تجزیه‌ و تحلیل داده‌‌های حمل‌ و نقل هوشمند (کتاب الکترونیک)

45,000 تومان

تاریخ بشر نشان داده‌ که گسترش تمدن و توسعه اقتصادها را می‌توان تا حد زیادی به سیستم‌های حمل‌ونقل نسبت داد که کشورها، مناطق، شهرها و محله‌ها را به هم متصل می‌کنند. از کالسکه‌های اسبی گرفته تا وسایل نقلیه با موتورهای احتراق داخلی، وسایل نقلیه الکتریکی و وسایل نقلیه متصل و خودکار آینده، فناوری‌ است که به‌سرعت در حال پیشرفت است و زندگی و جامعه ما را غنی‌تر و متصل می‌سازد. سیستم‌های حمل‌ونقل هوشمند (‏ITS) ‏وعده می‌دهند که گام‌های بزرگی در جهت هوشمندسازی شهرها و مناطق و اتصال به زیرساخت‌های دیگر مانند شبکه انرژی بردارند. ITS در حال تبدیل شدن به بخشی از اینترنت با فناوری‌های جدید حسگر، کنترل، اتصالات و محاسبات ابری است که می‌تواند بخشی از شهرها و مناطق هوشمند باشد. ​

سیستم‌های حمل‌ونقل با تحویل کالا و انتقال افراد از طریق سیستم‌های حمل‌ونقل به‌طور فزاینده پیچیده، به هم پیوسته و چند حالته، همچنآن‌یک نقش استراتژیک در اقتصاد جهانی ایفا خواهند کرد. بااین‌حال، پیچیدگی‌های حمل‌ونقل مدرن را نمی‌توان با استفاده از استراتژی‌ها و ابزارهای روز گذشته مدیریت کرد.

این ابزارها با داده‌های پیچیده رو به افزایشی در قالب‌های ناهمگن، حجم زیاد، تفاوت‌های جزئی در فرآیندهای مکانی و زمانی، و الزامات پردازش زمان واقعی مکرر مشخص می‌شوند. علاوه بر این، ITS با داده‌های جمع‌آوری‌شده از دستگاه‌های شخصی، رسانه‌های اجتماعی و خدماتی افزایش خواهد یافت. پردازش ساده داده‌ها، یکپارچه‌سازی و ابزارهای تحلیلی نیازهای پردازش داده‌های پیچیده ITS را برآورده نمی‌کنند.

استفاده از سیستم‌ها و روش‌های تجزیه‌وتحلیل داده‌های نوظهور، با سیستم‌های مؤثر جمع‌آوری داده و توزیع اطلاعات، فرصت‌هایی را فراهم می‌کند که برای ساخت ITS امروز و فردا موردنیاز است. با توجه به نیاز نسل جدیدی از متخصصان برای کار در ITS مبتنی بر داده، به کتاب درسی نیاز است که موضوعات متنوع تجزیه‌وتحلیل داده‌های مربوط به ITS را ترکیب کند. هدف از این کتاب، آماده‌سازی نیروی کار ماهر، تمرکز بر دانشجویان مهندسی حمل‌ونقل و متخصصان حوزه‌های مشابه، و همچنین شامل دانشجویان علم داده و متخصصانی است که برنامه‌ریزی، توسعه و نگهداری از ITS آینده را سرپرستی خواهند کرد. ​

این کتاب شامل ۱۲ فصل است که موضوعات متنوع تجزیه‌وتحلیل داده‌ها را پوشش می‌دهند. فصل1 مروری بر ITS و ماهیت داده متمرکز بر کاربردهای مختلف ITS را ارائه می‌دهد. خلاصه‌ای از منابع و ویژگی داده‌های ITS ازجمله ارتباط ITS با تجزیه‌وتحلیل داده‌ها ارائه‌شده است.

علاوه بر این، مروری بر معماری ITS ملی ایالات‌متحده به‌عنوان یک چارچوب نمونه برای برنامه‌ریزی، طراحی و استقرار ITS، با تأکید بر تجزیه‌وتحلیل داده‌ها ارائه‌شده است. برای نشان دادن نقش ذینفعان مختلف در استقرار برنامه‌های ITS، نمای اجمالی از برنامه‌های ITS ارائه‌شده است. این فصل با تاریخچه مختصری از استقرار ITS در سراسر جهان ازجمله روندهای نوظهور ناشی از نوآوری‌های تکنولوژی مانند وسایل نقلیه خودکار به پایان می‌رسد.

در فصل2 اصول تجزیه‌وتحلیل داده‌ها و زمینه آن‌ها در ITS معرفی‌شده است. جنبه‌های توصیفی، تشخیصی، پیشگویانه و تجویزی تجزیه‌وتحلیل داده‌ها توصیف می‌شوند. سپس، توسعه راه‌حل‌های تجزیه‌وتحلیل داده مانند تجزیه‌وتحلیل SQL، تجزیه‌وتحلیل بصری، تجزیه‌وتحلیل کلان داده و تجزیه‌وتحلیل شناختی ارائه می‌شود. ابزارها و منابع تجزیه‌وتحلیل داده‌های منبع باز در دسترس نیز فهرست شده است. این فصل با بحث در مورد گام‌های بعدی تجزیه‌وتحلیل داده‌های ITS به پایان می‌رسد. ​

فصل3 ابزارهای اساسی علوم داده را توصیف و زمینه را برای تکنیک‌های تحلیلی در بقیه کتاب فراهم می‌کند. عناوین خاص موردبحث در این فصل عبارت‌اند از: (‏۱) ‏معرفی یک محیط برنامه‌نویسی آماری پایه برای تحلیل داده‌های پیچیده، R، (‏۲) ‏مروری بر انبار داده Data Exchange ITS، (‏۳)‏ مفاهیم اساسی در مورد ساختاردهی داده‌ها در R، (‏۴) ‏تکنیک‌ها و کتابخانه‌ها جهت پالایش فایل‌های داده از قالب‌‌های خارجی به R، (‏۵)‏ تکنیک‌ها و کتابخانه‌ها برای استخراج داده‌ها از منابع آنلاین به R و (‏۶)‏ معرفی مختصری از تکنیک‌های پردازش کلان داده.

