Cette thèse a pour but d’étudier les activités humaines à travers l’analyse du flux de signalisation du réseau cellulaire de données (GTP). Pour ce faire, nous avons mis en place un ensemble d’outils nous permettant de collecter, stocker et analyser ces données de signalisation. Ceci en se basant sur une architecture indépendante au maximum des constructeurs de matériel. À partir des données extraites par cette plateforme nous avons fait trois contributions.Dans une première contribution, nous présentons l’architecture de la plateforme de capture et d’analyse de la signalisation GTP dans un réseau d’opérateur. Ce travail a pour but de faire l’inventaire des différents éléments déclenchant des mises à jour et aussi d’estimer la précision temporelle et spatiale des données collectées. Ensuite, nous présentons une série de mesures, mettant en avant les caractéristiques principales de la mobilité humaine observées au travers de la signalisation mobile (le temps inter-arrivées des messages de mise à jour, la distance observée des sauts entre cellules lors des déplacements des clients). Finalement, nous présentons l’analyse des compromis qui ont été faits entre la rapidité d’écriture/de lecture et la facilité d’usage du format de fichier utilisé lors de l’échange d’informations entre les sondes de capture et le système stockage. Deuxièmement, nous avons été capables de mettre en place un algorithme de reconstitution de trajets. Cet algorithme permet, à partir de données éparses issues du réseau cellulaire, de forger des trajets sur les voies de transport. Il se base sur les données des trajets sous-échantillonnées et en déduit les positions du client sur les voies de communication. Nous avons mis en place un graphe de transport intermodal. Celui-ci porte sur le métro, le train et le réseau routier. Il connecte les différents points entre eux dans chacune des couches de transport et interconnecte les modes de transport entre eux, aux intersections. Notre algorithme se base sur un modèle de chaîne de Markov cachée pour placer sur le graphe les positions probables des individus entre les différentes observations. L’apport de ce travail est l’utilisation des propriétés topologiques du réseau de transport afin de renseigner les probabilités d’émission et de transition dans un modèle non supervisé. Ces travaux ont donné lieu à une publication et à un brevet. Finalement, notre dernière contribution utilise les données issues de la signalisation à des fins de dimensionnement du réseau mobile d’opérateur. Il s’agit de dimensionner dynamiquement un réseau mobile en utilisant les bandes de fréquences dites vTV-Whitespace. Ces bandes de fréquences sont libérées sous certaines conditions aux USA et soumises à vente aux enchères. Ce que nous proposons est un système basé sur un algorithme de qualité d’expérience (QoE) et sur le coût de la ressource radio afin de choisir où déployer des femtocells supplémentaires et où en supprimer en fonction des variations de population par unité d’espace. En conclusion, cette thèse offre un aperçu du potentiel de l’analyse des metadata de signalisation d’un réseau dans un contexte plus général que la simple supervision d’un réseau d’opérateur / The aim of this thesis is to study human activities through the analysis of the signaling flow in cellular data network (GTP). In order to achieve this goal, we implemented a set of tools allowing us to collect, store and analyze this signaling data. We created an architecture independent at most of hardware manufacturers and network operators. Using data extracted by this platform we made three main contributions. In our first contribution, we present the GTP capture and analysis platform in a mobile operator network. This work intends to list the different elements triggering updates and to estimate the temporal and spatial accuracy of the data collected. Next, we present a set of measures that represent the main characteristics of human mobility observed through the mobile signaling data (the inter-arrival time of update messages, the observed distances of hops from cell to cell made by moving users). Finally, we present the analysis of the compromise that was made between the writing/reading performances and the ease of use of the file format for the data storage. In our second contribution, we propose CT-Mapper, an unsupervised algorithm that enables the mapping of mobile phone traces over a multimodal transport network. One of the main strengths of CT-Mapper is its capability to map noisy sparse cellular multimodal trajectories over a multilayer transportation network where the layers have different physical properties and not only to map trajectories associated with a single layer. Such a network is modeled by a large multilayer graph in which the nodes correspond