مسيريابي زمانمند با تاريخچه ي حركت وسايل نقليه در پايگاه‌ داده ‌اشيا متحرك

Temporal Routing by Transportation Vehicles Trajectory In Moving Objects Database

وسايل نقليه ، مخصوصا تاكسي هاي مجهز به GPS، سنجنده‌هاي متحركي هستند كه ترافيك موجود در خيابان‌ها را كاوش مي‌كنند. رانندگان (تاكسي) وسايل نقليه، رانندگان متبحري هستند كه در يافتن سريع ترين مسير از مبدا تا مقصد تبحر دارند. در اين مقاله با داده كاوي تاريخچه ي حركت وسايل نقليه، سريع ترين مسير، از نظر عملي به كاربري كه مبدا، مقصد و زمان عظيمت آن مشخص است، ارايه مي شود. رويكرد به كار گرفته شده، استفاده از گرافي مي‌باشد كه گره‌هاي آن، قطعه خيابان‌هايي است كه با وسايل نقليه مكررا پيموده شده‌است و در آن هوش رانندگان و ويژگي هاي شبكه خيابان‌هاي پويا مدل شده‌است. بر اساس اين گراف، از دو مرحله مسيريابي براي بدست آوردن مسير بهينه استفاده شده‌است. داده‌هاي مورد استفاده، مسير حركت 140 وسيله‌ي نقليه است كه در شهر تهران در طول 30 روز حركت مي‌كنند. روش استفاده شده، نسبت به روش‌هاي ديگر مثل روش محدوديت سرعت، از نظر سرعت پردازش، از عملكرد بهتري برخوردار بوده و مسير پيشنهادي در آن، زمان سفر كمتري دارد.

Transportation vehicles, especially taxis, which are equipped with GPS, are moving sensors, mining roads traffic. The transportation vehicle (taxi) drivers are skilled drivers who are usually experienced in finding the fastest route from a place to a destination. In this paper by mining the movement history of transportation vehicles, a user with the predefined source and destination points and the time of departure, is provided by practically the fastest route. The utilized approach is the use of a landmark graph that its nodes are road segments that are traversed by vehicles frequently and in that, the intelligence of drivers and dynamic properties of streets network are modeled. Based on the landmark graph, we take advantage of a two levels routing approach to compute the efficient path. The data being used are the trajectory of 140 vehicles moving in the city of Tehran in the period of 30 days. In comparison to other approaches such as, speed constraint, the employed method has higher performance in terms of processing time and the proposed route derived from the system has less travel time