کبری بزرگ نیا؛ هانی رضائیان؛ جواد سدیدی
چکیده
دقت تعیین موقعیت به کیفیت تکنولوژی مورد استفاده بستگی دارد. در حالیکه استفاده از تکنولوژیهای ارائهدهنده کیفیت بالای تعیین موقعیت مستلزم صرف هزینه زیاد و داشتن تخصص بالا جهت استفاده میباشد، عمدتاً تکنولوژی با کیفیت و قیمت پایین تعیین موقعیت ماهوارهای (GPS) و حسگرهای وضعیتی استفاده میشوند که در قالب گوشیهای هوشمند ...
بیشتر
دقت تعیین موقعیت به کیفیت تکنولوژی مورد استفاده بستگی دارد. در حالیکه استفاده از تکنولوژیهای ارائهدهنده کیفیت بالای تعیین موقعیت مستلزم صرف هزینه زیاد و داشتن تخصص بالا جهت استفاده میباشد، عمدتاً تکنولوژی با کیفیت و قیمت پایین تعیین موقعیت ماهوارهای (GPS) و حسگرهای وضعیتی استفاده میشوند که در قالب گوشیهای هوشمند بهصورت فراگیر در دسترس میباشند. یکی از نکات متمایز این تکنولوژیهای ارزانقیمت، میزان تأثیرپذیری آنها از عوامل تولیدکننده نویز میباشد. در این مقاله تأثیر بهبود میزان نویز حاصل از حسگرهای تعیین موقعیت و وضعیت گوشیهای همراه بر دقت تعیین موقعیت اشیاء متحرک مانند خودروها با استفاده از تکنیک محلیسازی[1] و تلفیق دادههای حاصل از حسگرهای مغناطیسسنج، ژیروسکوپ که در گوشیهای همراه هوشمند وجود دارند بررسی شده است. از حسگرهای مزبور پارامترهای آزیموت و زاویه چرخش (رول) استخراج شده است و این پارامترها بههمراه شتابخطی و مختصات جغرافیایی حاصل از GPS برای بهبود موقعیت وسیلهنقلیه در الگوریتم کالمن که یک فیلتر پایینگذر برای نویزهای با فرکانس پایین است، تلفیق شدهاند. نتایج بهدست آمده از اجرای روش پیشنهادی در خط 2 بزرگراه آزادگان شرق به غرب تهران و مقایسه آن با دادههای مرجع نشان داده است که خطای تعیین موقعیت خودرو با گیرنده GPS گوشی هوشمند از 0.8274 متر به 0.6768 متر بدون کاهش نویز در فیلتر کالمن توسعهیافته[2]، کاهش یافته است. با کاهش تدریجی نویز، میزان دقت نتایج حاصل از فیلتر کالمن بین مقادیر 0.6763 تا 0.6771 متر در نوسان بوده است که بیشترین بهبود دقت موقعیت خودرو در اثر کاهش 2 درصدی نویز، به مقدار 0.6763 متر حاصل شده است. براساس این نتایج، با وجود اینکه کاهش اثر نویز میتواند منجر به بهبود موقعیت وسیلهنقلیه با استفاده از فیلتر کالمن و مشاهدات حسگرهای گوشی هوشمند شود، نامنظم بودن تغییرات دقت ناشی از کاهش نویز، لزوم یافتن درصد نویز کاهش بهینه را ایجاب میکند. [1]- Dead-reckoning [2]- Extended Kalman Filter
جواد سدیدی؛ سعیده صاحبی وایقان؛ هانی رضائیان
چکیده
در سالهای اخیر با پیشرفت فنآوریهای جمعآوری و مدیریتداده، پایگاهدادههای بسیار بزرگ پدیدار شدهاند. بسیاری از پرسوجوهای تجزیه و تحلیل بر اساس ماهیتشان به تجمیع و خلاصهسازی بخشهای بزرگی از دادههای در حال تجزیه و تحلیل نیاز دارند. مسئله اصلی در حیطهی پایگاه داده پردازش کارآمد پرسوجو مخصوصاً در سیستمهای ...
بیشتر
در سالهای اخیر با پیشرفت فنآوریهای جمعآوری و مدیریتداده، پایگاهدادههای بسیار بزرگ پدیدار شدهاند. بسیاری از پرسوجوهای تجزیه و تحلیل بر اساس ماهیتشان به تجمیع و خلاصهسازی بخشهای بزرگی از دادههای در حال تجزیه و تحلیل نیاز دارند. مسئله اصلی در حیطهی پایگاه داده پردازش کارآمد پرسوجو مخصوصاً در سیستمهای لحظهای[1] است که نیازمند رسیدن به جواب آنی میباشد تا اینکه کاربر زمان زیادی را برای دریافت پاسخ صرف نکند. (AQP (Approximate Query Processingبهعنوان روشی جایگزین برای پردازش پرسوجو در محیطهایی که ارائه یک پاسخ دقیق زمانبر است، با هدف ارائه پاسخ تخمینی، کاهش زمان پاسخ را با حذف یا کاهش تعداد دسترسیها به دادهی پایه میسر میسازد. پردازش [2]In-Database عملکرد شبکههای کامپیوتری را بهبود بخشیده و به طراحی مناسب پرسوجوها با نتایج نسبتاً سریع و دقیق کمک میکند. در این پژوهش عملیات تجمیع (Sum) در پایگاه داده PostgreSQL روی دادههای رستری بارش به دو روش معمولی و بهینه پیشنهاد شده، انجام شده است. بررسی نتایج نشان میدهد که سرعت اجرای تابع Sum با خوشهبندی، 2/27 برابر اجرای این تابع بدون خوشهبندی است و میانگین اختلاف عددی پیکسلهای حاصل از اجرای تابع Sum بهینه با اجرای تابع معمولی آن 028/0 میباشد.میانگین زمان اجرای پرسوجوهای معمولی و بهینه برای تابع Sum به ترتیب 211 و 754/7 ثانیه میباشد که نشانگر کارآمد بودن روش پیشنهاد شده در این تحقیق میباشد. نتایج تحقیق حاضر که در حقیقت کاهش معنی دار زمان پاسخ آنالیزهای داخل پایگاه دادهای در دادههای رستری میباشد، میتواند در ارائه سرویسهای رئال تایم تحت وب مانند هواشناسی، ترافیک و ... که نیازمند تحلیلهای آنی و جواب لحظهای میباشند مورد استفاده قرار گیرد. [1]- Real time [2]- درون پایگاهداده