to metro/train stations or road intersections and edges correspond to connections between them. The mapping problem is modeled by an unsupervised HMM where the observations correspond to sparse user mobile trajectories and the hidden states to the multilayer graph nodes. The HMM is unsupervised as the transition and emission probabilities are inferred using respectively the physical transportation properties and the information on the spatial coverage of antenna base stations. Finally, in our last contribution we propose a method for cellular resource planning taking into account user mobility. Since users move, the bandwidth resource should move accordingly. We design a score based method using TV Whitespace, and user experience, to determine from which cell resource should be removed and to which one it should be added. Combined with traffic history it calculates scores for each cell. Bandwidth is reallocated on a half-day basis. Before that, real traces of cellular networks in urban districts are presented which confirm that static network planning is no longer optimal. A dynamic femtocell architecture is then presented. It is based on mesh interconnected elements and designed to serve the score based bandwidth allocation algorithm. The score method along with the architecture are simulated and results are presented. They confirm the expected improvement in bandwidth and delay per user while maintaining a low operation cost at the operator side. In conclusion, this thesis provides an overview of the potential of analyzing the signaling metadata of a network in a broader context that supervision of an operator network

La capacité à prévoir les activités humaines a des implications essentielles dans de nombreux aspects des réseaux cellulaires. En particulier, la haute disponibilité de la prédiction de la mobilité peut permettre différents scénarios d'application; une meilleure compréhension de la demande de trafic de données mobiles peut aider à améliorer la conception de solutions pour l'équilibrage de la charge du réseau. Bien que de nombreux chercheurs aient étudié le sujet de la prédiction de la mobilité humaine, il y a eu peu de discussions sur l'anticipation du trafic de données mobiles dans les réseaux cellulaires.Pour comprendre la mobilité humaine, les ensembles de données de téléphones mobiles, consistant en des enregistrements de données de taxation (CDR), constituent un choix pratique d'empreintes humaines. Comme le déploiement du réseau cellulaire est très irrégulier et que les fréquences d'interaction sont généralement faibles, les données CDR sont souvent caractérisées par une parcimonie spatio-temporelle qui, à son tour, peut biaiser les analyses de mobilité basées sur de telles données et provoquer la perte de trajectoires individuelles.Dans cette thèse, nous présentons de nouvelles solutions de reconstruction de trajectoires individuelles et de prédiction de trafic de données mobiles individuelles. Nos contributions abordent les problèmes de (1) surmonter l'incomplétude des informations de mobilité pour l'utilisation des ensembles de données de téléphonie mobile et (2) prédire la future demande de trafic de données mobiles pour le support des applications de gestion de réseau.Premièrement, nous nous concentrons sur la faille de l'information sur la mobilité dans les ensembles de données de téléphones mobiles. Nous rapportons une analyse en profondeur de son effet sur la mesure des caractéristiques de mobilité individuelles et l'exhaustivité des trajectoires individuelles. En particulier, (1) nous fournissons une confirmation des résultats antérieurs concernant les biais dans les mesures de mobilité causées par la rareté temporelle de la CDR; (2) nous évaluons le décalage géographique provoqué par la cartographie des emplacements des utilisateurs vers les tours cellulaires et révélons le biais causé par la rareté spatiale de la CDR; (3) nous fournissons une estimation empirique de l'exhaustivité des données des trajectoires CDR individuelles. (4) nous proposons de nouvelles solutions de complétion CDR pour reconstruire incomplète. Nos solutions tirent parti de la nature des modèles de mouvements humains répétitifs et des techniques d'inférence de données de pointe et surpassent les approches précédentes illustrées par des simulations axées sur les données.Deuxièmement, nous abordons la prédiction des demandes de trafic de données mobiles générées par les abonnés individuels du réseau mobile. Sur la base de trajectoires complétées par nos solutions développées et nos historiques de consommation de données extraites d'un ensemble de données de téléphonie mobile à grande échelle, (1) nous étudions les limites de prévisibilité en mesurant la prévisibilité maximale que tout algorithme peut atteindre. les