دانلود مقاله و خرید ترجمه:برآورد حجم ترافیک شهری با استفاده از داده های مداری
دانلود بهترین مقالات isi همراه با ترجمه فارسی

کارابرن عزیز، مقالات سایت ( همگی جزو مقالات isi می باشند) بالاترین کیفیت ترجمه را دارند، ترجمه آنها کامل و دقیق می باشد (حتی محتوای جداول و شکل های نیز ترجمه شده اند) و از بهترین مجلات isi مانند IEEE، Sciencedirect، Springer، Emerald و ... انتخاب گردیده اند.

ورود اعضا
توجه توجه توجه !!!!
نرم افزار winrar
پیشنهادات ویژه
پیوندهای کاربردی
پیوندهای مرتبط
مقالات ترجمه شده مدیریت ترافیک
  • برآورد حجم ترافیک شهری با استفاده از داده های مداری

    سال انتشار:

    2017


    ترجمه فارسی عنوان مقاله:

    برآورد حجم ترافیک شهری با استفاده از داده های مداری


    عنوان انگلیسی مقاله:

    Citywide Traffic Volume Estimation Using Trajectory Data


    منبع:

    IEEE TRANSACTIONS ON KNOWLEDGE AND DATA ENGINEERING, VOL. 29, NO. 2, FEBRUARY 2017


    نویسنده:

    Xianyuan Zhan, Yu Zheng, Senior Member, IEEE, Xiuwen Yi, and Satish V. Ukkusuri


    چکیده انگلیسی:

    Traffic volume estimation at the city scale is an important problem useful to many transportation operations and urban applications. This paper proposes a hybrid framework that integrates both state-of-art machine learning techniques and wellestablished traffic flow theory to estimate citywide traffic volume. In addition to typical urban context features extracted from multiple sources, we extract a special set of features from GPS trajectories based on the implications of traffic flow theory, which provide extra information on the speed-flow relationship. Using the network-wide speed information estimated from a travel speed estimation model, a volume related high level feature is first learned using an unsupervised graphical model. A volume re-interpretation model is then introduced to map the volume related high level feature to the predicted volume using a small amount of ground truth data for training. The framework is evaluated using a GPS trajectory dataset from 33,000 Beijing taxis and volume ground truth data obtained from 4,980 video clips. The results demonstrate effectiveness and potential of the proposed framework in citywide traffic volume estimation.
    Index Terms: Urban computing | traffic volume estimation | trajectories | traffic flow theory


    چکیده فارسی:

    برآورد حجم ترافیک در مقیاس شهری، یک مسئله مهم مفید برای بسیاری از عملیات های حمل و نقلی و کاربردهای شهری است. این مقاله، یک چارچوب ترکیبی که هر دوی تکنیک های یادگیری ماشینی کیفی فنی و نظریه جریان ترافیکی کاملاً تایید شده را به منظور برآورد حجم ترافیک شهری ادغام می کند، پیشنهاد می کند. علاوه بر ویژگی های بافت شهری معمولی استخراج شده از منابع چندگانه، ما مجموعه ای از ویژگی های مربوط به مدارهای GPS را بر اساس استدلال های نظریه جریان ترافیکی استخراج می کنیم که اطلاعات بیشتری در مورد رابطه بین سرعت- جریان ارائه می دهد. با استفاده از اطلاعات مربوط به سرعت شبکه گسترده برآورد شده از مدل برآورد سرعت جابجایی، یک ویژگی سطح بالای وابسته به حجم برای اولین بار با استفاده از یک مدل گرافیکی نظارت نشده فهمیده شده است. سپس، یک مدل دوباره تفسیر شده ی حجمی جهت ترسیم ویژگی سطح بالای وابسته به حجم برای حجم پیش بینی شده با استفاده از یک مقدار اندک از داده های حقیقی میدانی برای تمرین معرفی شده است. چارچوب، با استفاده از یک مجموعه داده مداری GPS حاصل از 33،000 تاکسی پکن و داده حقیقی میدانی حجمی به دست آمده از 4980 کلیپ ویدیوئی ارزیابی شده است. نتایج، اثربخشی و پتانسیل چارچوب پیشنهادی را در برآورد حجم ترافیک شهری نشان می دهند.
    واژگان شاخص: محاسبات شهری | برآورد حجم ترافیک | مدارها | نظریه جریان ترافیکی


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 14
    تعداد صفحات فایل doc فارسی: 56

    وضعیت ترجمه عناوین تصاویر و جداول: به صورت کامل ترجمه شده است

    وضعیت ترجمه متون داخل تصاویر و جداول: به صورت کامل ترجمه شده است

    حجم فایل: 2167 کیلوبایت


    قیمت: 50000 تومان  45000 تومان(10% تخفیف)


    توضیحات اضافی:




تعداد نظرات : 0

الزامی
الزامی
الزامی
مدیریت-ترافیک
موضوعات