ترکیب سامانهٔ استنتاج عصبی‌فازی و مدل مارکوف پنهان برای مدل‌سازی تحرک کاربران تلفن همراه بر مبنای فعالیت

«ترکیب سامانهٔ استنتاج عصبی‌فازی و مدل مارکوف پنهان برای مدل‌سازی تحرک کاربران تلفن همراه بر مبنای فعالیت»

منتشر شده است

نویسندگان: Shiva Rahimipour، Mehdi Ghatee، S.M. Hashemi، Ahmad Nickabadi،

در Computer Communications، جلد 173، 1 مه 2021، صفحات 79–94.

چکیده:

هدف این مقاله، توسعهٔ مدل تقاضای سفر مبتنی بر فعالیت با دریافت داده‌های شبکهٔ تلفن همراه است. نوآوری ما مدل‌سازی عدم‌قطعیت رفتار انسان و همچنین ابهام در ویژگی‌های مؤثر بر فعالیت‌های کاربران است. برای مدل‌سازی جنبهٔ نخست از احتمال و برای پرداختن به جنبهٔ دوم از نظریهٔ فازی استفاده کردیم؛ بنابراین، مدلی ترکیبی مبتنی بر مدل مارکوف پنهان (HMM) و سامانهٔ استنتاج فازی (FIS) پیشنهاد می‌شود که در آن، FIS در مدل انتشار HMM به کار می‌رود. برای نشان‌دادن کارایی این مدل، آن را بر داده‌های گردآوری‌شده توسط اپراتور ایرانسل اعمال کردیم و نتایج را با چهار منبع دادهٔ متفاوت اعتبارسنجی کردیم: داده‌های برچسب‌خوردهٔ گردآوری‌شده از داوطلبان، داده‌های حقیقت مبنا که یک متخصص برچسب‌گذاری کرده است، تعداد سفرهای مبتنی بر فعالیتِ تولیدشده از نواحی مختلف یا جذب‌شده به آن‌ها، و حجم ترافیک گزارش‌شدهٔ بزرگراه‌ها. نشان داده‌ایم که صحت تشخیص فعالیت مدل 83% است و در مقایسهٔ آمار برنامه‌های فعالیت تولیدشده توسط مدل با آمار متناظر ارائه‌شده در گزارش‌ها، میانگین خطای 5% به دست می‌آید. برنامه‌های فعالیت تولیدشده همچنین از طریق نرم‌افزار شبیه‌سازی MATSIM به حجم ترافیک در پیوندهای شبکهٔ حمل‌ونقل تبدیل می‌شوند و مقدار امیدبخش R2 برابر با 0.83 مشاهده می‌شود.

کلیدواژه‌ها:

داده‌های شبکهٔ تلفن همراه، تشخیص فعالیت، مدل‌سازی مبتنی بر فعالیت، احتمال فازی