approches de prédiction du trafic de données mobiles qui utilisent les résultats de l'analyse théorique de la prévisibilité. Notre analyse théorique montre qu'il est théoriquement possible d'anticiper la demande individuelle avec une précision typique de 75% malgré l'hétérogénéité des utilisateurs et avec une précision améliorée de 80% en utilisant la prédiction conjointe avec des informations de mobilité. Notre pratique basée sur des techniques d'apprentissage automatique peut atteindre une précision typique de 65% et avoir un degré d'amélioration de 1% à 5% en considérant les déplacements individuels.En résumé, les contributions mentionnées ci-dessus vont dans le sens de l'utilisation des ensembles de données de téléphonie mobile et de la gestion des opérateurs de réseau et de leurs abonnés. / The understanding of human behaviors is a central question in multi-disciplinary research and has contributed to a wide range of applications. The ability to foresee human activities has essential implications in many aspects of cellular networks. In particular, the high availability of mobility prediction can enable various application scenarios such as location-based recommendation, home automation, and location-related data dissemination; the better understanding of mobile data traffic demand can help to improve the design of solutions for network load balancing, aiming at improving the quality of Internet-based mobile services. Although a large and growing body of literature has investigated the topic of predicting human mobility, there has been little discussion in anticipating mobile data traffic in cellular networks, especially in spatiotemporal view of individuals.For understanding human mobility, mobile phone datasets, consisting of Charging Data Records (CDRs), are a practical choice of human footprints because of the large-scale user populations and the vast diversity of individual movement patterns. The accuracy of mobility information granted by CDR depends on the network infrastructure and the frequency of user communication events. As cellular network deployment is highly irregular and interaction frequencies are typically low, CDR data is often characterized by spatial and temporal sparsity, which, in turn, can bias mobility analyses based on such data and cause the loss of whereabouts in individual trajectories.In this thesis, we present novel solutions of the reconstruction of individual trajectories and the prediction of individual mobile data traffic. Our contributions address the problems of (1) overcoming the incompleteness of mobility information for the use of mobile phone datasets and (2) predicting future mobile data traffic demand for the support of network management applications.First, we focus on the flaw of mobility information in mobile phone datasets. We report on an in-depth analysis of its effect on the measurement of individual mobility features and the completeness of individual trajectories. In particular, (1) we provide a confirmation of previous findings regarding the biases in mobility measurements caused by the temporal sparsity of CDR; (2) we evaluate the geographical shift caused by the mapping of user locations to cell towers and reveal the bias caused by the spatial sparsity of CDR; (3) we provide an empirical estimation of the data completeness of individual CDR-based trajectories. (4) we propose novel solutions of CDR completion to reconstruct incomplete. Our solutions leverage the nature of repetitive human movement patterns and the state-of-the-art data inference techniques and outperform previous approaches shown by data-driven simulations.Second, we address the prediction of mobile data traffic demands generated by individual mobile network subscribers. Building on trajectories completed by our developed solutions and data consumption histories extracted from a large-scale mobile phone dataset, (1) we investigate the limits of predictability by measuring the maximum predictability that any algorithm has potential to achieve and (2) we propose practical mobile data traffic prediction approaches that utilize the findings of the theoretical predictability analysis. Our theoretical analysis shows that it is theoretically possible to anticipate the individual demand with a typical accuracy of 75% despite the heterogeneity of users and with an improved accuracy of 80% using joint prediction with mobility information. Our practical based on machine learning techniques can achieve a typical accuracy of 65% and have a 1%~5% degree of improvement by considering individual whereabouts.In summary, the contributions mentioned above provide a step further towards supporting the use of mobile phone datasets and the management of network operators and their subscribers.

No description available.

