Dans cette présentation, nous ancrons la précédente réflexion dans le cadre de la mobilité humaine et proposons la mise en place d’une méthodologie complète pour l’analyse et la découverte de comportements depuis un ensemble de séquences de mobilité sémantique. Un processus d’apprentissage non supervisé (i.e., clustering) est en charge de l’extraction des comportements notamment via l’élaboration deux nouvelles mesures pour la comparaison de telles séquences d’actions humaines. Inspirées de la distance d’édition et de la distance de Hamming, celles-ci s’appuient sur les ontologies et la logique floue afin de pallier les lacunes des distances originelles et permettent de mieux tenir compte des spécificités comportementales humaines telles que les habitudes. Une phase d’explicabilité post-process est assurée via un ensemble d’indicateurs visuels et statistiques afin de traduire les clusters en comportements intelligibles.

Ces apports ont été appliqués sur différents jeux de données réelles issus du domaine de la mobilité – physique (mobilité urbaine) et virtuelle (exploration de base de données) — et ont permis d’améliorer significativement le processus d’interprétation et de découverte de comportements.