スマートフォンセンシングは輸送データ:輸送サービス分析のための協調フレームワーク【Powered by NICT】

Lu Yu; Misra Archan; Sun Wen; Wu Huayu

文献

J-GLOBAL ID：201802242275974070 整理番号：18A0535514

スマートフォンセンシングは輸送データ:輸送サービス分析のための協調フレームワーク【Powered by NICT】

Smartphone Sensing Meets Transport Data: A Collaborative Framework for Transportation Service Analytics

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=18A0535514&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=18A0535514&from=J-GLOBAL&jstjournalNo=W1357A") }}

著者 (4件)： , , ,
資料名：
巻： 17 号： 4 ページ： 945-960 発行年： 2018年
JST資料番号： W1357A ISSN： 1536-1233 CODEN： ITMCCJ 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

のために唱道しTRANSense,参加型スマートフォンセンシングデータを組み合わせた都市規模輸送関連取引データ(タクシー,列車など)との都市輸送サービス分析のためのフレームワークを提案した。著者らの研究は,分離したそれぞれのデータ型を用いた設計の観察される限界により駆動される:(a)一般的に用いられる匿名都市規模データセット(タクシーF&BとGPS軌道のような)は,輸送インフラストラクチャの凝集挙動への洞察を提供するが,個人特異輸送経験(例えば,タクシー待ち行列における待ち時間)を明らかにすることはできない(b)移動センシングデータは,個体に特異な通勤関連活動を捉えることができるが,適切なセンシングトリガーの利用アーチファクトと欠如による精度とエネルギーオーバヘッドの課題を抱えている。TRANSenseが悲観的なデータ源の賢明な融合は,これらの課題を克服し,新しい洞察を提供することができるかを示した。二例:(a)タクシーの通勤待ち行列の正確な検出を提供し,それらの待ち時間を推定し,高い需要を持つ潜在的タクシー位置を同定するためのタクシートリップ記録を用いた,続いて近くの通勤者に及ぼす移動センシングに基づく待ち行列分析の引き金となる選択的にによるタクシーサービスアナライザを詳述したおよび(b)乗客が到着列を搭載できなかった場合の例を同定し,ステーションガントリーにおける乗客の放出の時間的パターンからの列車到着を推定する第一による地下鉄乗車アナライザ,プラットフォーム上での通勤移動行動の移動センシングに基づく解析を用いた。実世界データセット(シンガポールにおける20,000以上のタクシーと百七十万通勤者から)を用いた実験により,この方法の能力を示した:タクシーサービス分析器は無視できるエネルギーオーバヘッドで90%以上の精度で通勤待ち行列を検出し,15%以下の誤差マージンを持つ待ち時間を推定し,一方地下鉄搭乗アナライザは90%以上(3回純粋移動センシングによる達成可能なものよりも)の精度で失敗した搭乗事象を検出することができる。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

, , , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

その他の無線通信 , 電話・データ通信・交換一般

, , , ,

前のページに戻る