12737

بررسي انواع روش‌هاي داده‌كاوي در رفتار‌‌شناسي رانندگان در داده‌‌هاي مكاني-زماني

1401

دكتر حسين رحماني

امروزه با پيشرفت سريع تكنيك¬هاي موقعيت¬يابي، داده¬هاي مكاني-زماني به طور گسترده¬اي در دسترس قرار گرفته¬اند؛ ازاين‌رو، استخراج دانش ارزشمند از اين داده¬ها براي بسياري از برنامه¬هاي كاربردي در دنياي واقعي حائز اهميت است. انواع داده¬هاي مكاني-زماني عبارت‌اند از خط سير ، داده‌هاي حسگر ، داده¬هاي سنجش‌ازدور داده‌هاي اقتصادي و داده‌هاي شبكه‌هاي اجتماعي. باتوجه‌به انواع اين داده¬ها، قالب داده¬ها مي‌تواند به‌صورت نقطه، دنباله، گراف، ماتريس دوبعدي يا تنسور سه‌بعدي باشد. يكي از كاربردهاي داده-هاي مكاني-زماني استفاده از اين داده‌ها در تحليل رفتار رانندگان است. تجزيه‌و‌تحليل در رفتار رانندگان با استفاده از اين داده‌ها، بينش‌هاي ارزشمندي را به ما مي‌دهد كه فراتر از اقدامات فردي براي روشن‌كردن الگوهاي درون‌گرو‌هي و رويدادها كاربرد دارند. به‌طوركلي تشخيص ناهنجاري در داده¬هاي مكاني-زماني و تحليل آن¬ها مي¬تواند باعث كشف دانش ارزشمند دربارة افراد، گروه¬ها و وقايع مختلف شود. به همين علت اين ناهنجارشناسي در زمينه¬هاي مختلف براي ما داراي اهميت است. از‌طرفي تعداد، حجم و دقت داده¬هاي مكاني-زماني به‌سرعت درحال افزايش است؛ ازاين‌رو روش¬هاي سنتي داده¬كاوي مانند روش¬هاي مبتني بر آمار ديگر نمي¬توانند پاسخگوي نيازهاي كنوني بشر در تحليل داده¬هاي مكاني-زماني باشند. اين در حالي است كه مدل¬هاي يادگيري عميق در اين زمينه به موفقيت¬هاي قابل‌توجه‌اي رسيده¬اند و به طور گسترده در كاربردهاي مختلفي از آن¬ها استفاده مي¬شود. با وجود تمام اين پيشرفت¬ها، هنوز چالش¬ها و محدوديت‌هاي زيادي مطرح است كه غلبه بر آن¬ها نيازمند توجه و تحقيق بيشتري است.

11/15/2023 12:00:00 AM

81024

1402/09/05

Data mining in drivers' behavior in spatio-temporal data

داده‌هاي مكاني-زماني، تحليل رفتار راننده، تشخيص ناهنجاري، يادگيري ماشين، يادگيري عميق , تحليل رفتار رانندگان , تشخيص ناهنجاري

driver behavior analysis , anomaly detection , Spatio-temporal data , deep learning