فصل4 بر چرخه عمر داده‌ها تمرکز دارد که محققان و متخصصان را قادر می‌سازد تا به‌طور مؤثر داده‌ها را برای استفاده در زمان واقعی تا طولانی‌مدت به‌طور مؤثر حفظ کنند. داده‌ها می‌توانند مجموعه‌ای از فایل‌ها و لینک‌ها یا یک پایگاه داده باشند. چرخه عمر داده‌ها بسته به انواع داده‌ها مجموعه‌ای از مراحل را در برمی‌گیرد. علاوه بر این، دیدگاه‌های مختلفی در مورد مراحل چرخه عمر داده‌ها وجود دارد. هدف این فصل، درک چرخه عمر داده‌ها است. ​

فصل5 به راه‌حل‌های توسعه زیرساخت‌های داده با در نظر گرفتن کاربردهای متنوع ITS، ویژگی‌های حجم کار داده و الزامات مربوطه می‌پردازد.

مروری بر زیرساخت‌ها برای پشتیبانی از نیازهای زیرساخت داده باقابلیت ذخیره‌سازی، پردازش و توزیع حجم زیادی از داده‌ها با استفاده از سیستم‌های مجزاسازی داده و زمان اجرا ارائه‌شده است. سپس الزامات کاربردی ITS به یک معماری فنی برای زیرساخت داده نگاشت می‌شود. زیرساخت‌های مختلف سطح بالا با تمرکز بر روی سیستم‌های مختلف برنامه‌نویسی، مجزاسازی و زیرساخت‌ها، زیرساخت‌های سطح پایین با تمرکز بر ذخیره‌سازی و مدیریت محاسبات خلاصه می‌شوند.

فصل6 به بررسی مسائل امنیتی و حریم خصوصی ITS می‌پردازد. مروری بر شبکه‌های ارتباطی و کاربردهای ابتکاری ITS ارائه‌شده است. ذینفعان موجود در اکوسیستم خودرو و دارایی‌هایی که برای محافظت از آن‌ها نیاز به شناسایی دارند. طبقه‌بندی حمله ای که حملات به ITS ازجمله وسایل نقلیه متصل را توصیف می‌کند موردبحث قرارگرفته است.

حملات موجود به وسایل نقلیه متصل بررسی و با استفاده از طبقه‌بندی حمله ترسیم می‌شوند. درنهایت، بحثی در مورد راه‌حل‌های امنیت و حریم خصوصی موجود و بالقوه ارائه‌شده است. ​

فصل7 کاربرد مفاهیم تصویرسازی داده تعاملی و ابزارهای یکپارچه با الگوریتم‌های داده‌کاوی درزمینه ITS را نشان می‌دهد. در حوزه ITS، چنین سیستم‌هایی جهت پشتیبانی از تصمیم‌گیری در جریان‌ کلان داده که توسط زیرساخت‌ها و اجزای مختلف ITS مانند دوربین‌های ترافیک، وسایل نقلیه و مراکز مدیریت ترافیک تولید و مصرف می‌شوند، ضروری هستند.

مقدمه‌ای بر چندین موضوع کلیدی مربوط به طراحی سیستم‌های تصویرسازی داده برای ITS در این فصل ارائه‌شده است. علاوه بر این، اصول طراحی تصویرسازی عملی موردبحث قرار می‌گیرند. این فصل با یک مطالعه موردی دقیق شامل طراحی یک ابزار تصویرسازی چند متغیره به پایان می‌رسد.​

فصل8 کاربرد اصول مهندسی سیستم در ITS را موردبحث قرار می‌دهد. مهندسی سیستم برای تخصیص مسئولیت ها، به‌صورت نیاز به هر دو سخت‌افزار و نرم‌افزار در همه سیستم‌عامل هایی که در برنامه‌های ITS شرکت می‌کنند، استفاده می‌شود.

مطالعه‌ای در مورد اطلاعات موردنیاز به‌عنوان پیش زمینه برای سناریوی توسعه سیستم‌های ITS متمرکز بر تجزیه‌وتحلیل داده‌ها ارائه‌شده است. در سناریوی توسعه، الزامات ارتباط داده شناسایی می‌شوند و آن الزامات را با استفاده از زبان توصیف معماری (ADL) ‏ترسیم می‌شود. ADL از فعالیت‌های تائید و تجزیه‌وتحلیل سیستم مدل شده همان‌طور که در فصل 8 بحث شده پشتیبانی می‌کند.

فصل۹ به‌طور خاص بر تحلیل داده‌های ایمنی ترافیک بزرگراه تمرکز دارد. روش‌های مختلف تجزیه‌وتحلیل ایمنی ترافیک مانند مدل‌سازی تعداد تصادفات/ فرکانس، ارزیابی اثربخشی ایمنی، ارزیابی اقتصادی، تجزیه‌وتحلیل پهنه دسترسی شبکه بی‌سیم و مدل‌سازی شدت آسیب موردبررسی قرارگرفته است. ابتدا مروری بر تحقیقات ایمنی ترافیک بزرگراه موجود ارائه و روش‌های مختلفی در این راستا خلاصه‌شده‌ است.

