A novel supervised clustering algorithm for transportation system applications
بالعربية
تقترح الدراسة خوارزمية تجميع موجهة متعددة الأهداف تعالج التجميع بوصفه مسألة مطابقة بين مراكز المجموعات ونقاط البيانات، لرفع النقاء والتشابه داخل كل مجموعة. واختُبرت على بيانات سرعات الطريق السريع I-64 في فرجينيا وبيانات حالة محطات الدراجات في خليج سان فرانسيسكو، لتحديد زمان ومكان الازدحام أو اختلال توازن المحطات. وتفوقت الخوارزمية على خوارزمية k-means التقليدية في هذه البيانات.
English summary
A supervised, multi-objective clustering algorithm is proposed that treats clustering as a matching problem between centroids and data points, maximizing purity and similarity within clusters. It is tested on speed data from Interstate 64 in Virginia and on bike-station status data from the San Francisco Bay Area, identifying when and where congestion or station imbalance occurs. The algorithm outperformed classical k-means on these datasets.
تطرح الدراسة خوارزمية تجميع تتعامل مع البيانات والمراكز بوصفها مسألة مطابقة. وتختبرها على بيانات سرعات مرورية ومحطات دراجات لفهم أنماط التشغيل.
English
A supervised clustering method treats data points and cluster centers as a matching problem. Traffic-speed and bikeshare datasets are used to examine operational patterns.
Publication details | بيانات النشر
Mohammed H Almannaa, Mohammed Elhenawy, Hesham A Rakha (2019). A novel supervised clustering algorithm for transportation system applications. IEEE transactions on intelligent transportation systems, 21 (1), 222-232.
تحلل الدراسة استبانة دولية شملت 15,312 من راكبي الدراجات البالغين في 44 دولة، بنمذجة المعادلات الهيكلية، لاختبار علاقة استخدام الهاتف أثناء القيادة بالحوادث المبلغ عنها ذاتياً،…
تقارن الدراسة خطر الحوادث بين سائقين مصابين بالتهاب المفاصل وغير مصابين. وتعتمد على بيانات قيادة طبيعية تسجل حركة المركبة وسلوك السائق.
مشاركة مؤتمر تتناول التحكم الأمثل بالتقاطعات للمركبات الآلية والتعاونية.