{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3310771"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3310771","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"User mobility analysis in mobile communication systems","abstract":"Η παρούσα διπλωματική εργασία επικεντρώνεται κυρίως στη χρήση της ανάλυσης δεδομένων για την εξαγωγή πληροφοριών από τηλεπικοινωνιακά δεδομένα, και συγκεκριμένα με τη χρήση δεδομένων από την εκδήλωση Telecom Italia Big Data Challenge. Στα δεδομένα εφαρμόζεται χρονική και χωρική ανάλυση για την καλύτερη κατανόηση των μοτίβων χρήσης του δικτύου από τους χρήστες. Επιπλέον, η παρούσα εργασία χρησιμοποιεί διεργασίες Gauss και πίνακες συσχέτισης ως εργαλεία ανάλυσης δεδομένων. Αυτές οι μέθοδοι χρησιμοποιούνται για την πρόβλεψη των αναγκών χρήσης του δικτύου και η εργασία περιλαμβάνει μια ενδελεχή εξέταση αυτών των εργαλείων και της εφαρμογής τους στα δεδομένα. Η διπλωματική εργασία περιλαμβάνει επίσης ανάλυση δεδομένων GPS της κυκλοφορίας οχημάτων στις ίδιες περιοχές, προκειμένου να συγκριθεί η τηλεπικοινωνιακή και αυτοκινητιστική κίνηση και να διερευνηθούν τυχόν συσχετίσεις μεταξύ τους. Τα ευρήματα αυτής της έρευνας μπορούν να φανούν χρήσιμα για τον προσδιορισμό των αναγκών ‘handovers’ στο δίκτυο σε συγκεκριμένες περιοχές και τη βελτιστοποίηση της κάλυψης του δικτύου. Αναπτύσσονται μεγάλα κομμάτια κώδικα για κάθε μέρος της ανάλυσης, με την ταυτόχρονη εξέταση πολλαπλών παραδειγμάτων και με στόχο την εξαγωγή συμπερασμάτων σχετικά με την απόδοση των μεθόδων αυτών. Ο γενικός στόχος είναι η χρήση της ανάλυσης δεδομένων για την εξαγωγή αξιοποιήσιμων γνώσεων και τη βελτίωση της απόδοσης του δικτύου στα τηλεπικοινωνιακά συστήματα.","abstract_html":"Η παρούσα διπλωματική εργασία επικεντρώνεται κυρίως στη χρήση της ανάλυσης δεδομένων για την εξαγωγή πληροφοριών από τηλεπικοινωνιακά δεδομένα, και συγκεκριμένα με τη χρήση δεδομένων από την εκδήλωση Telecom Italia Big Data Challenge. Στα δεδομένα εφαρμόζεται χρονική και χωρική ανάλυση για την καλύτερη κατανόηση των μοτίβων χρήσης του δικτύου από τους χρήστες. Επιπλέον, η παρούσα εργασία χρησιμοποιεί διεργασίες Gauss και πίνακες συσχέτισης ως εργαλεία ανάλυσης δεδομένων. Αυτές οι μέθοδοι χρησιμοποιούνται για την πρόβλεψη των αναγκών χρήσης του δικτύου και η εργασία περιλαμβάνει μια ενδελεχή εξέταση αυτών των εργαλείων και της εφαρμογής τους στα δεδομένα. Η διπλωματική εργασία περιλαμβάνει επίσης ανάλυση δεδομένων GPS της κυκλοφορίας οχημάτων στις ίδιες περιοχές, προκειμένου να συγκριθεί η τηλεπικοινωνιακή και αυτοκινητιστική κίνηση και να διερευνηθούν τυχόν συσχετίσεις μεταξύ τους. Τα ευρήματα αυτής της έρευνας μπορούν να φανούν χρήσιμα για τον προσδιορισμό των αναγκών ‘handovers’ στο δίκτυο σε συγκεκριμένες περιοχές και τη βελτιστοποίηση της κάλυψης του δικτύου. Αναπτύσσονται μεγάλα κομμάτια κώδικα για κάθε μέρος της ανάλυσης, με την ταυτόχρονη εξέταση πολλαπλών παραδειγμάτων και με στόχο την εξαγωγή συμπερασμάτων σχετικά με την απόδοση των μεθόδων αυτών. Ο γενικός στόχος είναι η χρήση της ανάλυσης δεδομένων για την εξαγωγή αξιοποιήσιμων γνώσεων και τη βελτίωση της απόδοσης του δικτύου στα τηλεπικοινωνιακά συστήματα.","abstract_has_math":false,"creators":["Σκαρλάτος Αντώνιος","Skarlatos