Empreu aquest identificador per citar o enllaçar aquest ítem:
http://hdl.handle.net/10609/70691
Títol: | Data analytics for smart parking applications |
Autoria: | Piovesan, Nicola Turi, Leo Toigo, Enrico Martínez Huerta, Borja Rossi, Michele |
Citació: | Piovesan, N., Turi, L., Toigo, E., Martínez Huerta, B. & Rossi, M. (2016). "Data analytics for smart parking applications". Sensors, 16(10). ISSN 1424-8220. doi: 10.3390/s16101575 |
Resum: | Considerem els sistemes d'estacionament intel·ligents reals on les dades d'ocupació de l'estacionament es recopilen dels dispositius de sensors de camp i s'envien als servidors back-end per al seu posterior processament i ús per a les aplicacions. El nostre objectiu és fer que aquestes dades siguin útils per als usuaris finals, com els gerents d'estacionament i, en última instància, per als ciutadans. Amb aquesta finalitat, elaborem i validem un algoritme de classificació automatitzat que té dos objectius: (1) detecció de valors atípics: per detectar sensors amb patrons de comportament anòmals, és a dir, valors atípics; i (2) agrupament: per agrupar els sensors d'estacionament que exhibeixen patrons similars en grups diferents. Primer analitzem les estadístiques de dades reals d'estacionament, obtenint models de simulació adequats per a empremtes d'estacionament. Després considerem un algoritme de classificació simple basat en la funció de distribució empírica complementària dels temps d'ocupació i mostrem les seves limitacions. Per tant, vam dissenyar un algoritme més sofisticat que explota tècniques d'aprenentatge no supervisades (mapes autoorganitzats). Aquests es sintonitzen seguint un enfocament supervisat utilitzant el nostre generador de traces i es comparen amb altres esquemes d'agrupament, és a dir, la maximització de l'expectativa, l'agrupació k-means i DBSCAN, considerant sis mesos de dades d'una implementació real del sensor. El nostre enfocament és superior en termes de precisió de classificació, alhora que és capaç d'identificar tots els valors atípics en el conjunt de dades. |
Paraules clau: | analítica de dades dades d'estacionament intel·ligent detecció sense fils mapes autoorganitzats data clustering internet de les coses |
DOI: | 10.3390/s16101575 |
Tipus de document: | info:eu-repo/semantics/article |
Data de publicació: | 23-set-2016 |
Llicència de publicació: | https://creativecommons.org/licenses/by/4.0/ ![]() |
Apareix a les col·leccions: | Articles Articles cientÍfics |
Arxius per aquest ítem:
Arxiu | Descripció | Mida | Format | |
---|---|---|---|---|
Piovesan_Sen16_Data.pdf | 537,95 kB | Adobe PDF | ![]() Veure/Obrir |
Comparteix:
![]( /image/googleScholar.png)
![](/image/microsoftAcademic.png)
Els ítems del Repositori es troben protegits per copyright, amb tots els drets reservats, sempre i quan no s’indiqui el contrari.