جزئیات داده‌های موجود برای کاربردهای ایمنی ترافیک بزرگراه‌ها، ازجمله محدودیت‌های آن‌ها، موردبحث قرارگرفته است. علاوه بر این، منابع جدید داده بالقوه فعال‌شده توسط روندهای نوظهور مانند وسایل نقلیه متصل و خودکار موردبررسی قرار می‌گیرند.

در فصل10 تکنیک‌های تجزیه‌وتحلیل داده‌های توصیفی و پیشگویانه معمول در برنامه‌های ITS درزمینه حمل‌ونقل بین مُدی موردبحث قرار می‌گیرد. این تکنیک‌ها به‌طور کامل به طیف تجزیه‌وتحلیل‌های تک متغیره، دومتغیره و چند متغیره پوشش داده می‌شوند. این فصل همچنین چگونگی استفاده از این تکنیک‌ها را با استفاده از بسته نرم‌افزاری آماری R نشان می‌دهد. ​

در فصل11 مروری بر کاربرد داده‌های شبکه‌های اجتماعی در برنامه‌های ITS ارائه‌شده است. از آنجایی که سیستم‌عامل های رسانه‌های اجتماعی مانند توییتر، اینستاگرام و فیس‌بوک شامل پست‌هایی در مورد فعالیت‌های روزمره افراد، ازجمله سفر هستند، آن‌ها به منبع غنی از داده برای پشتیبانی از برنامه‌ریزی و عملیات حمل‌ونقل تبدیل‌شده‌اند.

موضوعات خاص بررسی‌شده در این فصل عبارت‌اند از: (‏۱) ‏ویژگی‌های داده رسانه اجتماعی، (‏۲) ‏مروری بر جدیدترین ابزارها و الگوریتم‌های تحلیل داده رسانه اجتماعی، (‏۳) ‏مروری مختصر بر برنامه‌های نوظهور رسانه‌های اجتماعی در حمل‌ونقل و (‏۴)‏ چالش‌های تحقیقاتی آینده و راه‌حل‌های بالقوه. ​

فصل۱۲ مفاهیم اساسی روش‌های یادگیری ماشین و کاربرد آن‌ها در ITS را نشان می‌دهد. این فصل در مورد چگونگی استفاده از روش‌های یادگیری ماشین برای بهبود عملکرد ابزارهای تجزیه‌وتحلیل داده‌های حمل‌ونقل بحث می‌کند.

روش‌های انتخاب‌شده یادگیری ماشین، اهمیت کیفیت و کمیت داده‌های موجود موردبحث قرار می‌گیرند. مروری کوتاه بر انتخاب روش‌های پیش‌پردازش داده و یادگیری ماشین برای کاربردهای ITS ارائه‌شده است. جهت نشان دادن اهمیت استفاده از روش یادگیری ماشین در سیستم حمل‌ونقل داده محور مثالی ذکرشده است.

این کتاب اصول تجزیه‌وتحلیل داده را برای متخصصان ITS ارائه می‌دهد و اهمیت تجزیه‌وتحلیل داده را برای برنامه‌ریزی، اجرا و مدیریت سیستم‌های حمل‌ونقل آینده برجسته می‌کند. زمینه‌های تجزیه‌وتحلیل داده‌های ارائه‌شده در این کتاب برای ذینفعان حوزه برنامه‌ریزی، بهره‌برداری و نگهداری ITS مفید است. این فصل‌ها به‌اندازه کافی دقیق هستند تا جنبه‌های اصلی تجزیه‌وتحلیل داده‌ها را به متخصصان حمل‌ونقل در کشورهای توسعه‌یافته یا درحال‌توسعه ارائه دهند.

این کتاب می‌تواند به‌عنوان یک کتاب درسی پایه یا تکمیلی برای دوره کارشناسی و تحصیلات تکمیلی در مورد تجزیه‌وتحلیل داده‌ها برای ITS به کار رود و می‌تواند برای دوره‌های تجزیه‌وتحلیل در بسیاری از رشته‌های مهندسی، مانند مهندسی عمران، مهندسی خودرو، علوم کامپیوتر و مهندسی برق مورداستفاده قرار گیرد.

این کتاب همچنین اصول تجزیه‌وتحلیل داده‌ها را برای ITS در یک رویکرد سطح بالا و درعین‌حال تمرین محور ارائه می‌دهد. سبک ارائه به متخصصان ITS مرتبط در سراسر دنیا کمک می‌کند تا از این کتاب به‌عنوان مرجع استفاده کنند. انگیزه ویراستاران برای ارائه این کتاب الهام بخشیدن به نوآوری‌های سیستم حمل‌ونقل است که با استفاده از تجزیه‌وتحلیل داده‌ها به‌عنوان ابزاری مهم در حوزه فیزیکی سایبری ITS، امنیت، پویایی و پایداری محیط را افزایش می‌دهد.

توضیحات

فهرست

فهرست…………………………………………………………………………………………………………………………….. 3

مقدمه…………………………………………………………………………………………………….. 15

فصل اول

مشخصات سیستم‌های حمل‌ونقل هوشمند و ارتباط آن با تجزیه‌وتحلیل داده‌ها…. 21

1.1 سیستم‌های حمل‌ونقل هوشمند به‌عنوان کاربردهای مبتنی بر داده روش‌های……………………. 21

1.1.1 سیستم داده ITS……………………………………………………………………………………………….. 24

1.1.2 منابع داده ITS و فناوری‌های جمع‌آوری داده……………………………………………………….. 26

1.2 تجزیه‌وتحلیل کلان داده و زیر ساخت حمایتی از آن……………………………………………………….. 28

۱.۳ معماری ITS: چارچوب کاربردهای ITS……………………………………………………………………….. 33

1.3.1 سرویس‌های کاربری و الزامات خدمات کاربران…………………………………………………….. 35

1.3.2 معماری منطقی………………………………………………………………………………………………….. 36

1.3.3 معماری فیزیکی…………………………………………………………………………………………………. 36

1.3.4 بسته‌های خدماتی………………………………………………………………………………………………. 38

1.3.5 استانداردها………………………………………………………………………………………………………… 39

1.3.6 امنیت……………………………………………………………………………………………………………….. 39

1.4 مروری بر کاربردهای ITS………………………………………………………………………………………….. 40

1.4.1 انواع کاربردهای ITS…………………………………………………………………………………………. 42

1.4.2 کاربرد و ارتباط ITS با تجزیه‌وتحلیل داده‌……………………………………………………………. 46

1.5 سیستم‌های حمل‌ونقل هوشمند گذشته، حال و آینده………………………………………………………. 49

1.5.1 دهه 1960 و 1970……………………………………………………………………………………………. 50

1.5.2 دهه ۱۹۸۰ و ۱۹۹۰……………………………………………………………………………………………. 51

1.5.3 دهه 2000………………………………………………………………………………………………………… 53

1.5.4 دهه 2010 به بعد………………………………………………………………………………………………. 54

1.6 بررسی اجمالی کتاب: تجزیه‌وتحلیل داده برای برنامه‌های ITS……………………………………….. 56

1.7 تمرین‌‌ها……………………………………………………………………………………………………………………. 59

1.8 مراجع……………………………………………………………………………………………………………………….. 60

فصل دوم

مبانی تجزیه‌وتحلیل داده‌ها………………………………………………………………………… 63

۲.۱ مقدمه……………………………………………………………………………………………………………………….. 63

2.2 جنبه‌های عملکردی تجزیه‌وتحلیل داده‌ها……………………………………………………………………… 66

2.2.1 تجزیه‌وتحلیل توصیفی……………………………………………………………………………………….. 67

2.2.1.1 آمار توصیفی…………………………………………………………………………………………………… 68

2.2.1.2 آنالیز داده‌های اکتشافی…………………………………………………………………………………….. 70

2.2.1.3 ترسیم آنالیز داده‌های اکتشافی……………………………………………………………………………. 71

2.2.1.4 مطالعات موردی تحلیل داده‌های اکتشافی……………………………………………………………… 76

2.2.2 تجزیه‌وتحلیل تشخیصی…………………………………………………………………………………….. 78

2.2.2.1 مطالعات موردی آنالیز تشخیصی………………………………………………………………………….. 79

2.2.2.1.1 سیستم موفقیت دانش‌آموزان………………………………………………………………………. 79

2.2.2.1.2 کوپا……………………………………………………………………………………………………… 81

2.2.2.1.3 تجزیه‌وتحلیل تشخیصی در آموزش و یادگیری………………………………………………… 81

2.2.3 تجزیه‌وتحلیل پیشگویانه…………………………………………………………………………………….. 82

2.2.3.1 موارد استفاده از تحلیل پیشگویانه ​……………………………………………………………………….. 84

۲.۲.۴ تجزیه‌وتحلیل تجویزی……………………………………………………………………………………….. 84

۲.۳ ارزیابی ویژگی‌های داده‌………………………………………………………………………………………………. 86

2.3.1 آنالیز SQL: RDBMS، OLTP  و OLAP……………………………………………………….. 87

2.3.2 ویژگی‌های کسب‌وکار: هوش تجاری، هشدار داده و داده‌کاوی……………………………….. 88

2.3.2.1 هوش تجاری…………………………………………………………………………………………………. 89

2.3.2.2 انبارهای داده، طرح‌واره ستاره و مکعب‌های OLAP…………………………………………………. 90

2.3.2.3 ابزارهای ETL……………………………………………………………………………………………….. 93

2.3.2.4 سرورهای OLAP…………………………………………………………………………………………… 93

2.3.2.5 داده‌کاوی………………………………………………………………………………………………………. 94

2.3.3 تجزیه‌وتحلیل بصری………………………………………………………………………………………….. 98

2.3.4 تجزیه‌وتحلیل کلان داده…………………………………………………………………………………….. 99

2.3.5 تجزیه‌وتحلیل شناختی……………………………………………………………………………………… 100

۲.۴ علم داده………………………………………………………………………………………………………………….. 101

2.4.1 چرخه عمر داده……………………………………………………………………………………………….. 103

2.4.2 کیفیت داده……………………………………………………………………………………………………… 105

2.4.3 ساخت و ارزیابی مدل‌ها……………………………………………………………………………………. 106

۲.۵ ابزارها و منابع تجزیه‌وتحلیل داده‌ها……………………………………………………………………………. 110

2.6 آینده پژوهی…………………………………………………………………………………………………………….. 114

2.7 خلاصه فصل و نتیجه‌گیری………………………………………………………………………………………. 115

2.8 تمرین‌ها………………………………………………………………………………………………………………….. 117

2.9 مراجع……………………………………………………………………………………………………………………… 118

فصل سوم

ابزارها و تکنیک‌های علوم داده جهت پشتیبانی از تجزیه‌وتحلیل داده‌ها در برنامه‌های حمل‌ونقل………………………………………………………………………………. 122

3.1 مقدمه…………………………………………………………………………………………………………………….. 122

3.2 مقدمه‌ای بر محیط برنامه‌نویسی R برای تجزیه‌وتحلیل داده‌ها………………………………………. 123

