抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
現在,固定静的センシングは都市における大気質のような環境データを監視するための主要な方法である。しかし,密な空間カバレッジを得るためには,多数の静的モニタが必要で,それによってコストがかかるオプションになる。センシングパラダイムによる駆動として知られる移動車両にそれらを配置することにより,静的センサの一部だけを用いて,高密度時空間カバレッジを達成できる。大気質データに存在する冗長性は,行列完了技術を用いて残りの未観測データポイントを補完するために,スパースサンプリングデータを処理することによって利用できる。しかし,帰属の精度は,移動センサが大気質行列の固有構造を捉える程度に依存する。したがって,課題は,空間と時間において代表的なサンプリングを行う経路(車両を使用)のそれらのセットをピックアップすることである。車両サブセット選択のための文献におけるほとんどの研究は,効果的な代表的サンプリング戦略ではない異なる位置および時間スタンプに対するサンプルの数を最大化することにより,時空間カバレッジを最大化することに焦点を当てた。効果的な時空間サンプリングのための車両の最適集合を選択しながら,隣接位置および自己回帰時間相関における平滑性を組み込んだ効率的な車両選択フレームワーク,センシングによる回帰施設位置ベース駆動を提示した。センシング問題による提案駆動は,サブモジュールであり,それによって,それ自身は欲張りアルゴリズムに,しかし,性能保証によって,そのものを終えることを示した。インド,デリーにおける公共輸送のフリートからの部分集合の選択に関するフレームワークを評価した。提案手法は,ベースライン法に対して代表的な時空間データをサンプルし,シミュレートした大気質データの外挿誤差を低減することを示した。したがって,この方法は,費用対効果の高い高密度大気質マップを提供する可能性を有する。【JST・京大機械翻訳】