Aujourd'hui c'est un fait, nous vivons dans un monde où les enjeux écologiques, économiques et sociétaux sont de plus en plus pressants. Au croisement des différentes lignes directrices envisagées pour répondre à ces problèmes, une vision plus précise de la mobilité humaine est un axe central et majeur, qui a des répercussions sur tous les domaines associés tels que le transport, les sciences sociales, l'urbanisme, les politiques d'aménagement, l'écologie, etc. C'est par ailleurs dans un contexte de contraintes budgétaires fortes que les principaux acteurs de la mobilité sur les territoires cherchent à rationaliser les services de transport, et les déplacements des individus. La mobilité humaine est donc un enjeu stratégique aussi bien pour les collectivités locales que pour les usagers, qu'il faut savoir observer, comprendre, et anticiper.Cette étude de la mobilité passe avant tout par une observation précise des déplacements des usagers sur les territoires. Aujourd'hui les acteurs de la mobilité se tournent principalement vers l'utilisation massive des données utilisateurs. L'utilisation simultanée de données multi-sources, multi-modales, et multi-échelles permet d'entrevoir de nombreuses possibilités, mais cette dernière présente des défis technologiques et scientifiques majeurs. Les modèles de mobilité présentés dans la littérature sont ainsi trop souvent axés sur des zones d'expérimentation limitées, en utilisant des données calibrées, etc. et leur application dans des contextes réels, et à plus large échelle est donc discutable. Nous identifions ainsi deux problématiques majeures qui permettent de répondre à ce besoin d'une meilleure connaissance de la mobilité humaine, mais également à une meilleure application de cette connaissance. La première problématique concerne l'extraction d'informations de mobilité à partir de la fusion de données hétérogènes. La seconde problématique concerne la pertinence de cette fusion dans un contexte réel, et à plus large échelle. Nous apportons différents éléments de réponses à ces problématiques dans cette thèse. Tout d'abord en présentant deux modèles de fusion de données, qui permettent une extraction d'informations pertinentes. Puis, en analysant l'application de ces deux modèles au sein du projet ANR Norm-Atis.Dans cette thèse, nous suivons finalement le développement de toute une chaine de processus. En commençant par une étude de la mobilité humaine, puis des modèles de mobilité, nous présentons deux modèles de fusion de données, et nous analysons leur pertinence dans un cas concret. Le premier modèle que nous proposons permet d'extraire 12 comportements types de mobilité. Il est basé sur un apprentissage non-supervisé de données issues de la téléphonie mobile. Nous validons nos résultats en utilisant des données officielles de l'INSEE, et nous déduisons de nos résultats, des comportements dynamiques qui ne peuvent pas être observés par les données de mobilité traditionnelles. Ce qui est une forte valeur-ajoutée de notre modèle. Le second modèle que nous proposons permet une désagrégation des flux de mobilité en six motifs de mobilité. Il se base sur un apprentissage supervisé des données issues d'enquêtes de déplacements ainsi que des données statiques de description du sursol. Ce modèle est appliqué par la suite aux données agrégés au sein du projet Norm-Atis. Les temps de calculs sont suffisamment performants pour permettre une application de ce modèle dans un contexte temps-réel. / Today it is a fact that we live in a world where ecological, economic and societal issues are increasingly pressing. At the crossroads of the various guidelines envisaged to address these problems, a more accurate vision of human mobility is a central and major axis, which has repercussions on all related fields such as transport, social sciences, urban planning, management policies, ecology, etc. It is also in the context of strong budgetary constraints that the main actors of mobility on the territories seek to rationalize the transport services and the movements of individuals. Human mobility is therefore a strategic challenge both for local communities and for users, which must be observed, understood and anticipated.This study of mobility is based above all on a precise observation of the movements of users on the territories. Nowadays mobility operators are mainly focusing on the massive use of user data. The simultaneous use of multi-source, multi-modal, and multi-scale data opens many possibilities, but the latter presents major technological and scientific challenges. The mobility models presented in the literature are too often focused on limited experimental areas, using calibrated data, etc., and their application in real contexts and on a larger scale is therefore questionable. We thus identify two major issues that enable us to meet this need for a better knowledge of human mobility, but also to a better application of this knowledge. The first issue concerns the extraction of mobility information from heterogeneous data fusion. The second problem concerns the relevance of this fusion in a real context, and on a larger scale. These issues are addressed in this dissertation: the first, through two data fusion models that allow the extraction of mobility information, the second through the application of these fusion models within the ANR Norm-Atis project.In this thesis, we finally follow the development of a whole chain of processes. Starting with a study of human mobility, and then mobility models, we present two data fusion models, and we analyze their relevance in a concrete case. The first model we propose allows to extract 12 types of mobility behaviors. It is based on an unsupervised learning of mobile phone data. We validate our results using official data from the INSEE, and we infer from our results, dynamic behaviors that can not be observed through traditional mobility data. This is a strong added-value of our model. The second model operates a mobility flows decompositoin into six mobility purposes. It is based on a supervised learning of mobility surveys data and static data from the land use. This model is then applied to the aggregated data within the Norm-Atis project. The computing times are sufficiently powerful to allow an application of this model in a real-time context.

