دانلود مقاله ISI انگلیسی شماره 113239
ترجمه فارسی عنوان مقاله

پیش بینی حرکت فردی با استفاده از داده های کارت هوشمند

عنوان انگلیسی
Individual mobility prediction using transit smart card data
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
113239 2018 16 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 10998 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 70 تومان 18 روز بعد از پرداخت 769,860 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 140 تومان 9 روز بعد از پرداخت 1,539,720 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Transportation Research Part C: Emerging Technologies, Volume 89, April 2018, Pages 19-34

پیش نمایش مقاله
پیش نمایش مقاله  پیش بینی حرکت فردی با استفاده از داده های کارت هوشمند

چکیده انگلیسی

For intelligent urban transportation systems, the ability to predict individual mobility is crucial for personalized traveler information, targeted demand management, and dynamic system operations. Whereas existing methods focus on predicting the next location of users, little is known regarding the prediction of the next trip. The paper develops a methodology for predicting daily individual mobility represented as a chain of trips (including the null set, no travel), each defined as a combination of the trip start time t, origin o, and destination d. To predict individual mobility, we first predict whether the user will travel (trip making prediction), and then, if so, predict the attributes of the next trip (t,o,d) (trip attribute prediction). Each of the two problems can be further decomposed into two subproblems based on the triggering event. For trip attribute prediction, we propose a new model, based on the Bayesian n-gram model used in language modeling, to estimate the probability distribution of the next trip conditional on the previous one. The proposed methodology is tested using the pseudonymized transit smart card records from more than 10,000 users in London, U.K. over two years. Based on regularized logistic regression, our trip making prediction models achieve median accuracy levels of over 80%. The prediction accuracy for trip attributes varies by the attribute considered—around 40% for t, 70–80% for o and 60–70% for d. Relatively, the first trip of the day is more difficult to predict. Significant variations are found across individuals in terms of the model performance, implying diverse travel behavior patterns.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 10998 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 70 تومان 18 روز بعد از پرداخت 769,860 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 140 تومان 9 روز بعد از پرداخت 1,539,720 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.