Antonios"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2023,"date_issued":"2023","date_published":"2023","updated_at":"2026-11-19T06:21:50Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3310771"],"render_values":[{"text":"uoadl:3310771","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3310771","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3310771","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A3310771","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Σκαρλάτος Αντώνιος","Skarlatos Antonios"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2023"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Θετικές Επιστήμες","Science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3310771","https://pergamos.lib.uoa.gr/uoa/dl/object/3310771"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η παρούσα διπλωματική εργασία επικεντρώνεται κυρίως στη χρήση της ανάλυσης δεδομένων για την εξαγωγή πληροφοριών από τηλεπικοινωνιακά δεδομένα, και συγκεκριμένα με τη χρήση δεδομένων από την εκδήλωση Telecom Italia Big Data Challenge. Στα δεδομένα εφαρμόζεται χρονική και χωρική ανάλυση για την καλύτερη κατανόηση των μοτίβων χρήσης του δικτύου από τους χρήστες. Επιπλέον, η παρούσα εργασία χρησιμοποιεί διεργασίες Gauss και πίνακες συσχέτισης ως εργαλεία ανάλυσης δεδομένων. Αυτές οι μέθοδοι χρησιμοποιούνται για την πρόβλεψη των αναγκών χρήσης του δικτύου και η εργασία περιλαμβάνει μια ενδελεχή εξέταση αυτών των εργαλείων και της εφαρμογής τους στα δεδομένα. Η διπλωματική εργασία περιλαμβάνει επίσης ανάλυση δεδομένων GPS της κυκλοφορίας οχημάτων στις ίδιες περιοχές, προκειμένου να συγκριθεί η τηλεπικοινωνιακή και αυτοκινητιστική κίνηση και να διερευνηθούν τυχόν συσχετίσεις μεταξύ τους. Τα ευρήματα αυτής της έρευνας μπορούν να φανούν χρήσιμα για τον προσδιορισμό των αναγκών ‘handovers’ στο δίκτυο σε συγκεκριμένες περιοχές και τη βελτιστοποίηση της κάλυψης του δικτύου. Αναπτύσσονται μεγάλα κομμάτια κώδικα για κάθε μέρος της ανάλυσης, με την ταυτόχρονη εξέταση πολλαπλών παραδειγμάτων και με στόχο την εξαγωγή συμπερασμάτων σχετικά με την απόδοση των μεθόδων αυτών. Ο γενικός στόχος είναι η χρήση της ανάλυσης δεδομένων για την εξαγωγή αξιοποιήσιμων γνώσεων και τη βελτίωση της απόδοσης του δικτύου στα τηλεπικοινωνιακά συστήματα.","The main focus of this thesis is on using data analytics to extract information from telecommunication data, specifically using data from the Telecom Italia Big Data Challenge. Time and spatial analysis is applied to the data to gain a better understanding of user patterns of network usage. In addition to that, this thesis also employs Gaussian processes and correlation matrices as data analytics tools. These methods are used to predict network usage needs and the thesis includes a thorough examination of these tools and their application on the data. The thesis also includes an analysis of GPS data of vehicle traffic in the same areas in order to compare telecommunication and car traffic and investigate any correlations between them. The findings from this research can be useful in determining network handover needs in specific areas and optimizing network coverage. Sequences of scripts are developed for each part of the analysis, with multiple examples provided and with the aim of drawing conclusions about the performance of these methods. The overall goal is to use data analytics to extract actionable insights and improve network performance in telecommunication systems."]},{"key":"dc:title","label":"Title","values":["User mobility analysis in mobile communication systems"]}]}],"canonical_facts":{"dc:creator":["Σκαρλάτος Αντώνιος","Skarlatos Antonios"],"dc:date":["2023"],"dc:description":["Η παρούσα διπλωματική εργασία επικεντρώνεται κυρίως στη χρήση της ανάλυσης δεδομένων για την εξαγωγή πληροφοριών από τηλεπικοινωνιακά δεδομένα, και συγκεκριμένα με τη χρήση δεδομένων από την εκδήλωση Telecom Italia Big Data Challenge. Στα δεδομένα εφαρμόζεται χρονική και χωρική ανάλυση για την καλύτερη κατανόηση των μοτίβων χρήσης του δικτύου από τους χρήστες. Επιπλέον, η παρούσα εργασία χρησιμοποιεί διεργασίες Gauss και πίνακες συσχέτισης ως εργαλεία ανάλυσης δεδομένων. Αυτές οι μέθοδοι χρησιμοποιούνται για την πρόβλεψη των αναγκών χρήσης του δικτύου και η εργασία περιλαμβάνει μια ενδελεχή εξέταση αυτών των εργαλείων και της εφαρμογής τους στα δεδομένα. Η διπλωματική εργασία περιλαμβάνει επίσης ανάλυση δεδομένων GPS της κυκλοφορίας οχημάτων στις ίδιες περιοχές, προκειμένου να συγκριθεί η τηλεπικοινωνιακή και αυτοκινητιστική κίνηση και να διερευνηθούν τυχόν συσχετίσεις μεταξύ τους. Τα ευρήματα αυτής της έρευνας μπορούν να φανούν χρήσιμα για τον προσδιορισμό των αναγκών ‘handovers’ στο δίκτυο σε συγκεκριμένες περιοχές και τη βελτιστοποίηση της κάλυψης του δικτύου. Αναπτύσσονται μεγάλα κομμάτια κώδικα για κάθε μέρος της ανάλυσης, με την ταυτόχρονη εξέταση πολλαπλών παραδειγμάτων και με στόχο την εξαγωγή συμπερασμάτων σχετικά με την απόδοση των μεθόδων αυτών. Ο γενικός στόχος είναι η χρήση της ανάλυσης δεδομένων για την εξαγωγή αξιοποιήσιμων γνώσεων και τη βελτίωση της απόδοσης του δικτύου στα τηλεπικοινωνιακά συστήματα.","The main focus of this thesis is on using data analytics to extract information from telecommunication data, specifically using data from the Telecom Italia Big Data Challenge. Time and spatial analysis is applied to the data to gain a better understanding of user patterns of network usage. In addition to that, this thesis also employs Gaussian processes and correlation matrices as data analytics tools. These methods are used to predict network usage needs and the thesis includes a thorough examination of these tools and their application on the data. The thesis also includes an analysis of GPS data of vehicle traffic in the same areas in order to compare telecommunication and car traffic and investigate any correlations between them. The findings from this research can be useful in determining network handover needs in specific areas and optimizing network coverage. Sequences of scripts are developed for each part of the analysis, with multiple examples provided and with the aim of drawing conclusions about the performance of these methods. The overall goal is to use data analytics to extract actionable insights and improve network performance in telecommunication systems."],"dc:identifier":["uoadl:3310771","https://pergamos.lib.uoa.gr/uoa/dl/object/3310771"],"dc:language":["English"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["User mobility analysis in mobile communication systems"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:21:50Z"}