کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10151489 1666125 2018 11 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Mining massive taxi trajectories for rapid fastest path planning in dynamic multi-level landmark network
ترجمه فارسی عنوان
معدنچیان مسیرهای تاکسی عظیم برای برنامه ریزی سریع ترین مسیر را در شبکه های برجسته پویا چند سطح ایفا می کنند
کلمات کلیدی
برنامه ریزی مسیر داده کاوی مسیریابی، شبکه علامت گذاری مسیر تجربی،
ترجمه چکیده
این مقاله یک الگوریتم سرعتبگیر برای برنامه ریزی مسیر زمان واقعی بر اساس داده کاوی وسیع را ارائه می دهد که شامل سه مرحله است: کار آماده سازی، مرحله پیش پردازش و پرس و جو سریع ترین مسیر آنلاین. در مرحله آماده سازی، این الگوریتم، نشانه های چندسطحی را ایجاد می کند و شبکه اصلی جاده را به چندین سطح تقسیم می کند. در مرحله پیش پردازش، این الگوریتم ابتدا زمان سفر تمام بخش های جاده را با توجه به اطلاعات ترافیکی زمان واقعی برآورد می کند، سپس تمام مسیرهای تاکسی را برای استخراج سریعترین مسیرهای تجربی، مقایسه می کند و در نهایت از نشانه های چند سطح برای به دست آوردن سریع ترین راه های سریع برای تمام جفت های برجسته. در مرحله سریع ترین مرحله جستجوی آنلاین، طرف سرور ابتدا با بازگشت سریع ترین مسیر بر اساس نتیجه پیش پردازش پاسخ می دهد و سپس با تکرار معرفی سریعترین مسیرهای تجربی را اصلاح می کند. یک سری از آزمایشات برای مقایسه الگوریتم پیشنهادی با سه الگوریتم دیگر ساخته شده است. آزمایشات نشان می دهد که الگوریتم پیشنهادی توانایی پیدا کردن مسیرهای صرفه جویی در زمان را در پاسخ به درخواست های مشتری دارد. مهمتر از همه این که چرا این الگوریتم توانایی تکرار سریع قبل از محاسبه را در طرف سرور فراهم می کند، در زمان هزینه سریعترین سریع ترین مسیر جستجو در مقایسه با دیگر الگوریتم های سه بعدی، مزیت قابل توجهی دارد که به ویژه برای درخواست آنلاین مسیر مطلوب از تعداد بیشتری از کاربران نهایی.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
پیش نمایش مقاله
معدنچیان مسیرهای تاکسی عظیم برای برنامه ریزی سریع ترین مسیر را در شبکه های برجسته پویا چند سطح ایفا می کنند
چکیده انگلیسی
This paper presents a speed up algorithm for real-time path planning based on massive trajectory data mining, which comprises three stages: preparatory work, preprocessing stage and the online fastest path query. At the preparatory stage, this algorithm constructs multi-level landmarks and divides the original road network into multiple levels accordingly. At the preprocessing stage, this algorithm first estimates the travel time of all road segments according to the real-time traffic information, then compares all taxi trajectories to extract the experiential fastest paths, and finally makes use of the multi-level landmarks to obtain the rough fastest paths for all landmark pairs. At the online fastest path query stage, the server side first responds by returning a rough fastest path based on the preprocessing result, and then refines it by iteratively introducing the experiential fastest paths. A series of experiments are made to compare the proposed algorithm with the other three algorithms. Experiments indicate that the proposed algorithm has the ability to find more time-saving paths in response to client requests. More importantly, because this algorithm is capable of ensuring the fast completion of pre-computation on the server side, it has an evident advantage in the time cost of the online fastest path query compared with the other three algorithms, which is particularly suitable for the online optimal path query from a larger number of end users.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers, Environment and Urban Systems - Volume 72, November 2018, Pages 221-231
نویسندگان
, ,