Urban Activity Patterns Mining in Wi-Fi Access Point Logs

Aujourd'hui la grande majorité des données sont basée sur des enquêtes ou des études appliquées à des échantillons définis de la population. De plus les méthodes traditionnelles de collecte de données en termes de coûts ainsi que de temps tout en ne garantissant pas la représentativité des observations du fait du biais d'échantillonages et de la relative fiabilité des répondants. La disponibilité grandissantes de bases de données collectées passivements couplé à la forte pénétration des smartphones ont ouvert des perspectives intéressantes concernant la collecte et le traitement automatisé de données de mobilité.

Abstract

This thesis proposes a methodology to mine valuable nformation about the usage of a facility (e.g. building), based only on Wi-Fi network connection history. Data are collected at Concordia University in Montreal, Canada, during one week in Febuary 2015. Using the Wi-Fi access log data, we characterize activities taking place within a building without any additional knowledge of the building itself. Such information can be used to monitor the use of a facility automatically, to study human mobility or as an input information for mobility models.