طراحی و توسعه آنتولوژی تجربیات مکانی در مسیریابی شهری
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 11
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JSCIT-7-2_001
تاریخ نمایه سازی: 25 مهر 1403
Abstract:
چکیده- تجربه مکانی، توانایی افراد برای درک روابط بین اشیای دنیای واقعی، فضاها و مناطق است که پس از سال ها یادگیری و تجربه توسط افراد خبره بدست می آید. این تجربه که منجر به تولید دانش مکانی می شود در اخذ تصمیمات سازمانی با دقت بالا، واقع بینانه و هماهنگ با واقعیت کمک می کند. از این رو، استفاده از روش هایی برای ذخیره سازی و استفاده مجدد از این تجربه و جلوگیری از خارج شدن آن از سازمان-ها، امروزه به امری مهم و ضروری تبدیل شده است. در این پژوهش روش های مختلف مدلسازی تجربیات از جمله استفاده از شبکه های معنایی، قانون، منطق و آنتولوژی بررسی می شوند و به دلیل برتری روش آنتولوژی نسبت به روش های دیگر، این روش به عنوان روش مدلسازی انتخاب و الگوریتمی مبتنی بر آنتولوژی برای ذخیره سازی تجربیات مکانی ارائه و در مسیریابی شهری استفاده می گردد. بدین منظور، ابتدا یک مدل آنتولوژی با استفاده از داده های مربوط به مسیرهای تاکسی شهر تهران ایجاد گردید. سپس این مدل آنتولوژی برای مسیریابی استفاده شد و نتایج آن با الگوریتم کوتاه ترین مسیر دایجسترا از نظر طول مسیر و زمان سفر برای زمان اوج ترافیک، مقایسه گردید. نتایج حاصل نشان داد با این که طول سفر روش مسیریابی مبتنی بر آنتولوژی تجربیات رانندگان، نسبت به الگوریتم کوتاه ترین مسیر دایجسترا، بیشتر است، اما زمان سفر آن کمتر است و در برخی مسیرها اختلاف زمان سفر آن با الگوریتم کوتاه ترین مسیر دایجسترا، به ۱۰ دقیقه نیز می رسد.
Keywords:
Authors
Abolghasem Sadeghi-Niaraki
Geoinformation Technology Center of Excellence, Faculty of Geodesy & Geomatics Eng., K.N. Toosi University of Technology,
Maryam Barzegar
Geodesy and Geomatics Engineering, K.N. Toosi University, Mirdamad Ave. West, Tehran, Iran.
Maryam Shakeri
Geodesy and Geomatics Engineering, K.N. Toosi University, Mirdamad Ave. West, Tehran, Iran.
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 :
