استخراج ویژگی از خطوط سیر به منظور شناسایی حالت حمل و نقل در شهر هوشمند با استفاده از یادگیری ماشین
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 243
This Paper With 27 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JTE-14-1_003
تاریخ نمایه سازی: 6 دی 1401
Abstract:
با پیشرفت فناوری و اهمیت حمل و نقل هوشمند در شهرهوشمند، پیش بینی و شناسایی استفاده از حالات حمل و نقلی بخش اولیه و اساسی در حمل و نقل هوشمند نظیر مسائل کاربردی کنترل ترافیک، تجزیه و تحلیل تقاضای سفر و برنامه ریزی حمل و نقل به شمار می آید. با فراگیر شدن دستگاه های تعیین موقعیت و همچنین استفاده از تلفن های هوشمند، مسیرهای موقعیتی ثبت شده یک رویکرد اقتصادی و سریع به منظور شناسایی حالات حمل و نقل به حساب می آید. در این پژوهش با استفاده از داده های موقعیتی ثبت شده توسط مرکز تحقیقاتی مایکروسافت آسیا (GeoLife) که بیشتر در شهر پکن انجام پذیرفته و استخراج ویژگی های حرکتی به پیش بینی حالات حمل و نقلی پیاده روی، استفاده از دوچرخه، استفاده از اتوبوس، استفاده از اتومبیل و استفاده از قطار پرداخته می شود. رویکرد پیشنهادی استفاده از کلاسه بندی های یادگیری ماشین، شامل: کلاسه بندی ماشین بردار پشتیبان، جنگل تصادفی، تقویت گرادیان و تقویت بیش از حد گرادیان می باشد. در بین مدل ها، مدل تقویت بیش از حد گرادیان توانسته با کسب دقت ۱۸/۹۵ درصد و پیچیدگی زمانی بهتر با توجه به سایر مدل ها، حالات حمل و نقلی را با دقت بالاتری پیش بینی کند.
Keywords:
Authors
سجاد صولتی
دانشجوی کارشناسی ارشد سیستم های اطلاعات مکانی، پردیس دانشکده فنی، دانشگاه تهران، تهران، ایران
رحیم علی عباسپور
دانشیار دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکده های فنی، دانشگاه تهران، تهران، ایران
علیرضا چهرقان
استادیار دانشکده مهندسی معدن، دانشگاه صنعتی سهند، تبریز، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :