Mobility Data-Driven Urban Traffic Monitoring / Liu, Zhidan  

Público ISBD Ningún comentario para este registro. Título : Mobility Data-Driven Urban Traffic Monitoring Tipo de documento: documento electrónico Autores: Liu, Zhidan, ; Wu, Kaishun, Mención de edición: 1 ed. Editorial: Singapore [Malasia] : Springer Fecha de publicación: 2021 Número de páginas: XI, 69 p. 21 ilustraciones, 18 ilustraciones en color. ISBN/ISSN/DL: 978-981-1622410-- Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Procesamiento de datos  Inteligencia artificial  Informática móvil  Minería de datos y descubrimiento de conocimientos  Ciencia de los datos Clasificación: 6.312 Resumen: Este libro presenta los conceptos de datos de movilidad y monitoreo del tráfico urbano basado en datos. También se presenta un marco típico de monitoreo del tráfico urbano basado en datos de movilidad, y describe los procesos de recopilación de datos de movilidad, procesamiento de datos, modelado de tráfico y algunas cuestiones prácticas de la aplicación de los modelos para el monitoreo del tráfico urbano. Este libro presenta tres enfoques novedosos de monitoreo del tráfico urbano basados ​​en datos de movilidad. En primer lugar, para afrontar el desafío de la escasez de datos sobre movilidad, los autores proponen un enfoque de seguimiento del tráfico urbano basado en sensores de compresión. Esta solución extrae la correlación del tráfico a escala de la red de carreteras y explota la teoría de la detección de compresión para recuperar las condiciones del tráfico de toda la red de carreteras a partir de muestreos de tráfico dispersos. En segundo lugar, los autores compararon el desempeño de la estimación del tráfico entre modelos de correlación de tráfico lineal y no lineal y propusieron un enfoque de monitoreo del tráfico urbano basado en modelos de correlación de tráfico dinámico no lineal. Para abordar el desafío de los enormes costos de computación involucrados, el enfoque adapta las tareas de estimación y modelado de tráfico a Apache Spark, un popular marco de computación paralela. En tercer lugar, además de los datos de movilidad recopilados por los sistemas de transporte público, los autores presentan un enfoque de monitoreo del tráfico urbano basado en crowdsensing. La propuesta explota los datos de movilidad ligera recopilados de los usuarios de autobuses participativos para recuperar el estado del tráfico mediante un cuidadoso procesamiento y análisis de datos. Por último, pero no menos importante, el libro señala algunas direcciones de investigación futuras, que pueden mejorar aún más la precisión y eficiencia del monitoreo del tráfico urbano basado en datos de movilidad a gran escala. Este libro está dirigido a investigadores, informáticos e ingenieros interesados ​​en las áreas de investigación de sistemas de transporte inteligentes (ITS), informática urbana, análisis de big data e Internet de las cosas (IoT). Los estudiantes de nivel avanzado que estudian estos temas también se benefician de este libro. Nota de contenido: Chapter 1 Introduction -- Chapter 2 Urban Traffic Monitoring from Mobility Data -- Chapter 3 A Compressive Sensing based Traffic Monitoring Approach -- Chapter 4 A Dynamic Correlation Modeling based Traffic Monitoring Approach -- Chapter 5 A Crowdsensing based Traffic Monitoring Approach. -Chapter 6 Conclusion and Future Work. Tipo de medio : Computadora Summary : This book introduces the concepts of mobility data and data-driven urban traffic monitoring. A typical framework of mobility data-based urban traffic monitoring is also presented, and it describes the processes of mobility data collection, data processing, traffic modelling, and some practical issues of applying the models for urban traffic monitoring. This book presents three novel mobility data-driven urban traffic monitoring approaches. First, to attack the challenge of mobility data sparsity, the authors propose a compressive sensing-based urban traffic monitoring approach. This solution mines the traffic correlation at the road network scale and exploits the compressive sensing theory to recover traffic conditions of the whole road network from sparse traffic samplings. Second, the authors have compared the traffic estimation performances between linear and nonlinear traffic correlation models and proposed a dynamical non-linear traffic correlation modelling-basedurban traffic monitoring approach. To address the challenge of involved huge computation overheads, the approach adapts the traffic modelling and estimations tasks to Apache Spark, a popular parallel computing framework. Third, in addition to mobility data collected by the public transit systems, the authors present a crowdsensing-based urban traffic monitoring approach. The proposal exploits the lightweight mobility data collected from participatory bus riders to recover traffic statuses through careful data processing and analysis. Last but not the least, the book points out some future research directions, which can further improve the accuracy and efficiency of mobility data-driven urban traffic monitoring at large scale. This book targets researchers, computer scientists, and engineers, who are interested in the research areas of intelligent transportation systems (ITS), urban computing, big data analytic, and Internet of Things (IoT). Advanced level students studying these topics benefit from this book as well. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Mobility Data-Driven Urban Traffic Monitoring [documento electrónico] / Liu, Zhidan, ; Wu, Kaishun,  . -  1 ed.  . - Singapore [Malasia] : Springer, 2021 . - XI, 69 p. 21 ilustraciones, 18 ilustraciones en color. ISBN : 978-981-1622410-- Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Procesamiento de datos  Inteligencia artificial  Informática móvil  Minería de datos y descubrimiento de conocimientos  Ciencia de los datos Clasificación: 6.312 Resumen: Este libro presenta los conceptos de datos de movilidad y monitoreo del tráfico urbano basado en datos. También se presenta un marco típico de monitoreo del tráfico urbano basado en datos de movilidad, y describe los procesos de recopilación de datos de movilidad, procesamiento de datos, modelado de tráfico y algunas cuestiones prácticas de la aplicación de los modelos para el monitoreo del tráfico urbano. Este libro presenta tres enfoques novedosos de monitoreo del tráfico urbano basados ​​en datos de movilidad. En primer lugar, para afrontar el desafío de la escasez de datos sobre movilidad, los autores proponen un enfoque de seguimiento del tráfico urbano basado en sensores de compresión. Esta solución extrae la correlación del tráfico a escala de la red de carreteras y explota la teoría de la detección de compresión para recuperar las condiciones del tráfico de toda la red de carreteras a partir de muestreos de tráfico dispersos. En segundo lugar, los autores compararon el desempeño de la estimación del tráfico entre modelos de correlación de tráfico lineal y no lineal y propusieron un enfoque de monitoreo del tráfico urbano basado en modelos de correlación de tráfico dinámico no lineal. Para abordar el desafío de los enormes costos de computación involucrados, el enfoque adapta las tareas de estimación y modelado de tráfico a Apache Spark, un popular marco de computación paralela. En tercer lugar, además de los datos de movilidad recopilados por los sistemas de transporte público, los autores presentan un enfoque de monitoreo del tráfico urbano basado en crowdsensing. La propuesta explota los datos de movilidad ligera recopilados de los usuarios de autobuses participativos para recuperar el estado del tráfico mediante un cuidadoso procesamiento y análisis de datos. Por último, pero no menos importante, el libro señala algunas direcciones de investigación futuras, que pueden mejorar aún más la precisión y eficiencia del monitoreo del tráfico urbano basado en datos de movilidad a gran escala. Este libro está dirigido a investigadores, informáticos e ingenieros interesados ​​en las áreas de investigación de sistemas de transporte inteligentes (ITS), informática urbana, análisis de big data e Internet de las cosas (IoT). Los estudiantes de nivel avanzado que estudian estos temas también se benefician de este libro. Nota de contenido: Chapter 1 Introduction -- Chapter 2 Urban Traffic Monitoring from Mobility Data -- Chapter 3 A Compressive Sensing based Traffic Monitoring Approach -- Chapter 4 A Dynamic Correlation Modeling based Traffic Monitoring Approach -- Chapter 5 A Crowdsensing based Traffic Monitoring Approach. -Chapter 6 Conclusion and Future Work. Tipo de medio : Computadora Summary : This book introduces the concepts of mobility data and data-driven urban traffic monitoring. A typical framework of mobility data-based urban traffic monitoring is also presented, and it describes the processes of mobility data collection, data processing, traffic modelling, and some practical issues of applying the models for urban traffic monitoring. This book presents three novel mobility data-driven urban traffic monitoring approaches. First, to attack the challenge of mobility data sparsity, the authors propose a compressive sensing-based urban traffic monitoring approach. This solution mines the traffic correlation at the road network scale and exploits the compressive sensing theory to recover traffic conditions of the whole road network from sparse traffic samplings. Second, the authors have compared the traffic estimation performances between linear and nonlinear traffic correlation models and proposed a dynamical non-linear traffic correlation modelling-basedurban traffic monitoring approach. To address the challenge of involved huge computation overheads, the approach adapts the traffic modelling and estimations tasks to Apache Spark, a popular parallel computing framework. Third, in addition to mobility data collected by the public transit systems, the authors present a crowdsensing-based urban traffic monitoring approach. The proposal exploits the lightweight mobility data collected from participatory bus riders to recover traffic statuses through careful data processing and analysis. Last but not the least, the book points out some future research directions, which can further improve the accuracy and efficiency of mobility data-driven urban traffic monitoring at large scale. This book targets researchers, computer scientists, and engineers, who are interested in the research areas of intelligent transportation systems (ITS), urban computing, big data analytic, and Internet of Things (IoT). Advanced level students studying these topics benefit from this book as well. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 1 / 1) Ver por página : 25 50 100 200