全球化的移民浪潮湧現，各國紛紛透過放鬆移民限制吸引白領移民前往投資和長期居住，展開對擁有資金和技術的白領移民之跨國爭奪，而活躍於全球市場的台商即為其中之一。另外在台商研究之中，從經濟面向研究者眾多，但台商的跨國生活與社會形態目前仍較少有學者關注，而對於台商為經營跨國生活的身份選擇考量，相關研究仍屬有限。有鑒於此，作者乃以上海市台商為研究案例，從跨國主義的移民研究所提出的核心分析概念「跨國社會場域」出發，整理傳統移民研究中的人員遷移因素，歸納出四種流動能力的要素，並結合公民身份理論，說明台商的流動能力如何影響其在移居國的身份選擇考量。具體而言，根據作者初步調查發現，由個人能力、跨國網絡、全球觀所構成的流動能力，在穿越國家所設下的跨界障礙後，能夠持續形成跨國社會場域，而台商為了要能夠維持其所賴以為生的跨國社會場域，來加以考量是否要選擇中國大陸的成員身份或者是公民身份。如果台商的個人能力較弱、跨國網絡缺乏、經濟發展為主的全球觀，較傾向於會考慮選擇中國大陸的成員身份或者是公民身份來強化既有的跨國社會場域經營；反之則否。

This thesis focuses on the development of tools and methods dedicated for ultra wide band (UWB) localization systems in indoor environment. The thesis work was conducted within the European FP7 project Where2, about the cooperative localization in cellular networks. Data from a measurement campaign conduct during the project are used to validate the proposed algorithms. This thesis is divided in four parts : The first part is focused on the description of an original raytraing tool based on a graph description. In order to be compliant with the requirement of a mobile simulation, a new concept of rays signature enabling incremental computation, and a vectorized formalism for processing rays are described and implemented. The second part is focused on the indoor localization techniques, where a novel technique based on interval analysis approaches is presented and compared to alternative techniques. Advantageously using this approach, a specific processing based on an hypothesis testing method using received power observations to resolve ambiguities appearing in under determined localization problems is described. A third part describes different aspects of the dynamic platform. In particular a realistic mobility model based on ''steering behaviors'', a graph description of the network scene and an inter agents communication protocol are detailed. The fourth section uses measured data obtained from an heterogeneous measurement campaign to validate both the developed software platform and the proposed localization algorithms.

Cette thèse apporte des contributions à la modélisation, compréhension ainsi qu'à la communication efficace d'information dans les réseaux dynamiques peuplant la périphérie de l'Internet. Par réseaux dynamiques, nous signifions les réseaux pouvant être modélisés par des graphes dynamiques dans lesquels noeuds et liens évoluent temporellement. Dans la première partie de la thèse, nous proposons un nouveau modèle de mobilité - STEPS - qui permet de capturer un large spectre de comportement de mobilité humains. STEPS mets en oeuvre deux principes fondamentaux de la mobilité humaine : l'attachement préférentiel à une zone de prédilection et l'attraction vers une zone de prédilection. Nous proposons une modélisation markovienne de ce modèle de mobilité. Nous montrons que ce simple modèle paramétrique est capable de capturer les caractéristiques statistiques saillantes de la mobilité humaine comme la distribution des temps d'inter-contacts et de contacts. Dans la deuxième partie, en utilisant STEPS, nous analysons les propriétés comportementales et structurelles fondamentales des réseaux opportunistes. Nous redéfinissons dans le contexte des réseaux dynamiques la notion de structure petit monde et montrons comment une telle structure peut émerger. En particulier, nous montrons que les noeuds fortement dynamiques peuvent jouer le rôle de ponts entre les composants déconnectés, aident à réduire significativement la longueur du chemin caractéristique du réseau et contribuent à l'émergence du phénomène petit-monde dans les réseaux dynamiques. Nous proposons une façon de modéliser ce phénomène sous STEPS. À partir d'un réseau dynamique régulier dans lequel les noeuds limitent leur mobilité à leurs zones préférentielles respectives. Nous recablons ce réseau en injectant progressivement des noeuds nomades se déplaçant entre plusieurs zones. Nous montrons que le pourcentage de tels nœuds nomades est de 10%, le réseau possède une structure petit monde avec un fort taux de clusterisation et un faible longueur du chemin caractéristique. La troisième contribution de cette thèse porte sur l'étude de l'impact du désordre et de l'irrégularité des contacts sur la capacité de communication d'un réseau dynamique. Nous analysons le degré de désordre de réseaux opportunistes réels et montrons que si exploité correctement, celui-ci peut améliorer significativement les performances du routage. Nous introduisons