Modelling and Analysis of Mobility Data in Spatiotemporal Databases

La mobilità è una proprietà fondamentale sia della società umana sia del mondo naturale. Comprendere come persone, animali e altre entità in movimento interagiscono con l'ambiente - che si tratti di migrazione, trasporto o spostamenti quotidiani - è essenziale per interpretare i comportamenti, ottimizzare i sistemi e comprendere le dinamiche che modellano il nostro ambiente. Dalle specie marine e fenomeni atmosferici alle imbarcazioni che attraversano gli oceani e aeromobili che sorvolano i continenti, la mobilità riflette l'interazione continua tra attività umane e processi naturali che governano i sistemi della Terra. Nel contesto dell'Interconnected Nord-Est Innovation Ecosystem, la mobilità riveste un ruolo centrale nel promuovere l'innovazione nei domini scientifico, tecnologico e culturale. Il progetto mira a sviluppare soluzioni che migliorino il benessere, favoriscano uno sviluppo sostenibile e stimolino la crescita economica e culturale attraverso ecosistemi regionali interconnessi. Questa tesi contribuisce a tale visione affrontando il tema della mobilità come fenomeno multidimensionale - che abbraccia aspetti umani, ambientali e tecnologici - sviluppando approcci basati sui dati per comprendere e modellare tali interazioni nei contesti marittimo e urbano. Nella prima parte della tesi vengono analizzate le traiettorie delle imbarcazioni utilizzando i dati AIS, arricchiti con informazioni semantiche. Sulla base di tali traiettorie, proponiamo un modello per la caratterizzazione spazio-temporale del rumore sottomarino generato dalle navi. Le analisi sono state implementate all'interno di MobilityDB, un database open source per oggetti in movimento che consente una rappresentazione e un'analisi efficienti dei dati spazio-temporali. Inoltre, il modello di rumore sottomarino è stato ottimizzato attraverso tecniche di partizionamento delle tabelle e parallelizzazione. Le ottimizzazioni introdotte hanno migliorato significativamente le prestazioni computazionali, preservando l’accuratezza del modello di propagazione del suono. Il framework risultante fornisce una soluzione scalabile ed efficiente per l'analisi di grandi moli di dati acustici. Durante lo studio della propagazione del suono sottomarino, è emerso che la modellazione dei campi acustici - come di altri fenomeni naturali, quali uragani, sversamenti di petrolio o incendi - richiede un modello di dati capace di rappresentare le deformable moving region. Questa osservazione ha motivato la seconda parte della tesi, in cui proponiamo un nuovo tipo di dato spazio-temporale in grado di rappresentare tali regioni con geometria circolare, la cui posizione e raggio variano nel tempo. Oltre al nuovo tipo di dato, denominato temporal circular buffer, abbiamo sviluppato un insieme di funzioni e operatori per interrogare e analizzare in modo efficiente tale rappresentazione. La terza parte della tesi estende lo studio della mobilità al dominio urbano, attraverso l'analisi dei dati di validazione dei biglietti del trasporto pubblico di Venezia. La crescita del turismo ha portato a una condizione di overtourism con una pressione crescente sulle infrastrutture cittadine e sui residenti. L'accesso a dataset di convalida dei biglietti è pertanto cruciale per comprendere i modelli di mobilità e promuovere forme di turismo sostenibile. In questa tesi, analizziamo i movimenti di diverse categorie di utenti per investigare come essi si spostano all'interno della città. Comprendere tali dinamiche è fondamentale per garantire la sicurezza dei passeggeri, ottimizzare l'allocazione dei vaporetti e mitigare gli effetti del turismo in un ecosistema urbano fragile come quello veneziano. Questa tesi avanza lo studio e l'analisi della mobilità attraverso modelli spazio-temporali scalabili e l'applicazione di diversi metodi di analisi ai domini marittimo e urbano, ampliando al contempo le capacità dei database spazio-temporali.

Mobility is a fundamental property of both human society and the natural world. Understanding how people, animals, and other moving entities interact with their surroundings - whether through migration, transportation, or daily movement - is essential to interpret behaviours, optimise systems, and reveal the dynamics that shape our environment. From marine species and atmospheric phenomena to vessels navigating oceans and aircraft crossing continents, mobility reflects the continuous interplay between human activity, natural processes, and the forces that govern the Earth's systems. Within the framework of the Interconnected Nord-Est Innovation Ecosystem (iNEST), mobility plays a key role in fostering innovation across scientific, technological, and cultural domains. The project aims to develop advanced solutions that enhance well-being, promote sustainable development, and stimulate economic and cultural growth through interconnected regional ecosystems. This thesis contributes to that vision by addressing mobility as a multidimensional phenomenon - encompassing human, environmental, and technological dynamics - and by developing data-driven approaches to understand and model such interactions in both maritime and urban contexts. In the first part of the thesis, we analyse vessel trajectories using Automatic Identification System (AIS) data, enriched with semantic information. Building upon these trajectories, we propose a model for the spatiotemporal characterisation of underwater noise generated by vessels. The model integrates a description of underwater sound propagation with trajectory-based information to infer how noise spreads across the area of interest. All these analyses have been implemented within MobilityDB, an open source moving object database designed to support the efficient representation and analysis of spatiotemporal data. Moreover, we optimise the underwater noise model through table partitioning and parallelisation techniques. These enhancements significantly improved computational performance while preserving the accuracy of the noise model. The resulting framework provides a scalable and efficient solution for large-scale underwater noise analysis. During the study of underwater sound propagation, it became evident that modelling acoustic fields - as well as other natural or anthropogenic phenomena such as hurricanes, oil spills, or wildfires - requires a data model capable of representing deformable moving regions. This observation motivated the second part of the thesis, in which we propose a new spatiotemporal data type that represents a deformable moving region with a circular geometry, whose position and radius vary continuously over time. In addition to the new data type, called temporal circular buffer, we developed a suite of functions and operators to efficiently query and analyse this representation. The third part of the thesis extends the study of mobility to the urban domain, through the analysis of ticket validation data from the public transport network of Venice. The uncontrolled growth of tourism has led to a condition of overtourism, with increasing pressure on the city's infrastructure and residents. Access to large-scale ticket validation datasets is therefore crucial to understand mobility patterns, support evidence-based policy design, and promote sustainable forms of tourism. In this thesis, we analyse the movements of different user categories to investigate how they move through the city. Understanding these dynamics is essential to ensure passenger safety, optimise water bus allocation, and mitigate the impacts of overtourism in a fragile urban ecosystem such as Venice. Overall, this thesis advances the study and analysis of mobility through scalable spatiotemporal models and the application of diverse analysis methods to the maritime and urban domains, while extending the capabilities of spatiotemporal databases.