3.3 تبادل داده‌های پژوهشی……………………………………………………………………………………………. 125

3.4 انواع ساختارهای اساسی داده‌ها: قالب‌ها و فهرست داده‌ها……………………………………………… 127

3.4.1 قالب داده‌ها…………………………………………………………………………………………………….. 127

3.4.2 فهرست………………………………………………………………………………………………………….. 130

3.5 ورود داده‌ها از فایل‌های خارجی…………………………………………………………………………………. 131

3.5.1 محدودشده……………………………………………………………………………………………………… 131

3.5.2 XML……………………………………………………………………………………………………………. 134

3.5.3 SQL……………………………………………………………………………………………………………… 139

3.6 سرمایه‌گذاری آنلاین داده‌های رسانه‌های اجتماعی………………………………………………………. 141

3.6.1 جستجوی ایستا……………………………………………………………………………………………….. 142

3.6.2 جریان پویا………………………………………………………………………………………………………. 143

3.7 فرآیند کلان داده: آماده‌سازی هادوپ………………………………………………………………………….. 145

3.8 خلاصه فصل…………………………………………………………………………………………………………… 147

3.9 تمرین‌ها………………………………………………………………………………………………………………….. 148

3.10 مراجع…………………………………………………………………………………………………………………… 148

فصل چهارم

مرکزیت داده‌ها: چرخه عمر و کانال ارتباطی داده‌ها…………………………………….. 149

4.1 مقدمه…………………………………………………………………………………………………………………….. 149

4.2 موارد استفاده و قابلیت تغییر داده‌ها…………………………………………………………………………….. 151

4.3 داده‌ها و چرخه عمر ITS…………………………………………………………………………………………… 156

4.3.1 مدل چرخه عمر USGS………………………………………………………………………………….. 156

4.3.2  مرکز ادغام دیجیتال (DCC) مدل ادغام…………………………………………………………… 159

4.3.3 مدل DataOne………………………………………………………………………………………………. 161

4.3.4 تحقیق پژوهشی مدل چرخه عمر SEAD…………………………………………………………. 162

4.4 کانال ارتباطی داده……………………………………………………………………………………………………. 167

4.5 آینده پژوهی…………………………………………………………………………………………………………….. 175

4.6 خلاصه فصل و نتیجه‌گیری………………………………………………………………………………………. 176

۴.۷ تمرین‌ها………………………………………………………………………………………………………………….. 176

4.8 مراجع……………………………………………………………………………………………………………………… 179

فصل پنجم

زیرساخت داده‌های سیستم‌ حمل‌ونقل هوشمند………………………………………….. 181

5.1 مقدمه…………………………………………………………………………………………………………………….. 181

5.2 کاربردهای سیستم حمل‌ونقل متصل و مشخصات فرآیند آن…………………………………………. 182

5.3 مروری بر زیرساخت‌ها………………………………………………………………………………………………. 185

5.4 زیرساخت‌های سطح بالا…………………………………………………………………………………………… 188

5.4.1 نقشه‌برداری و فراتر از آن: پردازش داده‌های مقیاس‌پذیر​……………………………………… 188

5.4.2 پردازش جریان  و پالایش داده…………………………………………………………………………. 191

5.4.3 SQL و فرمت داده‌ها………………………………………………………………………………………. 192

5.4.4 مدیریت داده‌های دسترسی کوتاه‌مدت و تصادفی………………………………………………… 194

5.4.5 تجزیه‌وتحلیل مبتنی بر جستجو………………………………………………………………………… 195

5.4.6 هوش تجاری و علم داده………………………………………………………………………………….. 195

5.4.7 یادگیری ماشین……………………………………………………………………………………………….. 196

5.5 زیرساخت‌های سطح پایین………………………………………………………………………………………… 196

5.5.1 هادوپ: مدیریت محاسبه و ذخیره‌سازی…………………………………………………………….. 197

5.5.2 هادوپ در فضای ابری……………………………………………………………………………………… 198

5.6 خلاصه فصل و نتیجه‌گیری………………………………………………………………………………………. 200

5.7 تمرین‌ها………………………………………………………………………………………………………………….. 201

5.8 مراجع……………………………………………………………………………………………………………………… 203

فصل ششم

امنیت و حریم خصوصی داده‌های خودروهای مدرن……………………………………. 207

6.1 مقدمه…………………………………………………………………………………………………………………….. 207

6.2 شبکه‌های وسایل نقلیه متصل و برنامه‌های کاربردی آن……………………………………………….. 210

6.2.1 شبکه‌های درون خودرو…………………………………………………………………………………….. 210

6.2.2 شبکه‌های خارجی……………………………………………………………………………………………. 211

6.2.3 برنامه‌های نوآورانه وسایل نقلیه…………………………………………………………………………. 212

6.3 سهامداران و ذی‌نفعان………………………………………………………………………………………………. 215

6.4 طبقه‌بندی حمله………………………………………………………………………………………………………. 217

6.5 تجزیه‌وتحلیل امنیت…………………………………………………………………………………………………. 218

6.5.1 تجزیه‌وتحلیل آسیب‌پذیری پروتکل و شبکه……………………………………………………….. 218

6.5.2 حملات…………………………………………………………………………………………………………… 222

6.5.2.1 حملات سیستم ضد سرقت………………………………………………………………………………. 223

6.5.2.2 حملات ECU………………………………………………………………………………………………. 226

6.5.2.3 حملات TPMS……………………………………………………………………………………………. 230

6.5.2.4 حملات VANET………………………………………………………………………………………… 231

