تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله دریافت اطلاعات ازدحام دستگاه های موبایل برای بررسی تحرک های شهری

عنوان فارسی: دریافت اطلاعات ازدحام دستگاه های موبایل برای بررسی تحرک های شهری به صورت هوشمند
عنوان انگلیسی: Mobile crowd sensing for smart urban mobility
تعداد صفحات مقاله انگلیسی : 12 تعداد صفحات ترجمه فارسی : 17 (1 صفحه رفرنس انگلیسی)
سال انتشار : 2016 فرمت مقاله انگلیسی : PDF
فرمت ترجمه مقاله : ورد تایپ شده و pdf فونت ترجمه مقاله : بی نازنین
سایز ترجمه مقاله : 14 نوع مقاله : ISI
نوع ارائه مقاله : ژورنال کد محصول : F1367
محتوای فایل : zip حجم فایل : 5.34Mb
رشته و گرایش های مرتبط با این مقاله: مهندسی فناوری اطلاعات و ارتباطات، کاربردهای ICT و مخابرات سیار
دانشگاه: دانشگاه Nis، دانشکده مهندسی الکترونیک صربستان
کلمات کلیدی: منابع جمعیتی، حسگری موبایل، شهر های هوشمند، جابجایی هوشمند
کلمات کلیدی انگلیسی: crowd sourcing - mobile sensing - smart city - smart mobility
وضعیت ترجمه عناوین تصاویر : ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر : ترجمه شده است ☓
وضعیت ترجمه منابع داخل متن: درج نشده است ☓
بیس: نیست ☓
مدل مفهومی: ندارد ☓
پرسشنامه: ندارد ☓
متغیر: دارد ✓
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
رفرنس در ترجمه: در انتهای مقاله درج شده است
doi یا شناسه دیجیتال: https://doi.org/10.5334/bax.aa
ترجمه این مقاله با کیفیت متوسط انجام شده است. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب

چکیده

مقدمه

حسگری جمعیت با موبایل برای شهر های هوشمند

اطلاعات پویای جمعیتی برای جابجایی های هوشمند رخداد های ترافیکی و رفتار راننده ها ( تصادف ها و شرایطی که میتواند منجر به تصادف شود)

حس گری کیفیت هوا و گزارش

دریافت اطلاعات مرتبط با الگو های رفتاری با استفاده از جمع آوری فعالیت های موبایل

تکنیک های پردازش در طرف سرور برای داده های فضایی از اطلاعات جمعیتی به دست آمده

نمونه متن انگلیسی

چکیده

در این مقاله، ما از کاربرد الگو های بررسی سنجش جمعیتی موبایل برای ارزیابی موثر، امن و سبز در محیط های شهری استفاده میکنیم. ما قالب کاری CitySensing استفاده میکنیم که نشان دهنده ی قابلیت استفاده از پلت فرم های رایج برای ارزیابی جمعیتی میباشد که برای دامنه های حرکتی مختلف در شهر مورد استفاده قرار میگیرد. ما معتقد هستیم که دستگاه های موبایل امروزی، با سنسور های داخلی و یا سنسور های افزوده، میتوانند برای اطلاعات مختلف جمعیتی در دامنه هایی که مرتبط با زندگی شهری و تحرک میباشد ( مانند ترافیک، کیفیت هوا و زندگی های هر روزه ی مردم) بسیار مفید باشد. این موضوع توسط کاربرد های مختلف موبایل نشان داده شده است، که بر اساس قالب کاری CitySensing توسعه یافته است که سهم زیادی در اهداف مشترک در تحرک هوشمند شهری دارد. شتاب سنج های داخلی و GPS در تلفن های همراه برای بررسی شرایط ترافیک و رخداد های ترافیکی مورد استفاده قرار میگیرند. سنسور های داخلی یا سنسور های افزوده شده برای بررسی کیفیت هوا نیز میتواند به این دستگاه ها این امکان را بدهد تا نواحی مناسب برای فعالیت های خارج از منزل در روز خاص از هفته یا ساعت های خاص از روز را بدهند. آمار مرتبط با تلفن همراه و تحلیل های آن میتواند ارزش بسیار خوبی را برای خدمات برنامه ریزی شهری فراهم کند تا رفتار و جابجایی های شهروندان ارزیابی شود. تحلیل این مقدار حجیم از اطلاعات در مورد اطلاعات جمعیتی دریافت شده ( که اصطلاحا با نام داده ی بزرگ شناخته میشود) در زیر ساختار های دسته ای یا ابری، ما را قادر میسازد تا شرایط و رخداد هایی که میتواند بر روی جابجایی افراد تاثیر داشته باشد را نشان داده و نشر اعلان ها و فعالیت های پیشنهادی را ممکن میسازد.

نمونه متن ترجمه

Abstract

In this paper, we present the application of the mobile crowd-sensing paradigm in supporting efficient, safe and green mobility in urban environments. We have developed the CitySensing framework demonstrating the viability of a common crowd-sourcing platform applied to various urban mobility domains. We argue that today’s mobile devices, with integrated or add-on sensors, can be efficiently used to crowd source diverse information in domains that are relevant to urban life and mobility (traffic, air quality and citizens’ everyday activities). This is illustrated by three distinct mobile applications, developed on top of the CitySensing framework, that contribute to a common goal of smarter urban mobility. Commonly integrated accelerometer and GPS are used to infer traffic events and conditions. Externally attached or integrated air quality sensors enable suggestions for city areas adequate for outdoor activities on a specific day of the week or hour of the day. Mobile phone usage statistics and analysis can present valuable information to urban planning services to better adapt to citizens’ habits and mobility. The analysis of this massive amount of crowd sensed data (so-called Big Data) within the cluster/cloud infrastructure enables detection of situations and events that influence human mobility, and dissemination of notifications and recommended actions.