نمایش مختصر رکورد

dc.contributor.authorشکری, وحیدfa_IR
dc.contributor.authorعباسپور, رحیم علیfa_IR
dc.date.accessioned1399-07-09T06:13:17Zfa_IR
dc.date.accessioned2020-09-30T06:13:17Z
dc.date.available1399-07-09T06:13:17Zfa_IR
dc.date.available2020-09-30T06:13:17Z
dc.date.issued2017-06-22en_US
dc.date.issued1396-04-01fa_IR
dc.date.submitted2016-03-02en_US
dc.date.submitted1394-12-12fa_IR
dc.identifier.citationشکری, وحید, عباسپور, رحیم علی. (1396). بکارگیری الگوریتم های تطبیق نقشه به‌منظور استخراج اطلاعات ترافیکی از خطوط سیر حاصل از GPS با نرخ نمونه‌برداری پایین. فصلنامه مهندسی حمل و نقل, 8(4), 529-544.fa_IR
dc.identifier.issn2008-6598
dc.identifier.urihttp://jte.sinaweb.net/article_48588.html
dc.identifier.urihttps://iranjournals.nlai.ir/handle/123456789/297909
dc.description.abstractاز میان روش­های مختلف جمع­آوری اطلاعات ترافیکی،GPS  به علت هزینه پایین‌تر، دسترسی و فراوانی بیشتر، از محبوبیت خاصی برخوردار است. عامل اصلی اطمینان از پارامترهای ترافیکی محاسبه‌شدهاز خطوط سیرGPS، اطلاع از مکان صحیح خودرو بر روی قطعات جاده است. این عمل کلیدی توسط الگوریتم­های تطبیق نقشه صورت می­گیرد.درصد بالایی از خطوط سیر­ GPS  تولید شده از GPS تلفن همراه،خودروهای مجهز به GPS،ناوگان حمل­و­نقل عمومی و شبکه­های اجتماعی با نرخ نمونه­برداری پایین دو تا شش دقیقه تولید می­شوند. بنابراین تعیین یک الگوریتم تطبیق نقشه مناسب برایکاهش خطای داده­های مذکور ضروری بنظر می­رسد. در این مقاله هدف، معرفی، مقایسه و تحلیل نتایج تطبیق داده­های خطوط سیر GPS با دو الگوریتم ST-matching و IVMM برای داده­های با نرخ پایین و سپس تهیه نقشه سرعت ترافیکی از داده­های تطبیق شده است. از ویژگی­های بارز الگوریتم ST-matching در نظرگرفتن همزمان توپولوژی و ویژگی­های مکانی ویژگی زمانی است. درروش IVMM نه‌تنها از اطلاعات مکانی و زمانی بلکه از یک استراتژی رأی­مبنا  به‌منظور مدل­کردن وزن تأثیرات متقابل بین نقاطGPS بهره­گرفته­می­شود. به‌منظور تست و ارزیابی این دو الگوریتم از داده­های ناوگان حمل­ونقل عمومی اتوبوس‌رانی شهر تهران با نرخ نمونه­برداری دو دقیقه استفاده‌شده است.الگوریتم ST-matching برای تطبیق هر نقطه نمونه برداری فقط یک نقطه قبل از آن را در نظر می­گیرد و برای نقطه اول نقطه ماقبل وجود ندارد، بنابراین الگوریتم به نقطه شروع وابستگی زیادی دارد. الگوریتم IVMM با مدل‌سازی تأثیرات متقابل نقاط نمونه­برداری نتایج مؤثرتر و مستحکم­تری را ارائه می­دهد. تابع وزن فاصله نقش مهمی در الگوریتم IVMM ایفا می­کند. با افزایش مقدار پارامتر بتا در ابن تابع دقت تطبیق نقشه نیز افزایش می­یابد. دقت به­دست­آمده از روش IVMM 88 % و روش ST-matching 73% است. نتایج حاصل از این مقاله نشان می­­دهدالگوریتم IVVM درمقایسه با  ST-matching به‌طور قابل‌توجهی بهتر عمل می­نماید.هم چنین در مواجهه با گردش­های UشکلIVVM نتایج بهتری را ارائه می­دهد.fa_IR
dc.format.extent1624
dc.format.mimetypeapplication/pdf
dc.languageفارسی
dc.language.isofa_IR
dc.publisherپژوهشگاه حمل و نقل طراحان پارسهfa_IR
dc.publisherParseh Designers Transportation Research Instituteen_US
dc.relation.ispartofفصلنامه مهندسی حمل و نقلfa_IR
dc.relation.ispartofQuarterly Journal of Transportation Engineeringen_US
dc.subjectاطلاعات ترافیکیfa_IR
dc.subjectتطبیق نقشهfa_IR
dc.subjectخطوط سیرGPSfa_IR
dc.titleبکارگیری الگوریتم های تطبیق نقشه به‌منظور استخراج اطلاعات ترافیکی از خطوط سیر حاصل از GPS با نرخ نمونه‌برداری پایینfa_IR
dc.typeTexten_US
dc.typeعلمی - پژوهشیfa_IR
dc.contributor.departmentدانشجوی کارشناسی ارشد، دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکده های فنی، دانشگاه تهران، تهران، ایرانfa_IR
dc.contributor.departmentاستادیار دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکده های فنی، دانشگاه تهران، تهران، ایرانfa_IR
dc.citation.volume8
dc.citation.issue4
dc.citation.spage529
dc.citation.epage544


فایل‌های این مورد

Thumbnail

این مورد در مجموعه‌های زیر وجود دارد:

نمایش مختصر رکورد