6.6 راه‌حل‌های امنیتی و حریم خصوصی…………………………………………………………………………… 233

6.6.1 اصول رمزنگاری………………………………………………………………………………………………. 235

6.6.2 راه‌حل‌های امنیتی ارتباطات باس………………………………………………………………………. 236

6.6.2.1 ابهام سازی کد……………………………………………………………………………………………… 237

6.6.2.2 احراز هویت، محرمانگی و یکپارچگی………………………………………………………………….. 237

6.6.2.2.1 احراز هویت………………………………………………………………………………………….. 237

6.6.2.2.2 محرمانگی……………………………………………………………………………………………. 238

6.6.2.2.3 یکپارچگی……………………………………………………………………………………………. 239

6.6.2.3 تله‌های Rootkit………………………………………………………………………………………….. 241

6.6.2.4 سیستم تشخیص نفوذ…………………………………………………………………………………….. 242

6.6.2.5 درگاه فایروال……………………………………………………………………………………………….. 242

6.6.3 امنیت و حریم خصوصی WPAN…………………………………………………………………….. 243

6.6.3.1 چک‌لیست امنیتی بلوتوث………………………………………………………………………………… 243

6.6.3.2 WPAN  ایمن…………………………………………………………………………………………….. 244

6.6.3.3 فعال‌سازی حریم خصوصی داده‌ها در WPAN……………………………………………………… 245

6.6.4 VANET ایمن………………………………………………………………………………………………. 246

6.6.5 به‌روزرسانی سیستم‌عامل OTA ECU ایمن……………………………………………………… 249

6.6.6 پیمایش حریم خصوصی داده‌های حسگر……………………………………………………………. 253

6.6.7 مبادله ایمن……………………………………………………………………………………………………… 254

۶.۷ آینده پژوهشی…………………………………………………………………………………………………………. 255

6.8 خلاصه فصل و نتیجه‌گیری………………………………………………………………………………………. 255

۶.۹ تمرین‌ها………………………………………………………………………………………………………………….. 256

6.10 مراجع…………………………………………………………………………………………………………………… 256

فصل هفتم

تصویرسازی تعاملی داده‌ها…………………………………………………………………….. 261

۷.۱ مقدمه…………………………………………………………………………………………………………………….. 261

7.2 تصویرسازی داده‌های سیستم‌‌ حمل‌ونقل هوشمند………………………………………………………… 264

۷.۳ قدرت تصویرسازی داده‌…………………………………………………………………………………………….. 265

۷.۴ کانال ارتباطی تصویرسازی داده‌…………………………………………………………………………………. 268

7.5 طبقه‌بندی سیستم‌های تصویرسازی داده…………………………………………………………………….. 270

۷.۶ مرور اجمالی استراتژی‌ها…………………………………………………………………………………………… 272

۷.۶.۱ کاهش مقدار داده…………………………………………………………………………………………….. 274

7.6.2 حروف کوچک بصری………………………………………………………………………………………. 275

۷.۷ استراتژی‌های ناوبری……………………………………………………………………………………………….. 277

7.7.1 بزرگنمایی و جابجایی………………………………………………………………………………………. 277

۷.۷.۲ نگاه اجمالی و جزئیات………………………………………………………………………………………. 278

۷.۷.۳ تنظیم تصویر و زمینه……………………………………………………………………………………….. 279

۷.۸ استراتژی‌های تعامل بصری………………………………………………………………………………………. 280

7.8.1 انتخاب……………………………………………………………………………………………………………. 280

7.8.2 اتصال…………………………………………………………………………………………………………….. 281

7.8.3 فیلترینگ………………………………………………………………………………………………………… 282

۷.۸.۴ تنظیم مجدد و بازسازی……………………………………………………………………………………. 283

۷.۹ اصول طراحی تصویرسازی داده مؤثر………………………………………………………………………….. 284

۷.۱۰ یک مطالعه موردی: طراحی یک ابزار تجزیه‌وتحلیل بصری چند متغیره………………………… 287

۷.۱۰.۱ تصویرسازی چند متغیره با استفاده از مختصات موازی تعاملی……………………………. 288

۷.۱۰.۲ نمایش داده‌های پویا از طریق دست‌کاری مستقیم……………………………………………. 289

7.10.3 خلاصه متغیر پویا از طریق تصویرسازی‌های تعبیه‌شده……………………………………… 290

۷.۱۰.۴ چندین دیدگاه هماهنگ…………………………………………………………………………………. 291

7.11 خلاصه فصل و نتیجه‌گیری…………………………………………………………………………………….. 293

۷.۱۲ تمرین‌ها……………………………………………………………………………………………………………….. 294

۷.۱۳ منابع جهت کسب اطلاعات بیشتر……………………………………………………………………………. 295

7.14 مراجع…………………………………………………………………………………………………………………… 296

فصل هشتم

تجزیه‌وتحلیل داده در مهندسی سیستم‌های حمل‌ونقل هوشمند……………………. 300

8.1 مقدمه…………………………………………………………………………………………………………………….. 300

۸.۲ پیشینه مطالعات……………………………………………………………………………………………………….. 302

۸.۲.۱ مدل توسعه سیستم‌ها………………………………………………………………………………………. 302

۸.۲.۱.۱ آغاز پروژه……………………………………………………………………………………………………. 303

۸.۲.۱.۲ مهندسی مقدماتی………………………………………………………………………………………….. 304

۸.۲.۱.۳ طرح‌ها، مشخصات و برآوردها…………………………………………………………………………… 304

۸.۲.۱.۴ ساخت ‌و تولید………………………………………………………………………………………………. 304

۸.۲.۱.۵ اتمام پروژه…………………………………………………………………………………………………… 305

۸.۲.۱.۶ عملیات و نگهداری………………………………………………………………………………………… 305

