nach oben

Erschienen in:

2018 | OriginalPaper | Buchkapitel

Mobile Crowdsourced Sensors Selection for Journey Services

verfasst von : Ahmed Ben Said, Abdelkarim Erradi, Azadeh Gharia Neiat, Athman Bouguettaya

Erschienen in: Service-Oriented Computing

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

We propose a mobile crowdsourced sensors selection approach to improve the journey planning service especially in areas where no wireless or vehicular sensors are available. We develop a location estimation model of journey services based on an unsupervised learning model to select and cluster the right mobile crowdsourced sensors that are accurately mapped to the right journey service. In our model, the mobile crowdsourced sensors trajectories are clustered based on common features such as speed and direction. Experimental results demonstrate that the proposed framework is efficient in selecting the right crowdsourced sensors.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel Unit of Work Supporting Generative Scientific Workflow Recommendation

Nächstes Kapitel RLRecommender: A Representation-Learning-Based Recommendation Method for Business Process Modeling

web.mta.info/developers/MTA-Bus-Time-historical-data.html.

Yu, Z., Feng, Y., Xu, H., Zhou, X.: Recommending travel packages based on mobile crowdsourced data. IEEE Commun. Mag. 52, 56–62 (2014)CrossRef

Ye, H., Gu, T., Tao, X., Lu, J.: Crowdsourced smartphone sensing for localization in metro trains. In: Proceeding of IEEE International Symposium on a World of Wireless, Mobile and Multimedia Networks, pp. 1–9 (2014)

Shin, D., et al.: Urban sensing: using smartphones for transportation mode classification. Comput., Environ. Urban Syst. 53, 76–86 (2015)CrossRef

Farkas, K., Nagy, A.Z., Tomaás, T., Szábo, R.: Participatory sensing based real-time public transport information service. IEEE International Conference on Pervasive Computing and Communications Demonstrations, pp. 141–144 (2014)

Ahmed, K., Gregory, M.: Integrating wireless sensor networks with cloud computing. In: Seventh International Conference on Mobile Ad-Hoc and Sensor Networks, pp. 364–366 (2011)

Neiat, A.G., Bouguettaya, A.: Crowdsourcing of Sensor Cloud Services. Springer, Cham (2018). https://doi.org/10.1007/978-3-319-91536-4CrossRef

Ghari Neiat, A., Bouguettaya, A., Sellis, T.: Spatio-temporal composition of crowdsourced services. In: Barros, A., Grigori, D., Narendra, N.C., Dam, H.K. (eds.) ICSOC 2015. LNCS, vol. 9435, pp. 373–382. Springer, Heidelberg (2015). https://doi.org/10.1007/978-3-662-48616-0_26CrossRef

Neiat, A.G., Bouguettaya, A., Sellis, T., Dong, H.: Failure-proof spatio-temporal composition of sensor cloud services. In: Franch, X., Ghose, A.K., Lewis, G.A., Bhiri, S. (eds.) ICSOC 2014. LNCS, vol. 8831, pp. 368–377. Springer, Heidelberg (2014). https://doi.org/10.1007/978-3-662-45391-9_26CrossRef

Zhang, X., et al.: Incentives for mobile crowd sensing: a survey. IEEE Commun. Surv. Tutor. 18, 54–67 (2016)CrossRef

10.

Neiat, A.G., Bouguettaya, A., Sellis, T., Mistry, S.: Crowdsourced coverage as a service: two-level composition of sensor cloud services. IEEE Trans. Knowl. Data Eng. 29, 1384–1397 (2017)CrossRef

11.

Huang, Y., Chen, C., Dong, P.: Modeling herds and their evolvements from trajectory data. In: Cova, T.J., Miller, H.J., Beard, K., Frank, A.U., Goodchild, M.F. (eds.) GIScience 2008. LNCS, vol. 5266, pp. 90–105. Springer, Heidelberg (2008). https://doi.org/10.1007/978-3-540-87473-7_6CrossRef

12.

Birant, D., Kut, A.: ST-DBSCAN: an algorithm for clustering spatial-temporal data. Data Knowl. Eng. 60, 208–221 (2007)CrossRef

13.

Avni, M., Viswanath, G., Vinaya, N., ST-OPTICS: a spatial-temporal clustering algorithm with time recommendations for taxi services, Ph.D. thesis (2017)

14.

Li, Z., Ding, B., Han, J., Kays, R.: Swarm: mining relaxed temporal moving object clusters. Proc. VLDB Endow. 3, 723–734 (2010)CrossRef

15.

Li, Z., Ding, B., Han, J., Kays, R., Nye, P.: Mining periodic behaviors for moving objects. In: Proceedings of the 16th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pp. 1099–1108 (2010)

16.

Wachowicz, M., Ong, R., Renso, C., Nanni, M.: Finding moving flock patterns among pedestrians through collective coherence. Int. J. Geogr. Inf. Sci. 25, 1849–1864 (2011)CrossRef

17.

Jeung, H., Yiu, M.L., Zhou, X., Jensen, C.S., Shen, H.T.: Discovery of convoys in trajectory databases. Proc. VLDB Endow. 1, 1068–1080 (2008)CrossRef

18.

Andersson, M., Gudmundsson, J., Laube, P., Wolle, T.: Reporting leadership patterns among trajectories. In: Proceedings of the 2007 ACM Symposium on Applied Computing, pp. 3–7 (2007)

19.

de Lucca Siqueira, F., Bogorny, V.: Discovering chasing behavior in moving object trajectories. Trans. GIS 15, 667–688 (2011)CrossRef

20.

Shao, W., Salim, F.D., Song, A., Bouguettaya, A.: Clustering big spatiotemporal-interval data. IEEE Trans. Big Data 2, 190–203 (2016)CrossRef

21.

Jiang, Z., Shekhar, S.: Spatial and spatiotemporal big data science. In: Jiang, Z., Shekhar, S. (eds.) Spatial Big Data Science, pp. 15–44. Springer, Cham (2017). https://doi.org/10.1007/978-3-319-60195-3_2CrossRef

22.

Lee, J.G., Han, J., Whang, K.Y.: Trajectory clustering: a partition-and-group framework. In: SIGMOD, pp. 593–604 (2007)

23.

Mahmoud, H., Akkari, N.: Shortest path calculation: a comparative study for location-based recommender system. In: 2016 World Symposium on Computer Applications and Research (WSCAR), pp. 1–5 (2016)

24.

Xie, X.L.: A validity measure for fuzzy clustering. IEEE Trans. Pattern Anal. Mach. Intell. 13, 841–847 (1991)CrossRef

Titel: Mobile Crowdsourced Sensors Selection for Journey Services
verfasst von: Ahmed Ben Said
Abdelkarim Erradi
Azadeh Gharia Neiat
Athman Bouguettaya
Verlag: Springer International Publishing
Buch: Service-Oriented Computing
Print ISBN: 978-3-030-03595-2

Electronic ISBN: 978-3-030-03596-9

Copyright-Jahr: 2018
DOI: https://doi.org/10.1007/978-3-030-03596-9_33

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"

Premium Partner