شناسایی کمان های متوالی پرتکرار با استفاده از الگوریتم Apriori

روند رو به رشد تکنولوژی های مبتنی بر استفاده از موقعیت، منجر به تولید حجم عظیمی از داده های مداری (مسیر) ۵ شده است. سرویس های تاکسی اینترنتی نمونه ای واضح از این موضوع هستند. تاکسی به عنوان یکی از عناصر اصلی جابجایی شبکه شهری، نقش قابل توجهی بر وضعیت سطح سرویس موجود دارند؛ از این رو تحلیل داده های تولید شده توسط آنها کمک می کند، تا برنامه ریزان شهری با استفاده از اطلاعات بدست آمده تصمیمات بهتری اتخاذ کنند. در تحقیق پیشرو سعی می شود، تا با استفاده از الگوریتم Apriori و ارائه یک راه حل ابتکاری، زیر مسیرهای پرتکرار و به نوعی الگوهای غالب جابجایی در یک شبکه معین شناسایی شوند. از آنجایی که ظرفیت معابر در فرآیند شناسایی زیر مسیرهای شاخص لحاظ نشده است؛ الگوهای ارائه شده به معنای شناسایی زیر مسیرهای پرازدحام نخواهند بود. اما این الگوها بیانگر زیر مسیرهایی هستند، که برای کاربران از منظر کوتاه ترین مسیر، مطلوبیت بالایی دارند. نتایج حاصله می توانند در برنامه ریزی های آتی به کار گرفته شوند. به منظور ارزیابی روش پیشنهادی، با استفاده از داده های تاکسی های نیویورک در منطقه منهتن، تغییرات الگوی زیر مسیرهای شاخص در بازه زمانی ۶ الی ۲۲ در یکی از روزهای هفته بررسی می شود.

Keywords:

زیر مسیر پرتکرار , شناسایی الگو , Apriori