Journal of Iranian Association of Electrical and Electronics Engineers

fa کاوش الگوهای خط‌ سیر در اشیا متحرک در شبکه‌های جاده‌ای Trajectory Pattern Mining for Moving Objects in Road Networks مخابرات Communication پژوهشي Research به کارگیری الگوکاوی بر روی دادههای مرتبط با مسیرها و جادهها، دستاوردهای باارزش و اثرگذاری را در حوزههای مختلفی، همچون راه و شهرسازی، حمل و نقل و حتی پیشبینی سرویسهای اجتماعی به ارمغان آورده است. در این مقاله به کاوش الگوهای خطسیر در اشیا متحرک در شبکههای جادهای پرداخته شده است. تا بتوان به کمک آن الگوهای مناسبی را استخراج نماییم. ازجمله چالشهای موجود در تکنیکهای خوشهبندی در بحث الگوکاوی، پیدا کردن الگوهای متوالی همراه با زمان اجرای پایین میباشد. برای حل این مشکل، از تکنیکهای خوشهبندی برای معرفی یک الگوریتم پیشنهادی به نام BFEs-Enhanced استفاده شده است، که با استفاده از آن میتوان الگوهای Flock متوالی و معنیداری را که دارای بازه زمانی پایینی میباشند، استخراج نمود. نتایج شبیهسازی نشان میدهد که، روش پیشنهادی به دلیل استفاده از معیارهای مناسب برای خوشهبندی که شامل: حداکثر فاصله ثابت و حداقل تعداد میباشد و اضافه کردن معیار جدیدی به نام حداقل دوره زمانی به الگوریتم پیشنهادی و از طرف دیگر، در روش پیشنهادی علاوه بر معیار فاصله که الگوریتمBFE-Enhanced داشته است، معیار جهت نیز برای بهبود دقت عملکرد به الگوریتم پیشنهادی اضافه شده است. که در نتیجه، الگوریتم پیشنهادی، بازه زمانی را کاهش و تعداد الگوهای معنیدار و متوالی را افزایش میدهد.   Pattern mining on paths and roads data has brought up valuable and effective achievements in different areas, such as: roads and urbanization, transportation, and even forecasting social services. The trajectory patterns of moving objects in road networks were examined to extract efficient patterns. Among the challenges in clustering techniques of pattern mining is to find consecutive patterns with low run time. To solve this problem, a clustering algorithm was proposed titled BFEs-Enhanced, which can be used to extract sequential and meaningful flock patterns with a short time interval. Simulation results showed that the proposed method, thanks to the use of efficient criteria for clustering, such as maximum distance and minimum number demonstrated an outstanding performance. In addition, a new criterion was added to the algorithm called minimum time period. Along with the distance criterion in BFE-Enhanced algorithm, the criterion of direction was also added to the algorithm to improve its accuracy. Therefore, the proposed algorithm is featured with a shorter time interval and higher number of meaningful and sequential patterns.   الگوکاوی خط‌سیر, اشیا متحرک, شبکه های جاده ای, الگوریتم‌های خوشه بندی, الگوریتم BFE-Enhanced Trajectory Pattern Mining, Moving Objects, Road Networks, BFE-Enhanced, Clustering Algorithms 125 133 http://jiaeee.com/browse.php?a_code=A-10-2516-1&slc_lang=fa&sid=1 Niloofar Mirzaei Chahardeh نیلوفر میرزائی چهارده Nil_Mirzaiee@yahoo.com 100319475328460010656 100319475328460010656 No Department Computer and IT Engineering, Faculty of Computer and IT Engineering, Raja University دانشکده مهندسی کامپیوتر- دانشگاه غیرانتفاعی رجا Behrouz Minaei-Bidgoli بهروز مینایی بیدگلی b_minaei@iust.ac.ir 100319475328460010657 100319475328460010657 Yes Department of Computer Engineering, Faculty of Computer Engineering, Iran University of Science and Technology, Tehran دانشکده مهندسی کامپیوتر- دانشگاه علم و صنعت Mohammad Reza Abbasi Fard محمدرضا عباسی فرد Abbasifard@adiban.ac.ir 100319475328460010658 100319475328460010658 No Department of Computer and IT Engineering, Faculty of Computer and IT Engineering, Adiban Institute of Higher Education, Garmsar دانشکده مهندسی کامپیوتر- موسسه غیرانتفاعی ادیبان