ترجمه مقاله الگوهای تحرک انسانی مبتنی بر فعالیت استنباط شده از داده های تلفن همراه- نشریه IEEE

قیمت خرید این محصول

۲۹,۰۰۰ تومان

دانلود مقاله انگلیسی

عنوان فارسی

الگوهای تحرک انسانی مبتنی بر فعالیت استنباط شده از داده های تلفن همراه: یک مطالعه موردی از سنگاپور

عنوان انگلیسی

—

صفحات مقاله فارسی

30

صفحات مقاله انگلیسی

12

سال انتشار

2016

نشریه

آی تریپل ای - IEEE

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

ورد تایپ شده

رفرنس

دارد

کد محصول

f376

وضعیت ترجمه عناوین تصاویر و جداول

ترجمه شده است

وضعیت ترجمه متون داخل تصاویر و جداول

ترجمه نشده است

وضعیت فرمولها و محاسبات در فایل ترجمه

به صورت عکس، درج شده است

رشته های مرتبط با این مقاله

مهندسی فناوری اطلاعات و فناوری اطلاعات و ارتباطات

گرایش های مرتبط با این مقاله

مخابرات سیار، دیتا، سامانه های شبکه ای و شبکه های کامپیوتری

مجله

تراکنش ها بر روی بزرگ داده - Transactions on Big Data

دانشگاه

گروه مطالعات شهری و برنامه ریزی، موسسه فناوری ماساچوست، کمبریج

کلمات کلیدی

داده های تلفن همراه، داده های مسیریابی، شبکه های تحرک انسانی، تشخیص نقاط تحرک، محاسبات شهری

کیفیت ترجمه این مقاله خوب میباشد

۰.۰ (بدون امتیاز)

امتیاز دهید

فهرست مطالب

چکیده
مقدمه
بررسی منابع
آنالیز مبتنی بر سفر
آنالیز مبتنی بر فعالیت
رویکرد مبتنی بر سیستم
حوزه مطالعه و داده ها
داده های سوابق جزئیات تماس
داده های سرشماری و نواحی جغرافیائی
داده های بررسی
روش ها
تجزیه خط سیر برای استخراج اماکن
شناسایی خانه
فیلترینگ نمونه های روزانه کاربر تلفن همراه
شناسایی الگوهای تحرک مبتنی بر فعالیت
نقوش تحرک روزانه
الگوهای استفاده از تلفن همراه و الگوهای تحرک
گسترش نمونه های تلفن همراه به جمعیت
عوامل گسترش
برآورد جمعیت با وضوح بالا
جمع آوری سفرهای روزانه و الگوهای تحرک
الگوهای مکانی تحرک انسانی مبتنی بر فعالیت
گردش مبتنی بر خانه دو گرهه
نقوش تک گره، سه گرهه و چهار گرهه
نتیجه گیری

نمونه چکیده متن اصلی انگلیسی

Abstract

In this study, with Singapore as an example, we demonstrate how we can use mobile phone call detail record (CDR) data, which contains millions of anonymous users, to extract individual mobility networks comparable to the activity-based approach. Such an approach is widely used in the transportation planning practice to develop urban micro simulations of individual daily activities and travel; yet it depends highly on detailed travel survey data to capture individual activity-based behavior. We provide an innovative data mining framework that synthesizes the state-of-the-art techniques in extracting mobility patterns from raw mobile phone CDR data, and design a pipeline that can translate the massive and passive mobile phone records to meaningful spatial human mobility patterns readily interpretable for urban and transportation planning purposes. With growing ubiquitous mobile sensing, and shrinking labor and fiscal resources in the public sector globally, the method presented in this research can be used as a low-cost alternative for transportation and planning agencies to understand the human activity patterns in cities, and provide targeted plans for future sustainable development.

نمونه چکیده ترجمه متن فارسی

چکیده

در این مطالعه، کشور سنگاپور را بعنوان یک مثال در نظر می گیریم، نشان می دهیم که چگونه می توانیم داده های حاوی سوابق جزئیات تماس تلفن همراه (CDR) را که حاوی میلیون ها کاربر ناشناس است استفاده کنیم، تا شبکه های منحصربفرد قابل قیاس با رویکرد مبتنی بر فعالیت را استخراج کنیم. چنین رویکردی بطور وسیع در عمل برنامه ریزی حمل ونقل به منظور توسعه میکرو شبیه سازی های شهری از فعالیت های روزانه فردی و مسافرت استفاده می شود؛ با اینحال شدیدا به داده های دقیق بررسی سفر بستگی دارد تا رفتار مبتنی بر فعالیت منحصربفرد را به دست آورد. یک چارچوب داده کاوی نوآورانه را ارائه می کنیم که تکنیک های پیشرفته تر در استخراج الگوهای تحرک از داده های خام CDR تلفن همراه را ترکیب می کند، و خط لوله ای را طراحی می کند که سوابق انبوه و منفعل تلفن همراه را به الگوهای معنادار تحرک انسانی فضایی برگردان می کند که به راحتی قابل تفسیر برای اهداف برنامه ریزی حمل ونقل و شهری است. با توجه به رشد روز افزون تلفن های همراه، و کاهش و کوچک شدن کار و منابع مالی در بخش های عمومی در سراسر جهان، روش ارائه شده در این تحقیق بعنوان یک جایگزین کم هزینه برای سازمان های حمل و نقل و برنامه ریزی مورد استفاده قرار می گیرد تا الگوهای فعالیت انسانی در شهرها را درک کند، و طرح های هدفمندی را برای توسعه پایدار آتی ارائه کند.