Resumen

La predicción de la ubicación del usuario en redes sociales basadas en la ubicación puede predecir bien la densidad del flujo de personas en términos de transporte inteligente, lo que puede permitir ajustes correspondientes a tiempo para que el tráfico sea fluido, reducir el consumo de combustible, disminuir las emisiones de gases de efecto invernadero y ayudar a construir un sistema de transporte verde de ciclo bajo en carbono. Este artículo propone un modelo de predicción de posición de cadena de Markov basado en corrección multidimensional (MDC-MCM). En primer lugar, extrae información correspondiente de la secuencia de posición de check-in histórica de los usuarios como un mapa de conversión de posición-posición. En segundo lugar, la influencia del período de check-in, la distancia espacial y otros factores en la predicción de posición se pondera linealmente y se fusiona con la predicción de posición de la cadena de Markov de orden - para construir MDC-MCM. Finalmente, realizamos una evaluación de rendimiento integral de MDC-MCM utilizando el conjunto de datos recopilado de Bright

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Predicción de la ubicación del usuario; Densidad del flujo de personas; Transporte inteligente; Tráfico fluido; Consumo de combustible; Emisiones de gases de efecto invernadero
• Keywords:User location prediction; Density of people flow; Intelligent transportation; Traffic smooth; Fuel consumption; Greenhouse gas emissions