مقاله بکارگیری الگوریتم های تطبیق نقشه بهمنظور استخراج اطلاعات ترافیکی از خطوط سیر حاصل از GPS با نرخ نمونهبرداری پایین
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
مقاله بکارگیری الگوریتم های تطبیق نقشه بهمنظور استخراج اطلاعات ترافیکی از خطوط سیر حاصل از GPS با نرخ نمونهبرداری پایین دارای ۲۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد مقاله بکارگیری الگوریتم های تطبیق نقشه بهمنظور استخراج اطلاعات ترافیکی از خطوط سیر حاصل از GPS با نرخ نمونهبرداری پایین کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله بکارگیری الگوریتم های تطبیق نقشه بهمنظور استخراج اطلاعات ترافیکی از خطوط سیر حاصل از GPS با نرخ نمونهبرداری پایین،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن مقاله بکارگیری الگوریتم های تطبیق نقشه بهمنظور استخراج اطلاعات ترافیکی از خطوط سیر حاصل از GPS با نرخ نمونهبرداری پایین :
تعداد صفحات :۲۴
از 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.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.