State of the art on road traffic sensing and learning based on mobile user network log data

با بهبود فناوری پردازش داده ها و ذخیره سازی، اپراتورهای تلفن همراه قادر به استخراج و ذخیره مقدار زیادی از شبکه های تلفن همراه تولید شده اطلاعات رفتار کاربر، برای توسعه برنامه های مختلف هوشمند است. یک برنامه جالب بر اساس این داده ها، سنجش ترافیک است که از تکنیک های یادگیری الگوهای تحرک انسانی از اطلاعات مکان به روز در داده های ورودی تعامل شبکه استفاده می کند. شبکه های تلفن همراه، که تحت آن مقدار زیادی از اطلاعات مکان به طور مرتب به روز شده از کاربران تلفن همراه ردیابی می تواند پوشش کامل برای برآوردن شرایط ترافیک در جاده ها و بزرگراه ها. این مقاله چالش ها و فرصت های بالقوه در سنجش ترافیک هوشمند را از نقطه نظر داده ها با داده های تولید شده توسط شبکه تلفن همراه بررسی می کند. اولا، منابع اطلاعاتی موجود در شبکه رادیویی تجاری را طبق معیارهای مختلف طبقه بندی طبقه بندی می کنیم. سپس ما مشکلات شکسته ای را که در چارچوب سنجش ترافیک بر اساس داده های ورودی شبکه کاربر تلفن همراه مطابقت دارد، مشخص می کنیم. الگوریتم پردازش اطلاعات و یادگیری موجود برای استخراج اطلاعات وضعیت ترافیک را از مقدار زیادی از داده های ورودی شبکه تلفن همراه مطالعه می کنیم. در نهایت پیشنهاداتی را درباره کار آینده بالقوه برای سنجش ترافیک بر روی داده های شبکه های تلفن همراه ارائه می کنیم. ما بر این باوریم که تکنیک ها و بینش هایی که در اینجا ارائه می شود، جامعه تحقیقاتی در علوم داده را الهام می گیرند تا مدل های یادگیری ماشین های سنجش ترافیک را در داده های رفتار کاربردهای تلفن همراه به طور گسترده جمع آوری کنند.