مقاله انگلیسی رایگان در مورد iBike: خدمات دوچرخه سواری هوشمند با کمک تجزیه و تحلیل داده ها – الزویر ۲۰۱۹

elsevier

 

مشخصات مقاله
ترجمه عنوان مقاله iBike: خدمات دوچرخه سواری هوشمند با کمک تجزیه و تحلیل داده ها
عنوان انگلیسی مقاله iBike: Intelligent public bicycle services assisted by data analytics
انتشار مقاله سال ۲۰۱۹
تعداد صفحات مقاله انگلیسی  ۱۸ صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده نشریه الزویر
نوع نگارش مقاله
مقاله پژوهشی (Research article)
مقاله بیس این مقاله بیس نمیباشد
نمایه (index) scopus – master journals – JCR
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
ایمپکت فاکتور(IF)
۵٫۳۴۱ در سال ۲۰۱۷
شاخص H_index ۸۵ در سال ۲۰۱۹
شاخص SJR ۰٫۸۴۴ در سال ۲۰۱۷
شناسه ISSN ۰۱۶۷-۷۳۹X
شاخص Quartile (چارک) Q1 در سال ۲۰۱۷
رشته های مرتبط مهندسی کامپیوتر – مهندسی عمران
گرایش های مرتبط هوش مصنوعی – حمل و نقل
نوع ارائه مقاله
ژورنال
مجله / کنفرانس سیستم های کامپیوتری نسل آینده – Future Generation Computer Systems
دانشگاه School of Information and Safety Engineering, Zhongnan University of Economics and Law, Wuhan, China
کلمات کلیدی خدمات دوچرخه عمومی، تجزیه و تحلیل داده ها، هوش مصنوعی، حمل و نقل هوشمند
کلمات کلیدی انگلیسی public bicycle services, data analytics, artificial intelligence, intelligent transportation
شناسه دیجیتال – doi
https://doi.org/10.1016/j.future.2018.12.017
کد محصول E12003
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

فهرست مطالب مقاله:
Outline
Highlights
Abstract
Keywords
۱٫ Introduction
۲٫ Related works
۳٫ Framework
۴٫ Data analysis
۵٫ Modeling
۶٫ Experiments
۷٫ Discussion
۸٫ Conclusion
Acknowledgments
References

بخشی از متن مقاله:

Abstract
Bicycle sharing systems are becoming increasingly prevalent in urban environments. These systems provide an environmentally friendly transportation alternative in cities. The management of these systems faces many optimization problems. The most important of these problems are the individual maintenance of bicycles, rebalancing and shared facilities, and the use of systems by creating requirements in asymmetrical patterns. A series of data mining tasks based on real data sets is performed to solve the problem of unbalanced bicycle use.

By analyzing the characteristics of each station, the stations are modeled from the perspective of individuals and clusters by means of different models. The evaluation indicators used to address the accuracy of the results provide an effective method for shared bicycle predictions.

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *