کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4954552 1443326 2016 14 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Filtering and windowing mobile traffic time series for territorial land use classification
ترجمه فارسی عنوان
فیلتر کردن و تکمیل سری ترافیک تلفن همراه برای طبقه بندی زمین استفاده از زمین
کلمات کلیدی
سری ترافیک تلفن همراه صاف کردن سری زمانی، تجزیه سری زمانی، فیلدینگ سری زمانی، پنجره های سرعتی طبقه بندی استفاده از زمین، برنامه ریزی شهری، شهرهای هوشمند،
ترجمه چکیده
تجزیه و تحلیل اطلاعات ترافیک تلفن همراه ممکن است ماهیت سری زمانی اطلاعات خود را در نظر بگیرد. هنگامی که با استفاده از داده های ترافیک تلفن همراه در یک محیط پیش بینی برای به دست آوردن دانش مفید برای مشخص کردن محیط شهر، روش های مناسب برای پردازش سری زمانی باید شناسایی شود. در این مقاله پیشنهاد می کنیم رویکردی برای پردازش اطلاعات تلفن همراه با استفاده از تکنیک های سری زمانی خاص - صاف کردن، تجزیه، فیلتر کردن، زمان بندی کردن - و ایجاد بهترین روش برای بهره برداری از اطلاعات استخراج شده از آن سری زمانی برای طبقه بندی کاربری زمین، مطابق معیارهای حساسیت / خاصیت ما روش ما را در یک مجموعه گسترده ترافیک تلفن همراه کاربرد می گذاریم، امکان ارزیابی آن را داریم و در مورد مناسب بودن روش های مختلف برای طبقه بندی استفاده از زمین بحث می کنیم.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر شبکه های کامپیوتری و ارتباطات
پیش نمایش مقاله
فیلتر کردن و تکمیل سری ترافیک تلفن همراه برای طبقه بندی زمین استفاده از زمین
چکیده انگلیسی
Analytics of mobile traffic information may take into account the time-series nature of the data itself. When employing mobile traffic data in a predictive setting to derive useful knowledge to characterize the city environment, the most suitable time series processing methods must be identified. In this paper, we propose an approach to process mobile traffic data using specific time series techniques - smoothing, decomposition, filtering, time-windowing - and to establish the best approach to exploit information extracted from those time series to classify land use, according to sensitivity/specificity metrics. We apply our methodology to a large-scale mobile traffic dataset, we assess its feasibility and we discuss the suitability of different methods for land use classification.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computer Communications - Volume 95, 1 December 2016, Pages 15-28
نویسندگان
, , , ,