شناسایی خودکار نوع وسیله‌ی سفر از داده‌های GPS وسایل همراه با استفاده از شبکه‌ی عصبی– فازی

نویسندگان

چکیده مقاله:

تعیین نوع و تقاضای سفر اهمیت زیادی در سازمان‌های حمل و نقل هر کشور دارد. با تشخیص دقیق نوع وسیله‌ی سفر هر کاربر، امکان ارائه‌ی تصویر واقعی‌تری از تقاضای سفر فراهم می‌شود. همچنین در سرویس‌های مکان‌مبنا دانستن نوع وسیله‌ی سفر برای فرستادن تبلیغات هدفمند کاربرد دارد. در این تحقیق به‌منظور استخراج خودکار نوع وسیله‌ی سفر از شبکه‌ی عصبی-فازی و داده‌های سیستم تعیین موقعیت جهانی (GPS) وسیله‌ی همراه استفاده‌شده است. دانش مورد نیاز در قالب قوانین فازی از داده‌ها استخراج گردید و سپس با استفاده از این قوانین نوع وسیله‌ی سفر تعیین شد. در دو حالت مدل پیشنهادی مورد بررسی قرار گرفت. در حالت اول از کل داده‌های GPS به‌دست‌آمده از وسایل همراه برای تعیین نوع وسیله‌ی سفر استفاده گردید و در حالت دوم به‌منظور کاهش تعداد داده‌های مورد نیاز از وسیله‌ی همراه GPS دار، الگوریتم نقاط بحرانی به کار گرفته شد. به‌کارگیری این الگوریتم علاوه بر کاهش هزینه‌های جمع‌آوری داده، باعث حفظ منابع وسیله‌ی همراه از قبیل عمر باتری می‌گردد. نتایج حاکی از این است که مدل پیشنهادی در حالت استفاده از کل داده‌ها با دقت ۱/۹۴ % و در حالت استفاده از نقاط بحرانی با دقت ۵/۹۵%  قابلیت شناسایی نوع وسیله‌ی سفر را دارا می‌باشد.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

شناسایی نوع اظهارنظر حسابرسان با استفاده از شبکه‌های عصبی

شیوه‌های داده‌کاوی جدید می‌تواند حسابرسان را در ارائه نوع اظهارنظر حسابرسی یاری رساند. در این تحقیق برای اولین بار در ایران به منظور توسعه الگوهایی که قادر به شناسایی و پیش‌بینی نوع اظهارنظر حسابرسان باشد، عملکرد شبکه‌های عصبی در مقایسه با الگوهای کلاسیک مورد بررسی قرار گرفته است. شیوه‌های مورد استفاده در این پژوهش شامل شبکه عصبی پرسپترون چند لایه (MLP) و هم‌چنین رگرسیون لجستیک (LR) است. دوره ز...

متن کامل

مدلسازی تولید سفر با استفاده از روش شبکه های عصبی-فازی

دستیابی به یک نتیجه دقیق و مناسب در فرایند چهارمرحله ای آنالیز سفر به روش UTMS وابسته به برآورد دقیق و قابل قبول تعداد سفرهای تولید شده در نواحی مختلف شهر است. در بررسی مرحله ایجاد سفر با توجه به وابستگی شدید میزان سفر تولید شده در یک ناحیه به اطلاعات سهل الوصولی نظیر جمعیت ، برآورد تولید سفر معمولاً با دقت خوبی انجام میگیرد. از اینروست که در صورتیکه مقادیر برآورد شده دیگر نظیر مقادیر جذب سفر با...

متن کامل

تعیین گونه سفر مبتنی بر پویشگر شبکه وای-فای با استفاده از شبکه فازی-عصبی تطبیقی

آگاهی از گونه سفر و الگوی حرکت شهروندان  همواره مورد توجه مدیران شهری در حوزه مدیریت حمل و نقل و ترافیکبوده است. بهنگام نبودن و هزینه اجرایی روش های سنتی جمع آوری اطلاعات مانند استفاده از پرسشنامه و ظهور فنآوری ­های جدید موجب شده است تا از ابزارهای ارتباطی همچون تلفن همراه جهت جمع­آوری و تحلیل داده­های ترافیکی استفاده شود. در این میان قابلیت های شبکه های وای-فای ت...

متن کامل

شناسایی ترک با تحلیل فرکانسهای طبیعی سازه با استفاده از شبکه های عصبی نوع gmdh و سیستم عصبی- فازی anfis

وجود ترک در سازه، موجب نرمی محلی و تغییر در خواص سختی و رفتار دینامیکی سازه می شود. رفتار دینامیکی سازه دارای ترک، به عمق و مکان ترک بستگی دارد؛ از این رو می توان برای شناسایی عمق و مکان ترک از تغییرات رفتار دینامیکی سازه ناشی از ترک، استفاده نمود. در این مقاله ابتدا سه فرکانس طبیعی اول یک تیر یکسردرگیر که یک ترک سطحی باز برای ده عمق ترک مختلف و برای سی مکان مختلف در آن ایجاد شده است، با استفاد...

متن کامل

مدلسازی تولید سفر با استفاده از روش شبکه های عصبی-فازی

دستیابی به یک نتیجه دقیق و مناسب در فرایند چهارمرحله ای آنالیز سفر به روش utms وابسته به برآورد دقیق و قابل قبول تعداد سفرهای تولید شده در نواحی مختلف شهر است. در بررسی مرحله ایجاد سفر با توجه به وابستگی شدید میزان سفر تولید شده در یک ناحیه به اطلاعات سهل الوصولی نظیر جمعیت ، برآورد تولید سفر معمولاً با دقت خوبی انجام میگیرد. از اینروست که در صورتیکه مقادیر برآورد شده دیگر نظیر مقادیر جذب سفر با...

متن کامل

شناسایی محل بانک خازنی کلیدزنی شده در شبکه توزیع با استفاده از شبکه عصبی-فازی

در این مقاله، روش جدیدی برمبنای سیستم عصبی فازی (ANFIS) برای مکان یابی بانک خازنی کلیدزنی شده در شبکه توزیع ارائه می شود. این روش بر اساس شاخصی عمل می کند که از طریق آنالیز حالت گذرای جریان بدست می آید و از این شاخص برای آموزش شبکه عصبی فازی استفاده می شود. این شاخص را می توان بصورت Offline یا Online بوسیله ی اطلاعات کیفیت توان سیستم محاسبه نمود. روش بیان شده فقط از شکل موج حالت گذرای جریان است...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 5  شماره 1

صفحات  1- 20

تاریخ انتشار 2017-06

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

کلمات کلیدی

کلمات کلیدی برای این مقاله ارائه نشده است

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023