کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6873148 1440630 2018 15 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Personalized location prediction for group travellers from spatial-temporal trajectories
ترجمه فارسی عنوان
پیش بینی مکان شخصی برای مسافران گروهی از مسیرهای فضایی-زمانی
کلمات کلیدی
پیش بینی موقعیت مکانی شخصی، کشف الگوی گروه، معدن مسیریابی، الگوهای حرکت مکرر،
ترجمه چکیده
در سال های اخیر، تحقیق در زمینه پیش بینی مکان با استفاده از مسیرهای معدن کاربران، توجه زیادی را جلب کرده است. مطالعات موجود در این موضوع عمدتا بر حرکات فردی تمرکز دارد، با توجه به مسیرهای حرکتی انفرادی. با این حال، کاربر معمولا مکان ها را فقط برای علاقه شخصی نمی بیند. اولویت یک گروه مسافرتی تأثیر قابل توجهی در مکانهایی که بازدید می کنند. در این مقاله، یک رویکرد جدید پیش بینی موقعیت مکانی شخصی را پیشنهاد می کنیم که بیشتر به نوع گروه سفر مسافران توجه می کند. برای رسیدن به این هدف، ما یک رویکرد کشف الگو جدید گروه را برای استخراج گروههای سفر از مسیرهای زمانی-فضایی کاربران پیشنهاد می کنیم. سپس گروه های کشف شده از طریق استفاده از اطلاعات پروفایل اعضای گروه شناسایی می شوند. ایده اصلی که پیشنهاد ما است کشف الگوهای حرکت قابل توجه کاربران برای گرفتن حرکات مکرر با در نظر گرفتن انواع گروه است. در نهایت، مشکل پیش بینی مکان به عنوان یک برآورد احتمال یک کاربر داده شده برای بازدید از یک مکان مشخص بر اساس جنبش فعلی و نوع گروه وی، فرموله شده است. برای کسب اطلاعات بیشتر، این اولین کار بر روی پیش بینی موقعیت مکانی است که بر مبنای معادله الگوی مسیریابی است که تاثیر نوع گروه سفر را بررسی می کند. با استفاده از ارزیابی جامع با استفاده از مجموعه داده های مختلف، ما نشان می دهیم که چارچوب پیش بینی مکان پیشنهادی ما به طور قابل توجهی بالاتر از روش پیش بینی مکان پیش بینی شده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نظریه محاسباتی و ریاضیات
پیش نمایش مقاله
پیش بینی مکان شخصی برای مسافران گروهی از مسیرهای فضایی-زمانی
چکیده انگلیسی
In recent years, research on location predictions by mining trajectories of users has attracted a lot of attentions. Existing studies on this topic mostly focus on individual movements, considering the trajectories as solo movements. However, a user usually does not visit locations just for the personal interest. The preference of a travel group has significant impacts on the places they visit. In this paper, we propose a novel personalized location prediction approach which further takes into account users' travel group type. To achieve this goal, we propose a new group pattern discovery approach to extract the travel groups from spatial-temporal trajectories of users. Type of the discovered groups, then, are identified through utilizing the profile information of the group members. The core idea underlying our proposal is the discovery of significant movement patterns of users to capture frequent movements by considering the group types. Finally, the problem of location prediction is formulated as an estimation of the probability of a given user visiting a given location based on his/her current movement and his/her group type. To the best of our knowledge, this is the first work on location prediction based on trajectory pattern mining that investigates the influence of travel group type. By means of a comprehensive evaluation using various datasets, we show that our proposed location prediction framework achieves significantly higher performance than previous location prediction methods.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Future Generation Computer Systems - Volume 83, June 2018, Pages 278-292
نویسندگان
, , , , ,