ensuite un modèle permettant de capturer le niveau de désordre d'un réseau dynamique. Nous proposons deux algorithmes simples et efficaces qui exploitent la structure temporelle d'un réseau dynamique pour délivrer les messages avec un bon compromis entre l'usage des ressources et les performances. Les résultats de simulations et analytiques montrent que ce type d'algorithme est plus performant que les approches classiques. Nous mettons également en évidence aussi la structure de réseau pour laquelle ce type d'algorithme atteint ses performances optimum. Basé sur ce résultat théorique nous proposons un nouveau protocole de routage efficace pour les réseaux opportunistes centré sur le contenu. Dans ce protocole, les noeuds maintiennent, via leurs contacts opportunistes, une fonction d'utilité qui résume leur proximité spatio-temporelle par rapport aux autres noeuds. En conséquence, router dans un tel contexte se résume à suivre le gradient de plus grande pente conduisant vers le noeud destination. Cette propriété induit un algorithme de routage simple et efficace qui peut être utilisé aussi bien dans un contexte d'adressage IP que de réseau centré sur les contenus. Les résultats de simulation montrent que ce protocole superforme les protocoles de routage classiques déjà définis pour les réseaux opportunistes. La dernière contribution de cette thèse consiste à mettre en évidence une application potentielle des réseaux dynamiques dans le contexte du " mobile cloud computing ". En utilisant les techniques d'optimisation particulaires, nous montrons que la mobilité peut augmenter considérablement la capacité de calcul des réseaux dynamiques. De plus, nous montrons que la structure dynamique du réseau a un fort impact sur sa capacité de calcul.

Made available in DSpace on 2011-05-04T12:36:22Z (GMT). No. of bitstreams: 0 Previous issue date: 2009 / Isótopos de estrôncio têm sido usados com êxito na identificação de padrões de mobilidade humana por diversos autores. Apesar de a técnica ter sido desenvolvida há mais de duas décadas, ela foi pouco utilizada em populações construtoras de sambaquis do sul do Brasil. O presente estudo analisou esmalte dentário de indivíduos sepultados no sítio Forte Marechal Luz, um sítio escavado por Alan Bryan na década de 1960, que apresenta pacotes arqueológicos sem presença de cerâmica e com presença de cerâmica,situado em Santa Catarina, Brasil, na tentativa de identificar indivíduos não locais originados de sítios ceramistas do interior. Os resultados apontam a existência de três indivíduos não locais (9.4 por cento do total), possivelmente originados do Planalto Catarinense, próximo ao município de Lages, ou do Planalto Curitibano. Os não locais foram encontrados tanto no nível pré-ceramista como no ceramista. A razão isotópica dos indivíduos considerados locais é mais próxima da razão isotópica da água do mar do que da razão isotópica da fauna terrestre, indicando forte influência marinha na dieta dessas populações. Por outro lado, ressaltase que remanescentes de fauna terrestre analisados apresentaram valores isotópicos significativamente mais elevados, indicando sua contribuição limitada como fonte alimentar desses indivíduos / For more than two decades many authors have successfully identified patterns of human mobility using Strontium isotopes. However, there are no conclusive studies using this technique with the shellmounds of the south of Brazil. This study analyzed tooth enamel of individuals buried in a pre-ceramic and a ceramic occupation of the archaeological site of Forte Marechal Luz, located in the coast of the state of Santa Catarina, Brazil, in order to identify outsiders within the local population, from ceramic sites located in the hinterland of south Brazil. The results indicated three non-local individuals (9.4%), possibly from the Planalto Catarinense, near Lages-SC city, or from the Planalto Curitibano, around Curitiba-PR City. There are non-local individuals in both pre-ceramic and ceramic occupations of the Forte Marechal Luz site. The isotopic ratios found for the locals are very similar to the ratio of seawater, indicating a strong relationship between the locals and marine resources, including food and water. The terrestrial fauna analyzed presented significantly higher ratios than the human strontium rations, indicating that it had less contribution for the local population’s diet than marine resources.

