مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

666
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

614
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

توسعه چارچوبی مبتنی بر رایانش ابری برای تحلیل انطباق نقشه داده های خودروهای شناور

صفحات

 صفحه شروع 233 | صفحه پایان 251

کلیدواژه

داده های خودروهای شناور (FCD)Q2
تحلیل انطباق نقشه (MM)Q2

چکیده

 امروزه کاربردهای نوین الگوریتم انطباق نقشه در کنار تلاش برای حفظ نرخ بالای موفقیت, با دو چالش نرخ های نمونه برداری متغیر و سرعت پردازش داده ها روبرو هستند. در این تحقیق یک چارچوب جامع, توزیع یافته, کارآمد و صحیح برای تحلیل انطباق نقشه ارائه شده است. چارچوب پیشنهادی در مواجهه با نرخ های نمونه برداری متفاوت و فارغ از وابستگی به حسگرهای اضافی توانسته به نرخ موفقیت مناسبی دست پیدا کند. همچنین استفاده از روش وزن دهی پویا باعث استقلال چارچوب از پارامترهای محلی شده است. استفاده از مفاهیم سطوح اطمینان صحت و سرعت عملکرد چارچوب را افزایش داده است. در این چارچوب برای پاسخ به چالش نرخ نمونه برداری پایین از الگوریتم کوتاه ترین مسیر A* با روش وزن دهی پویا استفاده می شود. وزن دهی قید کوتاه ترین مسیر با کمک اطلاعات HDOP انجام می شود. یکی از چالش های اصلی در به کارگیری داده های بزرگ FCD, ذخیره سازی, مدیریت, تحلیل و پردازش جمعی آن ها است. بدین منظور در این چارچوب از اصول رایانش ابری و الگوی نگاشت کاهش بر روی سکوی هدوپ (Hadoop) استفاده شده است. بدین ترتیب چارچوب فوق تحلیلی توزیع یافته, مقیاس پذیر و کارآمد را بر روی سخت افزارهای معمولی ممکن می سازد. جهت ارزیابی عملکرد چارچوب ناوگان حمل و نقل شهر نیویورک به عنوان یکی از بزرگترین ناوگان های حمل و نقلی جهان مورد مطالعه قرار گرفته است. نتایج ارزیابی ها بیانگر نرخ موفقیت 95.2 درصدی در نرخ نمونه برداری بالا (10 ثانیه) و 89.5 درصدی در نرخ نمونه برداری پایین (120 ثانیه) است. همچنین مقایسه نتایج روش پیشنهادی با یکی از روش های شناخته شده نشان می دهد در نرخ نمونه برداری 120 ثانیه روش پیشنهادی صحت انطباق نقشه را تا 9.7 درصد بهبود داده است. ارزیابی ها نشان می دهد با حضور 5 گره پردازشی چارچوب پیشنهادی توانسته بیش از 7000 نقطه در هر ثانیه را بر روی نقشه منطبق کند.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    رحیمی، محمدمسعود، و حکیم پور، فرشاد. (1396). توسعه چارچوبی مبتنی بر رایانش ابری برای تحلیل انطباق نقشه داده های خودروهای شناور. علوم و فنون نقشه برداری، 7(3 )، 233-251. SID. https://sid.ir/paper/249262/fa

    Vancouver: کپی

    رحیمی محمدمسعود، حکیم پور فرشاد. توسعه چارچوبی مبتنی بر رایانش ابری برای تحلیل انطباق نقشه داده های خودروهای شناور. علوم و فنون نقشه برداری[Internet]. 1396؛7(3 ):233-251. Available from: https://sid.ir/paper/249262/fa

    IEEE: کپی

    محمدمسعود رحیمی، و فرشاد حکیم پور، “توسعه چارچوبی مبتنی بر رایانش ابری برای تحلیل انطباق نقشه داده های خودروهای شناور،” علوم و فنون نقشه برداری، vol. 7، no. 3 ، pp. 233–251، 1396، [Online]. Available: https://sid.ir/paper/249262/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button