ارایه مدلی موثر به منظور استخراج دانش از اطلاعات دوربینهای پلاکخوان

نویسندگان

1 دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد علوم تحقیقات تهران، ایران

2 استادیار، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران

3 استادیار، هیات علمی دانشکده مهندسی صنایع، دانشگاه خواجه نصیر الدین طوسی، تهران، ایران

چکیده

کاربرد فناوری اطلاعات و ارتباطات در تجهیزات سختافزاری زیرساختهای حملونقل هوشمند و ایجاد قابلیت ذخیرهسازی انواع
اطلاعات مخابره شده از این تجهیزات سبب شده است. پایگاهدادههای عظیم اطلاعاتی از فعالیتهای این تجهیزات ایجاد گردد.
اطلاعات مخابره شده از دوربینهای شامل اطلاعات مفیدی هستند که در صورت تحلیل میتوانند بهمنظور پیشبینی، کنترل و
مدیریت مورداستفاده قرار گیرند. تحلیل این دادههای حجیم با روشهای دستی امکانپذیر نیست، دادهکاوی با استفاده از راهکارهای
خودکار امکان استخراج دانش مؤثر از انبوه اطلاعات را فراهم میکند. در این مقاله مدل مؤثری بهمنظور استخراج دانش از اطلاعات
دوربینهای پلاک خوان ارائهشده است. پیادهسازی این مدل دانش ارزشمندی در خصوص رفتار رانندگان ناوگان عمومی حملونقل
مسافر ارایهشده است.

کلیدواژه‌ها


 
- ندیمی شهرکی، م.ح.، تاکی، م.، حبیب‌الله‌ی، ف.، (1393)، "داده‌کاوی مفاهیم و کاربردها"، نجف‌آباد، نشر دانشگاه آزاد.
-"تحلیل وضعیت تردد اتوبوس­ها در آزاد راه تهران – قم با استفاده از سامانه های هوشمند ثبت تخلف"، (1395)­، مرکز مدیریت راههای کشور.
 
- Anqiang Huang, Lingling Zhang, Zhengxiang Zhu and YongShi, (2009), ”Data Mining Integrated with Domain Knowledge”, in Cutting-Edge Research Topics on Multiple Criteria Decision Making, Communications in Computer and InformationScience, vol. 35, Springer Berlin Heidelberg, pp.184.
 
- Harrison A., and Van Hoek, R., (2002),”Logistics Management and Strategy”, International Logistic: A Supply Chain Approach Financial Times Prentice Hall, pp. 3- 45.
 
- Crespo Marquez, A., (2005), “Applications and Case studies, Modeling Critical failures maintenance: a case study for mining”, Journal of Quality in Maintenance Engineering, Vol. 11 Issue 4,
pp.301 – 317.
 
- Cao Zhang, Huang and Gang Zong, Y. (2010), “Study on the Application of Knowledge Discovery in Databases to Decision Making of Railway Traffic Safety in China”.
 
-Chang-Yi Chen, Tien-Yin Chou, Ching-Yun Mu, Bing-Jean Lee, Magesh and Hsien Chao, (2011),  “Using Data Mining Techniques on Fleet Management System”, Esri International User Conference.
 
-Daniel T. Larose, (2005), “Discovering Knowledge Data, 2nd ed. Publisher JohnWiley& Sons”, 2005,
pp. 4-7.
 
-Ding Pan,” A Formal framework for Data Mining Process Model”. IEEE PACIIA 2009 in press.
 
-Kohavi R., “Data Mining and Visualization”, In: Sixth Annual Symposium on Frontiers of Engineering, National Academy Press, pp.31-40.
 
-Lily Sun, Cleopa John Mushi, (2010), “Case-based analysis in user requirements modeling for knowledge construction”,  Journal of Information and Software Technology, Vol. 52, Issue 7, July.
 
-Liu Xu, (2007), “Guojun Mao.An Algorithm to Approximately Mine Frequent Closed Itemsets from Data Streams”. ActaElectronica Sinica.
 
-Longbing Cao, Dan Luo and Chengqi Zhang, (2007), “Knowledge action ability:satisfying technical and business Interestingness.”IEEE Trans.International Journal Business Intelligence and Data Mining, Vol.2, No.4.
 
-Longbing Cao, (2008), “Domain Driven Data Mining: Challenges and Prospects.”Journal on Knowledge and Data Engineering. Vol. 1, No. 1  January.
 
-Sudhir Kumar Barai, (2003),“Data Mining Applications in Transportation Engineering”, Transport, Vol. XVIII, No. 5, pp. 216-223.
 
-WenQun Wang, Haibo and Magaret, (2005),“Vehicle Breakdown DurationModeling.”Journal of Transportation and Statistics. Vol. 8, Number 1.
 
-William R. King, Peter V. Marks, Jr., and Scott McCoy, (2002),“The Most Important Issues in Knowledge Management.” Communications of the ACM, Vol. 45, No 49, September.