۸.۲.۲ مهندسی پیوسته………………………………………………………………………………………………. 306

8.2.3 AADL…………………………………………………………………………………………………………. 307

۸.۲.۳.۱ مروری بر زبان……………………………………………………………………………………………… 308

8.2.3.2 ضمیمه رفتاری……………………………………………………………………………………………… 310

۸.۲.۳.۳ ضمیمه خطا…………………………………………………………………………………………………. 311

۸.۲.۳.۴ AGREE…………………………………………………………………………………………………… 314

۸.۲.۳.۵  Resolute………………………………………………………………………………………………….. 315

۸.۳ سناریو توسعه…………………………………………………………………………………………………………… 316

۸.۳.۱ تجزیه‌وتحلیل داده‌ها در معماری……………………………………………………………………….. 317

۸.۳.۲ سناریو…………………………………………………………………………………………………………….. 318

8.4 خلاصه فصل و نتیجه‌گیری………………………………………………………………………………………. 326

8.5 تمرین‌ها………………………………………………………………………………………………………………….. 327

8.6 حل تمرین‌ها……………………………………………………………………………………………………………. 329

8.7 پیوست A……………………………………………………………………………………………………………….. 330

8.7.1 هستی‌شناسی خطا EMV2………………………………………………………………………………. 330

8.8 مراجع……………………………………………………………………………………………………………………… 331

فصل نهم

تجزیه‌وتحلیل داده‌های کاربری‌های ایمنی…………………………………………………. 333

9.1 مقدمه…………………………………………………………………………………………………………………….. 333

۹.۲ بررسی اجمالی تحقیقات ایمنی…………………………………………………………………………………… 334

۹.۲.۱ عوامل انسانی………………………………………………………………………………………………….. 334

۹.۲.۲ مدل تعداد/نرخ  تصادف……………………………………………………………………………………. 335

۹.۲.۳ مطالعه قبل و بعد…………………………………………………………………………………………….. 337

۹.۲.۴ مدل‌سازی شدت آسیب تصادف………………………………………………………………………… 338

۹.۲.۵ ایمنی وسیله نقلیه تجاری…………………………………………………………………………………. 339

۹.۲.۶ طرح گشت بزرگراه مبتنی بر داده………………………………………………………………………. 340

۹.۲.۷ ایمنی یادگیری عمیق از داده‌های بزرگ و ناهمگن…………………………………………….. 341

9.2.8 عملکرد ترافیک در زمان واقعی و نظارت بر ایمنی………………………………………………. 341

۹.۲.۹ وسایل نقلیه متصل و ایمنی ترافیک………………………………………………………………….. 342

۹.۳ روش‌های تحلیل ایمنی…………………………………………………………………………………………….. 344

۹.۳.۱ روش‌های آماری……………………………………………………………………………………………… 344

۹.۳.۱.۱مدل‌سازی داده‌های شمارش……………………………………………………………………………… 344

۹.۳.۱.۲ مدل‌سازی دسته‌بندی داده‌ها…………………………………………………………………………….. 347

۹.۳.۲ هوش مصنوعی و یادگیری ماشین…………………………………………………………………….. 351

۹.۴ داده‌های ایمنی………………………………………………………………………………………………………… 355

۹.۴.۱ اطلاعات تصادفات…………………………………………………………………………………………… 355

۹.۴.۲ اطلاعات حجم ترافیک…………………………………………………………………………………….. 356

۹.۴.۳ اطلاعات جاده‌ای…………………………………………………………………………………………….. 358

۹.۴.۴ اطلاعات هواشناسی…………………………………………………………………………………………. 359

۹.۴.۵ اطلاعات وسیله نقلیه و راننده……………………………………………………………………………. 360

۹.۴.۶ مطالعه رانندگی طبیعی……………………………………………………………………………………… 360

9.4.7 نوآوری‌های کلان داده و داده‌های باز………………………………………………………………… 362

۹.۴.۸ اطلاعات دیگر…………………………………………………………………………………………………. 364

۹.۵ مسائل و آینده پژوهی……………………………………………………………………………………………….. 365

۹.۵.۱ مسائل موجود در تحقیقات ایمنی موجود…………………………………………………………….. 365

۹.۵.۲ آینده پژوهی……………………………………………………………………………………………………. 366

۹.۶ خلاصه فصل و نتیجه‌گیری………………………………………………………………………………………. 369

۹.۷ تمرین‌ها………………………………………………………………………………………………………………….. 370

9.8 مراجع……………………………………………………………………………………………………………………… 372

فصل دهم

تجزیه‌وتحلیل داده‌‌های کاربردی حمل‌ونقل کالا بین مُدی…………………………….. 374

10.1 مقدمه…………………………………………………………………………………………………………………… 374

10.1.1 باربری بین مُدی فراهم‌شده توسط ITS………………………………………………………….. 375

۱۰.۱.۲ تجزیه‌وتحلیل داده‌های ترابری بین مُدی فراهم‌شده توسط ITS………………………… 376

۱۰.۲ تجزیه‌وتحلیل داده‌های توصیفی………………………………………………………………………………. 376

۱۰.۲.۱ تجزیه‌وتحلیل منحصربه‌فرد…………………………………………………………………………….. 376

۱۰.۲.۱.۱ آزمون مجذور کای……………………………………………………………………………………….. 378

۱۰.۲.۱.۲ آزمون  K-S……………………………………………………………………………………………….. 378

۱۰.۲.۱.۳ آزمون  A-D……………………………………………………………………………………………… 378

۱۰.۲.۱.۴ نظرات در مورد آزمون‌های مجذور کای، K-S و A-D…………………………………………… 379

۱۰.۲.۲ تجزیه‌وتحلیل دومتغیره………………………………………………………………………………….. 383

۱۰.۳ تجزیه‌وتحلیل داده‌های پیش‌بینی‌شده………………………………………………………………………. 386

۱۰.۳.۱ تجزیه‌وتحلیل تجارب…………………………………………………………………………………….. 386

