MAT-CA: a tool for Multiple Aspect Trajectory Clustering Analysis MAT - CA: أداة لتحليل تجميع مسارات الجوانب المتعددة MAT-CA : un outil pour l'analyse de regroupement de trajectoires à aspects multiples MAT-CA: una herramienta para el análisis de agrupación de trayectorias de múltiples aspectos

Multiple aspect trajectory (MAT) is a relevant concept that enables mining interesting patterns moving objects for different applications. This new way of looking at trajectories includes a semantic dimension, which presents the notion of aspects that are relevant facts of the real world that add more meaning to spatio-temporal data. The high dimensionality and heterogeneity of these data makes clustering a very challenging task both in terms of efficiency and quality. The present demo offers a tool, called MAT-CA, to support the user in the clustering task of MATs, specifically for identifying and visualizing the hidden patterns. The MAT-CA join into the same tool a multiple aspects trajectories clustering method and visual analysis of the results. We illustrate the use of the tool for offering both clustering output visualization and statistics. المسار متعدد الجوانب (MAT) هو مفهوم ذو صلة يمكّن تعدين الأنماط المثيرة للاهتمام من تحريك الأشياء لتطبيقات مختلفة. تتضمن هذه الطريقة الجديدة للنظر إلى المسارات بعدًا دلاليًا، يقدم فكرة الجوانب ذات الصلة بالعالم الحقيقي التي تضيف المزيد من المعنى إلى البيانات المكانية والزمانية. إن الأبعاد العالية والتباين في هذه البيانات يجعل تجميعها مهمة صعبة للغاية من حيث الكفاءة والجودة. يقدم العرض التوضيحي الحالي أداة، تسمى MAT - CA، لدعم المستخدم في مهمة تجميع MATs، وتحديدًا لتحديد الأنماط المخفية وتصورها. تنضم MAT - CA إلى نفس الأداة طريقة تجميع مسارات الجوانب المتعددة والتحليل المرئي للنتائج. نوضح استخدام الأداة لتقديم كل من تصور مخرجات التجميع والإحصاءات. La trajectoire à aspects multiples (MAT) est un concept pertinent qui permet d'explorer des modèles intéressants d'objets en mouvement pour différentes applications. Cette nouvelle façon de regarder les trajectoires comprend une dimension sémantique, qui présente la notion d'aspects qui sont des faits pertinents du monde réel qui ajoutent plus de sens aux données spatio-temporelles. La dimensionnalité et l'hétérogénéité élevées de ces données font du clustering une tâche très difficile à la fois en termes d'efficacité et de qualité. La présente démo propose un outil, appelé MAT-CA, pour aider l'utilisateur dans la tâche de regroupement des mat, en particulier pour identifier et visualiser les modèles cachés. Le MAT-CA joint dans le même outil une méthode de regroupement de trajectoires à aspects multiples et une analyse visuelle des résultats. Nous illustrons l'utilisation de l'outil pour offrir à la fois une visualisation des résultats du clustering et des statistiques. La trayectoria de múltiples aspectos (MAT) es un concepto relevante que permite extraer patrones interesantes que mueven objetos para diferentes aplicaciones. Esta nueva forma de ver las trayectorias incluye una dimensión semántica, que presenta la noción de aspectos que son hechos relevantes del mundo real que añaden más significado a los datos espacio-temporales. La alta dimensionalidad y heterogeneidad de estos datos hace que la agrupación sea una tarea muy difícil tanto en términos de eficiencia como de calidad. La presente demostración ofrece una herramienta, llamada MAT-CA, para apoyar al usuario en la tarea de agrupación de Mat, específicamente para identificar y visualizar los patrones ocultos. Los MAT-CA unen en una misma herramienta un método de agrupación de trayectorias de múltiples aspectos y análisis visual de los resultados. Ilustramos el uso de la herramienta para ofrecer tanto visualización de resultados de agrupamiento como estadísticas.