No description available.

Large carnivores are among the most challenging species to conserve in our modern and crowded world. Having large spatial requirements and living in low density, they generally require wide and relatively undisturbed areas. In Europe, one of the most anthropized areas of the planet, these needs must be fulfilled in a complex human-dominated landscape. The reintroduced brown bear population living in the Central Alps represents one of the most emblematic examples of a constrained carnivore: despite a steady population increase in the first few years after reintroduction, the population did not substantially expand its range, nor has the Alpine-Dinaric metapopulation been reestablished as envisioned. Although humans have lived in the Alps for centuries, little is known about their impact on the bear population. In other environments humans are known to function as a “super-predator” by changing habitats, competing for space, consuming resources, and harvesting, which alters the ecological niche of animals, especially large carnivores. This dissertation aims to evaluate this phenomenon by assessing the effects of human disturbance on brown bears in the Alps. Anthropogenic disturbance is generally assessed by structural proxies, such as infrastructure and land use, which overlook the impact of human presence. In the first Chapter, we developed the Cumulative Outdoor activity Index (COI) to derive anthropogenic disturbance using crowdsourced data by Strava and validated it with ground truth observations derived from a local camera trapping survey. The intensity of COI provided an effective measure of functional anthropogenic disturbance, and it outperformed all commonly-used proxies of structural disturbance in predicting bear habitat use. When displacement is not an option because of habitat limitations and social mechanisms, bear mobility may clash with human activity. During the moments of lowest mobility, such as resting periods, animals have decreased ability to cope with risky situations, and therefore the selection of suitable resting areas is crucial for the long-term survival of individuals. In the second Chapter, we measured multi-scale response to risk perception (i.e., COI) and resource proximity using bedding sites by GPS radio-collared adult brown bears in the Alps. To map resources across the study area, we developed a GIS-database combining spatial and non-spatial ecological information to map fruit availability. We observed that bears apply a security-food trade-off strategy, avoiding functional anthropogenic disturbance while in proximity to resources. In the third Chapter, we explicitly tested the effect of an abrupt interruption of human mobility during COVID-19 lockdown on bears’ use of ecological corridors. Using bear occurrences reported to local authorities during the recent COVID-19 outbreak, we observed that bears used human-dominated areas more frequently, approached more intensively hot spots for road crossing network, and used areas further from the population core areas more often than previous years, suggesting that connectivity increased with reduced human mobility. In a comparatively human-free system, for the fourth Chapter we used longitudinal morphometric data to analyze drivers of changes in body mass as part of an international collaboration with biologists studying the grizzly bear in the Greater Yellowstone Ecosystem. Specifically, we analyzed changes in lean body mass and fat percentage during years of major ecosystem perturbations. We observed that individual lean body mass during the last two decades was primarily associated with population density, but not body fat percentage, showing density-dependent factors. Our combined findings (Chapters 1-3) showed that brown bears have to adapt their space use, movement, and resource proximity as a result of functional anthropogenic disturbance. In Chapter 4 we explored one effect of unconstrained bear space use on individuals, as manifested through density-dependent effects on body size. In the Alps, however, we found multiple instances of the human-super predator outcompeting bears so as to make density-dependent effects likely less significant as compared to human-caused mortality. These effects could occur in a variety of socio-ecological contexts across Europe, jeopardizing the long-term establishment of both newly reintroduced bear populations, as well as spatially limiting those naturally present in the environment. In response to disturbance, bears have had to reduce their ecological niche in human-dominated landscapes. Allowing humans and bears to coexist in the same landscape is a challenging task, but it is essential for the long-term survival of this newly reintroduced population that are otherwise at risk of extinction.