| Título : |
Enabling Smart Urban Services with GPS Trajectory Data |
| Tipo de documento: |
documento electrónico |
| Autores: |
Chen, Chao, Autor ; Zhang, Daqing, Autor ; Wang, Yasha, Autor ; Huang, Hongyu, Autor |
| Mención de edición: |
1 ed. |
| Editorial: |
Singapore [Malasya] : Springer |
| Fecha de publicación: |
2021 |
| Número de páginas: |
XIX, 347 p. 152 ilustraciones |
| ISBN/ISSN/DL: |
978-981-1601781-- |
| Nota general: |
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. |
| Palabras clave: |
Ciencias sociales Procesamiento de datos Grandes datos Informática móvil Aplicación informática en ciencias sociales y del comportamiento Minería de datos y descubrimiento de conocimientos |
| Índice Dewey: |
300.00285 |
| Resumen: |
Con la proliferación de dispositivos GPS en la vida diaria, los datos de trayectoria que registran dónde y cuándo se mueven las personas ahora están disponibles a gran escala. Como uno de los representantes más típicos, ahora se ha reconocido ampliamente que los datos de trayectoria de los taxis brindan grandes oportunidades para permitir servicios urbanos inteligentes prometedores. Sin embargo, todavía existe una brecha considerable entre los datos brutos disponibles y la extracción de inteligencia procesable. Esta brecha plantea desafíos fundamentales sobre cómo podemos lograr dicha inteligencia. Estos desafíos incluyen problemas de inexactitud, grandes volúmenes de datos que procesar y datos GPS escasos, por nombrar solo algunos. Además, los movimientos de los taxis y los datos de la trayectoria de salida son el resultado de una interacción compleja entre varias partes, incluidos conductores, pasajeros, viajeros, planificadores urbanos, etc. En este libro, presentamos nuestros últimos hallazgos sobre la extracción de datos de la trayectoria GPS de los taxis para permitir una serie de servicios urbanos inteligentes y acercarnos un paso más a la visión de la movilidad inteligente. En primer lugar, nos centramos en algunas cuestiones fundamentales en la extracción y análisis de datos de trayectoria, incluida la comparación de mapas de datos, la compresión de datos y la protección de datos. En segundo lugar, impulsados por las necesidades reales y las preocupaciones más comunes de cada parte involucrada, formulamos matemáticamente cada problema y proponemos novedosos métodos de minería de datos o aprendizaje automático para resolverlo. También se proporcionan evaluaciones exhaustivas con conjuntos de datos del mundo real para demostrar la eficacia y eficiencia del uso de datos de trayectoria. A diferencia de otros libros, que tratan por separado el transporte de personas y de mercancías, este libro también extiende los servicios urbanos inteligentes al transporte de mercancías al introducir la idea del crowdshipping, es decir, contratar taxis para realizar entregas de paquetes basándose en información en tiempo real. Dado que las personas y los bienes son dos componentes esenciales de las ciudades inteligentes, creemos que esta extensión es lógica y esencial. Por último, discutimos los problemas científicos y cuestiones abiertas más importantes en la extracción de datos de trayectoria GPS. |
| Nota de contenido: |
Chapter 1. Trajectory data map-matching -- Chapter 2. Trajectory data compression -- Chapter 3. Trajectory data protection -- Chapter 4. TripPlanner: Personalized trip planning leveraging heterogeneous trajectory data -- Chapter 5. ScenicPlanner: Recommending the most beautiful driving routes -- Chapter 6. GreenPlanner: Planning fuel-efficient driving routes -- Chapter 7.Hunting or waiting: Earning more by understanding taxi service strategies -- Chapter 8. iBOAT: Real-time detection of anomalous taxi trajectories from GPS traces -- Chapter 9. Real-Time imputing trip purpose leveraging heterogeneous trajectory data -- Chapter 10. GPS environment friendliness estimation with trajectory data -- Chapter 11. B-Planner: Planning night bus routes using taxi trajectory data -- Chapter 12. VizTripPurpose: Understanding city-wide passengers' travel behaviours -- Chapter 13. CrowdDeliver: Arriving as soon as possible -- Chapter 14. CrowdExpress: Arriving by theuser-specified deadline -- Chapter 15. Open Issues -- Chapter 16. Conclusions. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
