Abstarct
It is possible for a person to collect mobility trail in a form of positioning data set with portable devices or smart phones. From such set of mobility trail we can construct human mobility model. A mobility trail is usually classified as stay states and moving states. Stay states on a specific location can be clustered and be regarded as state of Markov chain. Of course, transition probabilities between stay states can also be calculated. We used expectation maximization clustering technique and constructed Continuous Time Markov Chains representing human mobility model. In addition, we found micro mobility also. Micro mobility is mobility in a restricted area and was represented as subclusters inside a cluster. The identification of micro cluster in small area will raise another topic in human mobility model research
چکیده
امکان جمع آوری دنباله ی حرکتی و جابه جایی(منظور نویسنده مکان هایی است که یک شخص از یک نقطه به نقطه ی دیگر جابه جا می شود.) بصورت داده های موقعیت یابی با استفاده از دستگاه های قابل حمل و یا تلفن های هوشمند امکان پذیر است. برای چنین دنباله ی حرکتی ، می توانیم مدل حرکتی انسان را بسازیم. یک دنباله ی حرکتی معمولا برای مناطق توقفی و مناطق حرکتی طبقه بندی می شود. مناطق توقف در یک مکان خاص را می توان جمع آوری کرد و به عنوان منطقه ای از زنجیره ی مارکوف در نظر گرفت. البته، احتمال های انتقال بین مناطق توقفی می تواند محاسبه شود. ما از روش جمع آوری کننده ی حداکثر انتظار ، استفاده کردیم و زنجیره ی پیوسته ی زمانی مارکوف که ارائه دهنده ی مدل حرکتی انسان است ، را ساختیم. علاوه بر این، ما همچنین میکرو تحرک ها را نیز یافتیم. تحرک میکرو ، تحرک در یک منطقه محدود است و به عنوان زیر مجموعه در داخل یک مجموعه نشان داده شده است. شناسایی میکرو مجموعه در منطقه کوچک موضوع دیگری در پژوهش مدل تحرکی انسان را ایجاد خواهد کرد.
1- مقدمه
نیاز به مدل های تحرکی انسانی بسیار واقعی در زمینه های مختلف تحقیقاتی و صنایع وجود دارد ، چون مدل تحرکی انسان می تواند نتایج تحقیقات دقیق یا محصولات با ارزش افزوده ی بیشتری ایجاد کند، به خصوص برای علوم کامپیوتر و مهندسی الکترونیک که شامل حوزه های تحقیقاتی و مطالعاتی بسیاری می شود. یکی از نتیجه پژوهش های اخیر در یک زمینه فیزیک سیستم های پیچیده نشان می دهد که بیشتذ از 93 % الگوهای تحرک انسان را می توان پیش بینی کرد[1]. با استفاده ی گسترده از دستگاه های تلفن که دارای سیستم موقعیت یاب هستند مانند تلفن های هوشمند یا سیستم ناوبری، ما می توانیم اطلاعات بیشتری برای الگوی تحرک انسان در دقت بسیار بالا، جمع آوری کنیم. معمولا قابلیت های موقعیت یابی یا WPS (سیستم موقعیت یابی مبتنی بر WIFI) درچنین دستگاه هایی تعبیه شده است. روش ساده تر دیگر موقعیت یابی این است که ، زمانی که یک تلفن همراه به ایستگاه مرکزی مجاور و نزدیک خود متصل است، محل و مکان یک ایستگاه مرکزی، به دست آورده شود. این محیط جدید، مرحله ی بعدی تحقیقات تحرک انسان، را فراهم می کند. به عنوان مثال، با دستگاه های موقعیت یاب یا WPS ، برای جمع آوری اطلاعات محل یک حامل، می توان از قبل برنامه ریزی کرد، چنین اطلاعاتی می تواند ذخیره شوند و برای به تصویر کشیدن الگوی تحرک انسانی یک فرد ، به طرز ماهرانه ای به کار روند…