Filter by دسته‌ها
chatGTP
ابزارهای هوش مصنوعی
اخبار
گزارش
تیتر یک
چندرسانه ای
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
دانش روز
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
دیتاست
رویدادها
جیتکس
کاربردهای هوش مصنوعی
کتابخانه
اشخاص
شرکت‌های هوش مصنوعی
محصولات و مدل‌های هوش مصنوعی
مفاهیم
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
مقاله
 چهار روش ساده برای نگاشت داده های مربوط به موقعیت خودروها با OmniSci Free

چهار روش ساده برای نگاشت داده های مربوط به موقعیت خودروها با OmniSci Free

زمان مطالعه: 2 دقیقه

پیش از این که به این مطلب درمورد نگاشت داده های مربوط به موقعیت خودروها بپردازیم، چند لحظه به شلوغ‌ترین و ناخواناترین نقشه‌ای که تا حالا دیده‌اید فکر کنید. اولین نقشه‌ای که به ذهن من خطور می‌کند مربوط به سال 2015 است. آن سال برای شرکت نرم‌افزاری GIS کار می‌کردم و در حال بازدید از یکی از بزرگ‌ترین شرکت‌های اتومبیل‌‌سازی در دیترویت بودم.

یک مهندس راهبرد (که داشتم با او مصاحبه می‌کردم) تازه موفق شده بود به دیتاست شرکت معروف تاکسی نیویورک (NYC Taxi) دسترسی پیدا کند و خیلی سریع ارائه‌ای آماده کرده بود تا نشان دهد چگونه می‌توان از کلان‌داده‌ها نقشه‌برداری کرد.

نتیجه کار هم تحسین‌برانگیز و هم خنده‌دار بود: یک لکه بزرگ زرد رنگ که جزیره منهتن را پوشانده بود.

شش سال رشد و پیشرفت بسیار سریع در حوزه خدمات ایمنی و امنیتی، افزایش تقاضا برای داده‌های خام جمع‌آوری‌شده توسط خودروها و سایر دستگاه‌ها به منظور عیب‌یابی آن‌ها و به کارگیری روز افزون خودروهای متصل منجر به ناکارآمدتر شدن دیتاست‌های بزرگ حاوی اطلاعات موقعیت وسایل نقلیه شده است.

براساس برآورد متخصصان صنعت خودرو، یک خودوری متصل معمولی هر ساعت بیشتر از 25 گیگابایت از داده ها را تولید می‌کند.

درک این کلان‌داده‌های سنگین و فضایی مستلزم اکتشاف داده دقیقی است که با قرار دادن اجسام در یک بافت جغرافیایی آغاز می‌شود.

در ادامه چهار روش ساده برای نگاشت داده های مربوط به موقعیت خودروها با OmniSci Free را توضیح می‌دهیم. یک نسخه کامل از سامانه‌ تحلیلی ما به صورت رایگان در دسترس است. این چهار روش به شرح زیر هستند:

  1. روش مکان نما با گرادیان چگالی
  2. روش تجمیعی با Bin
  3. اضافه کردن لایه مربوط به خیابان‌ها
  4. خلاصه‌سازی بر اساس گروه بلوک سرشماری

ویدیو یک

ویدیو دو

ویدیو سه

ویدیو چهار

بسیارخب، در این 4 ویدیو با چهار روش ساده برای نگاشت داده های مربوط به موقعیت خودروها با OmniSci Free آشنا شدیم.

این تکنیک‌ها روش بسیار خوبی برای نگاشت داده های مربوط به موقعیت خودروهای شرکت‌ها، سرویس‌های ویژه شناسایی موقعیت خودروها و غیره هستند.

حتماً مطالب به روز وبلاگ OmniSci رو مطالعه کنید و روش‌های تحلیل فضایی را با جزئیات بیشتر بررسی کنید. ما از این روش‌ها برای غنی‌تر نمودن بافرهای خیابانی و گروه بلوک‌های سرشماری به کمک متغیرهای موقعیت خودرو و آمار تصادفات استفاده کردیم.

میانگین امتیاز / 5. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
[wpforms id="48325"]