دانلود ترجمه مقاله فیوژن داده ها در سیستم حمل و نقل هوشمند – مجله الزویر

• فهرست مطالب:

چکیده
۱٫ مقدمه
۲٫ پیشینه تلفیق داده ها
۳٫ فرصت ها و چالش های تلفیق داده ها در ITS
۴٫ کاربردهای تلفیق داده ها در ITS
۱٫۴٫ سیستم هایپیشرفته اطلاعات سفر
۲٫۴٫ تشخیص خودکار حوادث
۳٫۴٫ دستیار پیشرفته راننده
۴٫۴٫ کنترل شبکه
۵٫۴٫ تحلیل تصادف و جلوگیری از آن
۶٫۴٫ برآورد تقاضای ترافیک
۷٫۴٫ پیش بینی و پایش ترافیک
۸٫۴٫ برآورد دقیق موقعیت
۵٫ نتیجه گیری و پژوهش های آتی

• بخشی از ترجمه:

۵٫ نتیجه گیری و پژوهش های آتی
نیاز به DF ناشی از کاربردهای حمل و نقل در حداقل دو دهه گذشته است و موجب ایجاد رشته نوظهوری شده است که تا حدی نوپا است. هرچند این مقاله پیمایشی به طور خاص بر مشکلات ترافیک جاده ای تمرکز می کند اما پیشرفت ها و روش تلفیق داده های ترافیک حاصل از منابع مختلف را توضیح داده است. در تمام کاربردهای توضیح داده شده در این مقاله، تکنیک های DF امیدوار کننده بوده اند. اما این نتایج امیدبخش نباید مشکلی را پنهان کند که همچنان وجود دارد و باید پیش از هر گونه استفاده عملیاتی از DF در حوزه حمل و نقل حل شود. این مشکلات عبارتند از دقت مورد نیاز برای استفاده اثربخش، جنبه های پویا و بلادرنگ ترافیک و کیفیت داده ها، بُعد بلادرنگ. ارزیابی مزایای DF با افزایش تعداد کاربردهای عملی موفق DF در حوزه حمل و نقل آسان تر انجام خواهد شد. اما کاملاً روشن است که فرصت هایی واقعی برای به کارگیری بیشتر DF در سیستم های حمل و نقل جاده ای وجود دارد. این امیدواری عبارت است از افزایش جمع آوری داده های کاربردی از منابع مختلف غیر از حسگرهای نصب شده برای نظارت بر ترافیک. تکنولوژی های بی سیم که ۱) امکان گزارشدهی ساده تر و دسترسی به اطلاعات سفارشی (مثل سیستم های مشارکتی وسیله نقلیه با وسیله نقلیه، وسیله نقلیه با زیرساخت و زیرساخت با وسیله نقلیه) و ۲) توانایی جدید ردیابی وسایل نقلیه مختلف و اطلاعات جمع آوری شده FCD/ xFCD را ارائه می کنند اطلاعات موجود در مورد وضعیت ترافیک را غنی تر خواهد ساخت و مسلماً نیاز به سیستم های عملیاتی DF را افزایش خواهد داد.

• بخشی از مقاله انگلیسی:

۵٫ Conclusion and future directions

Needs for DF has emerged from transportation applications for at least two decades and give rise to an emergent field which is somewhat in its infancy. This survey paper, although focuses exclusively in road traffic problems, has described the state of the art and practice of fusion of traffic data from various sources. For all the applications reported in this article, DF techniques seen promising. However, these encouraging results should not conceal the problem that still remains to be solved before any operational widespread deployment of DF in transportation field. These challenges include the accuracy necessary for the effective application, dynamic and real time aspects of the traffic and data quality, real time dimension. The assessment of the benefits of DF will be more readily performed with the increase number of successful practical applications of DF in transportation field. It is most definite, however, that there are real opportunities for greater DF application in road transportation systems. Prospects include the increased collection of usable data from different sources other than that to installed sensors for traffic surveillance. Wireless technologies, which offer (i) the potential of easier reporting and access to customized information (e.g. cooperative systems with vehicle-to-vehicle, vehicle-to-infrastructure and infrastructureto-vehicle) and (ii) the new ability of tracking individual vehicles and information collected by FCD/xFCD will enrich the available information on traffic situation, will certainly accelerate needs for DF operational systems.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله