novel FlockViz design for visual analytic tasks.