Scalable spatio-temporal analytics framework for urban networks

Jura Bogomolov, Ph.D.

Disertační práce

Anotace:

Všudypřítomnost mobilních zařízení, inteligentní infrastruktury a platebních systémů generuje rozsáhlé digitální stopy odrážející aktivity v reálném světě. Tato časoprostorová transakční data (STTD) zachycují komplexní interakce napříč dopravou, financemi a sociálními sítěmi. Heterogenita a rozsah STTD však vytvářejí značné překážky efektivní analýzy, neboť pracovní postupy zůstávají fragmentované a často vyžadují specifické a jednorázové inženýrské procesy, které omezují reprodukovatelnost a mnoho analýz svěřují pouze technickým expertům. Zatímco moderní umělá inteligence, konkrétně velké jazykové modely (LLM), nabízí slibnou cestu k dostupnější analytice, standardní modely se potýkají s klíčovými omezeními analýzy městských sítí. Nemohou kvůli kontextovým limitům přijímat masivní strukturované datové sady a mohou produkovat nepodložená tvrzení, když čelí vícekrokovému uvažování nad komplexní časoprostorovou topologií. Tato práce se zabývá otázkou, zda jednotný datový model ve spojení s fakticky ukotveným rozhraním založeným na LLM může umožnit škálovatelnou, ověřitelnou a programově nenáročnou analýzu měst. Navrhujeme dvoukomponentní rámec určený ke snížení inženýrské bariéry analýzy tím, že poskytuje rigorózní reprezentaci časoprostorových interakcí a rozhraní přirozeného jazyka (NLI) založené na provádění reálných operací. Nejprve představujeme Časoprostorovou transakční síť (STTN), což je doménově nezávislý model sjednocující reprezentaci interakcí v prostoru a čase. Demonstrujeme škálovatelnost a všestrannost tohoto rámce prostřednictvím rozsáhlých aplikací, včetně analýzy segregace dojíždění na základě příjmů ve velkých amerických městech a odvození funkčních městských zón z vnitrodenních vzorců mobility. Zadruhé využíváme LLM k vytvoření NLI, které převádí lidské dotazy do ověřitelných analytických pracovních postupů nad STTN. Na rozdíl od neprůhledných přístupů naše architektura omezuje LLM na funkci sémantického plánovače, který provádí strukturovaná volání API STTN a ukotvuje výstupy v datech a spustitelných operátorech. Ukazujeme, že špičkový LLM bez poskytnutí příkladů dosahuje u složitých urbanistických dotazů pouze 6,8% přesnosti kvůli výše uvedeným omezením, zatímco naše architektonická vylepšení zahrnující integraci STTN, náhledy datových sad, strukturované mezilehlé uvažování a samoopravné prováděcí smyčky zvyšují výkon na 60,9 %. Tyto příspěvky společně připravují cestu pro přístupnou, spolehlivou a škálovatelnou urbanistickou analytiku na základě heterogenních STTD.

Abstract:

The ubiquity of mobile devices, smart infrastructure, and payment systems generates extensive digital footprints reflecting real-world activities. These Spatio-Temporal Transactional Data (STTD) capture complex interactions across transportation, finance, and social networks. However, the heterogeneity and scale of STTD create significant barriers to effective analysis: workflows remain fragmented, frequently requiring bespoke, single-use engineering pipelines that limit reproducibility and confine many analyses to technical experts. While modern Artificial Intelligence, specifically Large Language Models (LLMs), offers a promising route toward more accessible analytics, standard models struggle with key constraints of urban network analysis: they cannot ingest massive structured datasets due to context limits, and they may produce ungrounded statements when faced with multi-step reasoning over complex spatio-temporal topology. This thesis addresses the question of whether a unified data model, coupled with a grounded LLM-based interface, can enable scalable, low-code, and verifiable urban analytics. We propose a dual-component framework designed to reduce the engineering barrier to analysis by providing a rigorous representation of spatio-temporal interactions and an execution-grounded Natural Language Interface (NLI). First, we introduce the Spatio-Temporal Transactional Network (STTN), a domain-agnostic model that unifies the representation of interactions in space and time. We demonstrate the framework's scalability and versatility through large-scale applications, including the analysis of income-based commute segregation across major US cities and the derivation of functional urban zones from intraday mobility patterns. Second, we leverage LLMs to construct an NLI that translates human inquiry into verifiable analytical workflows over STTN. Unlike "black-box" approaches, our architecture constrains the LLM to act as a semantic planner that executes structured calls against the STTN API, grounding outputs in data and executable operators. We show that a state-of-the-art zero-shot LLM achieves only 6.8% accuracy on complex urban queries due to the aforementioned limitations, while our architectural enhancements, including STTN integration, dataset previews, structured intermediate reasoning, and self-healing execution loops, elevate performance to 60.9%. Together, these contributions pave the way for accessible, reliable, and scalable urban analytics over heterogeneous STTD.

Keywords

Urban Analytics, Large Language Models, Natural Language Processing, Spatio-Temporal Networks, Transactional Data, Network Analysis, Geospatial Data, Mobility Patterns, Data Visualization, Chain-of-Thought Reasoning, Prompt Engineering, Benchmark Datasets

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 21. 1. 2026

Obhajoba závěrečné práce

• Obhajoba proběhla 23. 6. 2026
• Vedoucí: DrSc. Stanislav Sobolevskij, Ph.D.
• Oponent: Ph.D. Saif Eddin Jabari, Sasha Patotski, PhD

Masarykova univerzita

Přírodovědecká fakulta

Doktorský studijní program / obor:
Matematika a statistika / Pravděpodobnost, statistika a matematické modelování