Метод поиска часто повторяющихся маршрутов в пространственно-временных данных
Опубликовано: 03.11.2012
Авторы: Виноградов В.И., Мазнев В.Г.
Опубликовано в выпуске: #3(3)/2012
DOI: 10.18698/2308-6033-2012-3-100
Раздел: Информационные технологии | Рубрика: Автоматизированные системы управления
Предложено рассматривать применение анализа для решения задач трафика в целях получения данных о наиболее частых маршрутах. Разработана модель периодического шаблона.
Литература
[1] Hadjieleftheriou M., Kollios G., Tsotras V.J., Gunopulos D. Efficient Indexing of Spatiotemporal Objects // In Proc. of Extending DatabaseTechnology Conference. 2002. — P. 251—268
[2] Pfoser D, Jensen C. S. and Theodoridis Y. Novel Approaches in QueryProcessing for Moving Object Trajectories // In Proc. of Very Large Data Bases Conf. 2000. P. 395—406
[3] Yavas G., Katsaros D., Ulusoy O., Manolopoulos Y. A Data Mining Approach for Location Prediction in Mobile Environments // Data andKnowledge Engineering. 54(2). 2005. P. 121—146
[4] Чубукова И.А. Data Mining. — М.: ИУИТ, 2008
[5] Барсегян А.А., Куприянов М.С. Технологии анализа данных. Data Mining, Visual Mining, Text Mining, OLAP. — СПб.: БХВ-Петербург, 2007
[6] Ester M., Kriegel H.P., Sander J., Xu X. A Density-based Algorithm forDiscovering Clusters in Large Spatial Databases with Noise // In Proc. of International Conference on Knowledge Discovery and Data Mining. 1996. — P. 226—231
[7] Cao H., Mamoulis N., Cheung D.W. Discovery of Periodic Patterns in Spatiotemporal Sequences // IEEE Trans. Knowl. Data Eng. 19(4). 2007. — P. 453—467
[8] Agrawal R., Srikant R. Fast Algorithms for Mining Association Rules //In Proc. Of Very Large Data Bases Conference. 1994. — P. 487–499
[9] Han J., Dong G., Yin Y. Efficient Mining of Partial Periodic Patterns in Time Series Database // In Proc. of International Conference on Data Engineering. 1999. — P. 106—115