Grâce aux technologies web et mobiles, le partage de données entre utilisateurs a considérablement augmenté au cours des dernières années. Par exemple, les utilisateurs peuvent facilement enregistrer leurs trajectoires durant leurs déplacements quotidiens avec l'utilisation de récepteurs GPS et les mettre en relation avec les trajectoires d'autres utilisateurs. L'analyse des trajectoires des utilisateurs au fil du temps peut révéler des habitudes et préférences. Cette information peut être utilisée pour recommander des contenus à des utilisateurs individuels ou à des groupes d'utilisateurs avec des trajectoires ou préférences similaires. En revanche, l'enregistrement de points GPS génère de grandes quantités de données. Par conséquent, les algorithmes de clustering sont nécessaires pour analyser efficacement ces données. Dans cette thèse, nous nous concentrons sur l'étude des différentes solutions pour analyser les trajectoires, extraire les préférences et identifier les intérêts similaires entre les utilisateurs. Nous proposons un algorithme de clustering de trajectoires GPS. En outre, nous proposons un algorithme de corrélation basée sur les trajectoires des points proches entre deux ou plusieurs utilisateurs. Les résultats finaux ouvrent des perspectives intéressantes pour explorer les applications des réseaux sociaux basés sur la localisation.

Grâce aux technologies web et mobiles, le partage de données entre utilisateurs a considérablement augmenté au cours des dernières années. Par exemple, les utilisateurs peuvent facilement enregistrer leurs trajectoires durant leurs déplacements quotidiens avec l'utilisation de récepteurs GPS et les mettre en relation avec les trajectoires d'autres utilisateurs. L'analyse des trajectoires des utilisateurs au fil du temps peut révéler des habitudes et préférences. Cette information peut être utilisée pour recommander des contenus à des utilisateurs individuels ou à des groupes d'utilisateurs avec des trajectoires ou préférences similaires. En revanche, l'enregistrement de points GPS génère de grandes quantités de données. Par conséquent, les algorithmes de clustering sont nécessaires pour analyser efficacement ces données. Dans cette thèse, nous nous concentrons sur l'étude des différentes solutions pour analyser les trajectoires, extraire les préférences et identifier les intérêts similaires entre les utilisateurs. Nous proposons un algorithme de clustering de trajectoires GPS. En outre, nous proposons un algorithme de corrélation basée sur les trajectoires des points proches entre deux ou plusieurs utilisateurs. Les résultats finaux ouvrent des perspectives intéressantes pour explorer les applications des réseaux sociaux basés sur la localisation. / Sharing of user data has substantially increased over the past few years facilitated by sophisticated Web and mobile applications, including social networks. For instance, users can easily register their trajectories over time based on their daily trips captured with GPS receivers as well as share and relate them with trajectories of other users. Analyzing user trajectories over time can reveal habits and preferences. This information can be used to recommend content to single users or to group users together based on similar trajectories and/or preferences. Recording GPS tracks generates very large amounts of data. Therefore clustering algorithms are required to efficiently analyze such data. In this thesis, we focus on investigating ways of efficiently analyzing user trajectories, extracting user preferences from them and identifying similar interests between users. We demonstrate an algorithm for clustering user GPS trajectories. In addition, we propose an algorithm to correlate trajectories based on near points between two or more users. The final results provided interesting avenues for exploring Location-based Social Network (LBSN) applications.