۱۰.۳.۲ تجزیه‌وتحلیل چند متغیره……………………………………………………………………………….. 391

10.3.3 رگرسیون فازی……………………………………………………………………………………………… 395

۱۰.۴ خلاصه فصل و نتیجه‌گیری…………………………………………………………………………………….. 398

۱۰.۵ تمرین‌ها……………………………………………………………………………………………………………….. 398

10.6 حل تمرین‌ها…………………………………………………………………………………………………………. 400

10.7 مراجع…………………………………………………………………………………………………………………… 401

فصل یازدهم

داده‌های رسانه اجتماعی در حمل‌ونقل………………………………………………………. 402

11.1 مقدمه‌ای برای رسانه‌های اجتماعی………………………………………………………………………….. 402

۱۱.۲مشخصات داده‌های رسانه‌های اجتماعی……………………………………………………………………. 404

۱۱.۲.۱ حجم و سرعت………………………………………………………………………………………………. 406

۱۱.۲.۲ دقت و درستی……………………………………………………………………………………………….. 407

۱۱.۲.۳ تنوع……………………………………………………………………………………………………………… 407

۱۱.۲.۴ ارزش…………………………………………………………………………………………………………… 408

۱۱.۳ تجزیه‌وتحلیل داده‌های رسانه‌های اجتماعی………………………………………………………………. 409

۱۱.۴ کاربرد داده‌های رسانه‌های اجتماعی در حمل‌ونقل……………………………………………………… 414

۱۱.۴.۱ برنامه‌ریزی حمل‌ونقل……………………………………………………………………………………. 414

۱۱.۴.۲ پیش‌بینی ترافیک…………………………………………………………………………………………… 415

11.4.3 مدیریت ترافیک در طول رویدادهای برنامه‌ریزی‌شده………………………………………… 416

۱۱.۴.۴ مدیریت ترافیک در طول رویدادهای برنامه‌ریزی نشده……………………………………… 416

۱۱.۴.۵ انتشار اطلاعات مربوط به ترافیک…………………………………………………………………… 418

۱۱.۵ آینده پژوهی/ چالش‌های مربوط به تجزیه‌وتحلیل داده‌های رسانه‌های اجتماعی فراهم‌شده توسط تحلیلگران داده……………………………………………………………………………………………………… 419

۱۱.۵.۱ رسانه‌های اجتماعی: یک منبع مکمل داده‌های حمل‌ونقل…………………………………. 419

۱۱.۵.۲ زیرساخت داده‌های بالقوه……………………………………………………………………………….. 420

۱۱.۶ خلاصه فصل…………………………………………………………………………………………………………. 425

۱۱.۷ نتیجه‌گیری…………………………………………………………………………………………………………… 426

۱۱.۸ تمرین‌ها……………………………………………………………………………………………………………….. 427

11.9 مراجع…………………………………………………………………………………………………………………… 428

فصل دوازدهم

یادگیری ماشین در تجزیه‌وتحلیل داده‌های حمل‌ونقل………………………………….. 433

۱۲.۱ مقدمه…………………………………………………………………………………………………………………… 433

۱۲.۲ روش‌های یادگیری ماشین………………………………………………………………………………………. 435

۱۲.۲.۱ یادگیری تحت نظارت……………………………………………………………………………………. 435

۱۲.۲.۱.۱ طبقه‌بندی………………………………………………………………………………………………….. 436

۱۲.۲.۱.۲ رگرسیون…………………………………………………………………………………………………… 437

۱۲.۲.۲ یادگیری بدون نظارت……………………………………………………………………………………. 437

۱۲.۲.۲.۱ خوشه‌بندی…………………………………………………………………………………………………. 438

۱۲.۲.۲.۲ پیوستگی…………………………………………………………………………………………………… 438

12.3 درک اطلاعات……………………………………………………………………………………………………….. 439

12.3.1 تعریف مسئله………………………………………………………………………………………………… 439

۱۲.۳.۲ جمع‌آوری داده‌ها……………………………………………………………………………………………. 441

۱۲.۳.۳ همجوشی داده‌ها…………………………………………………………………………………………… 442

12.3.4 پیش‌پردازش داده‌ها……………………………………………………………………………………….. 444

۱۲.۴ الگوریتم‌های یادگیری ماشین برای تجزیه‌وتحلیل داده‌ها……………………………………………. 445

۱۲.۴.۱روش‌های رگرسیون………………………………………………………………………………………… 445

۱۲.۴.۲ درخت تصمیم‌گیری……………………………………………………………………………………….. 450

۱۲.۴.۳ شبکه‌های عصبی………………………………………………………………………………………….. 452

۱۲.۴.۴ ماشین بردار پشتیبانی…………………………………………………………………………………….. 455

۱۲.۴.۵ خوشه‌بندی……………………………………………………………………………………………………. 457

۱۲.۴.۶ ارزیابی………………………………………………………………………………………………………….. 458

12.5 یک مطالعه موردی…………………………………………………………………………………………………. 460

۱۲.۶ خلاصه فصل و نتیجه‌گیری…………………………………………………………………………………….. 463

۱۲.۷ تمرین‌ها……………………………………………………………………………………………………………….. 463

12.8 مراجع…………………………………………………………………………………………………………………… 464

12.9 پیوست………………………………………………………………………………………………………………….. 465

 

نقد و بررسی‌ها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین کسی باشید که دیدگاهی می نویسد “تجزیه‌ و تحلیل داده‌‌های حمل‌ و نقل هوشمند (کتاب الکترونیک)”

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

نقد و بررسی‌ها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین کسی باشید که دیدگاهی می نویسد “تجزیه‌ و تحلیل داده‌‌های حمل‌ و نقل هوشمند (کتاب الکترونیک)”

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