کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
10344510 | 697802 | 2013 | 46 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Individuals among commuters: Building personalised transport information services from fare collection systems
ترجمه فارسی عنوان
افراد در میان مسافران: ایجاد خدمات شخصی خدمات حمل و نقل از سیستم های جمع آوری کرایه
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
حمل و نقل عمومی، شخصی، داده کاوی شهری،
ترجمه چکیده
این کار به بررسی نحوه استفاده از داده ها از سیستم های جمع آوری هزینه حمل و نقل عمومی برای تحلیل رفتار مسافران و تبدیل اطلاعات سیستم های مسافرتی می پردازد که شهروندان شهر برای هدایت شهر خود به سیستم های شخصی و دینامیکی نیاز دارند که نیازهای منحصر به فرد هر مسافر را تامین می کنند. به طور خاص، ما نشان می دهیم که چگونه داده های جمع آوری کرایه می توانند برای شناسایی تفاوت های رفتاری بین مسافران استفاده شوند: بنابراین ما برای یک رویکرد شخصی جهت ارائه اطلاعات مربوط به حمل و نقل به مسافران، از آن حمایت می کنیم. برای نشان دادن پتانسیل شخصی سازی، برآورد زمان سفر محاسبه می شود که دقیق تر عادت های سفر هر مسافر را منعکس می کند. ما تعدادی الگوریتم برای ارزیابی زمانهای سفر شخصی را پیشنهاد می کنیم و تجربی نشان می دهد که این روش ها هر دو پایگاه غیر شخصی که از داده ها محاسبه شده است، و همچنین زمان سفر منتشر شده به عنوان در حال حاضر توسط مقامات حمل و نقل ارائه شده است. علاوه بر این، ما نشان می دهیم که چگونه می توان به راحتی سیستم را با استفاده از مسافران پیش خوشه ای اندازه گیری کرد. ما با مشخص کردن طیف وسیعی از برنامه ها و سرویس هایی که ممکن است توسط داده های جمع آوری کرایه ها بوجود آمده، نزدیک شوند.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
شبکه های کامپیوتری و ارتباطات
چکیده انگلیسی
This work investigates how data from public transport fare collection systems can be used to analyse travellers' behaviour, and transform travel information systems that urban residents use to navigate their city into personalised and dynamic systems that cater for each passenger's unique needs. In particular, we show how fare collection data can be used to identify behavioural differences between passengers: we thus advocate for a personalised approach to delivering transport related information to travellers. To demonstrate the potential for personalisation we compute trip time estimates that more accurately reflect the travel habits of each passenger. We propose a number of algorithms for personalised trip time estimations, and empirically demonstrate that these approaches outperform both a non-personalised baseline computed from the data, as well as published travel times as currently offered by the transport authority. Furthermore, we show how to easily scale the system by pre-clustering travellers. We close by outlining the wide variety of applications and services that may be fuelled by fare collection data.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Pervasive and Mobile Computing - Volume 9, Issue 5, October 2013, Pages 643-664
Journal: Pervasive and Mobile Computing - Volume 9, Issue 5, October 2013, Pages 643-664
نویسندگان
Neal Lathia, Chris Smith, Jon Froehlich, Licia Capra,