Enabling Smart Urban Services with GPS Trajectory Data [documento electrónico] / Chen, Chao, Autor ; Zhang, Daqing, Autor ; Wang, Yasha, Autor ; Huang, Hongyu, Autor . - 1 ed. . - Singapore [Malasya] : Springer, 2021 . - XIX, 347 p. 152 ilustraciones. ISBN : 978-981-1601781-- Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
| Palabras clave: |
Ciencias sociales Procesamiento de datos Grandes datos Informática móvil Aplicación informática en ciencias sociales y del comportamiento Minería de datos y descubrimiento de conocimientos |
| Índice Dewey: |
300.00285 |
| Resumen: |
Con la proliferación de dispositivos GPS en la vida diaria, los datos de trayectoria que registran dónde y cuándo se mueven las personas ahora están disponibles a gran escala. Como uno de los representantes más típicos, ahora se ha reconocido ampliamente que los datos de trayectoria de los taxis brindan grandes oportunidades para permitir servicios urbanos inteligentes prometedores. Sin embargo, todavía existe una brecha considerable entre los datos brutos disponibles y la extracción de inteligencia procesable. Esta brecha plantea desafíos fundamentales sobre cómo podemos lograr dicha inteligencia. Estos desafíos incluyen problemas de inexactitud, grandes volúmenes de datos que procesar y datos GPS escasos, por nombrar solo algunos. Además, los movimientos de los taxis y los datos de la trayectoria de salida son el resultado de una interacción compleja entre varias partes, incluidos conductores, pasajeros, viajeros, planificadores urbanos, etc. En este libro, presentamos nuestros últimos hallazgos sobre la extracción de datos de la trayectoria GPS de los taxis para permitir una serie de servicios urbanos inteligentes y acercarnos un paso más a la visión de la movilidad inteligente. En primer lugar, nos centramos en algunas cuestiones fundamentales en la extracción y análisis de datos de trayectoria, incluida la comparación de mapas de datos, la compresión de datos y la protección de datos. En segundo lugar, impulsados por las necesidades reales y las preocupaciones más comunes de cada parte involucrada, formulamos matemáticamente cada problema y proponemos novedosos métodos de minería de datos o aprendizaje automático para resolverlo. También se proporcionan evaluaciones exhaustivas con conjuntos de datos del mundo real para demostrar la eficacia y eficiencia del uso de datos de trayectoria. A diferencia de otros libros, que tratan por separado el transporte de personas y de mercancías, este libro también extiende los servicios urbanos inteligentes al transporte de mercancías al introducir la idea del crowdshipping, es decir, contratar taxis para realizar entregas de paquetes basándose en información en tiempo real. Dado que las personas y los bienes son dos componentes esenciales de las ciudades inteligentes, creemos que esta extensión es lógica y esencial. Por último, discutimos los problemas científicos y cuestiones abiertas más importantes en la extracción de datos de trayectoria GPS. |
| Nota de contenido: |
Chapter 1. Trajectory data map-matching -- Chapter 2. Trajectory data compression -- Chapter 3. Trajectory data protection -- Chapter 4. TripPlanner: Personalized trip planning leveraging heterogeneous trajectory data -- Chapter 5. ScenicPlanner: Recommending the most beautiful driving routes -- Chapter 6. GreenPlanner: Planning fuel-efficient driving routes -- Chapter 7.Hunting or waiting: Earning more by understanding taxi service strategies -- Chapter 8. iBOAT: Real-time detection of anomalous taxi trajectories from GPS traces -- Chapter 9. Real-Time imputing trip purpose leveraging heterogeneous trajectory data -- Chapter 10. GPS environment friendliness estimation with trajectory data -- Chapter 11. B-Planner: Planning night bus routes using taxi trajectory data -- Chapter 12. VizTripPurpose: Understanding city-wide passengers' travel behaviours -- Chapter 13. CrowdDeliver: Arriving as soon as possible -- Chapter 14. CrowdExpress: Arriving by theuser-specified deadline -- Chapter 15. Open Issues -- Chapter 16. Conclusions. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
|  |
Hacer una sugerencia Refinar búsqueda13th China Conference, CWSN 2019, Chongqing, China, October 12–14, 2019, Revised Selected Papers / Guo, Songtao ; Liu, Kai ; Chen, Chao ; Huang, Hongyu
