Big Data Analytics for Time-Critical Mobility Forecasting: From Raw Data to Trajectory-Oriented Mobility Analytics in the Aviation and Maritime Domains

این کتاب توضیحات مفصلی از راه حل های کلان داده برای تشخیص فعالیت و پیش بینی تعداد بسیار زیادی از موجودات متحرک پراکنده در مناطق جغرافیایی بزرگ ارائه می دهد. این روش‌های پیشرفته را برای پردازش، مدیریت، تشخیص و پیش‌بینی مسیرها و رویدادهای مهم مرتبط با موجودات متحرک، همراه با روش‌های پیشرفته تجزیه و تحلیل بصری، در جریان‌های داده‌های متعدد ناهمگن، حجیم، نوسانی و نویز از موجودیت‌های متحرک ارائه می‌کند. آنها را با داده هایی از منابع داده آرشیو شده که به عنوان مثال بیان می کنند. ویژگی های موجودیت ها، اطلاعات جغرافیایی، الگوهای تحرک، مقررات تحرک و داده های عمدی.

کتاب به شش بخش تقسیم می‌شود: بخش اول انگیزه و پیشینه پیش‌بینی تحرک را که توسط تحلیل‌های مسیر محور پشتیبانی می‌شود، مورد بحث قرار می‌دهد و شامل مشکلات و چالش‌های خاص در هوانوردی (مدیریت ترافیک هوایی) و دریایی است. دامنه ها بخش دوم بر ارزیابی و پردازش کیفیت داده های بزرگ تمرکز دارد و فناوری های جدید مناسب برای اجزای تجزیه و تحلیل تحرک را ارائه می دهد. در مرحله بعد، بخش سوم راه‌حل‌هایی را برای پردازش و مدیریت داده‌های مکانی-زمانی بزرگ، به‌ویژه غنی‌سازی جریان‌های داده و یکپارچه‌سازی داده‌های جریانی و آرشیوی برای ارائه دیدگاه‌های منسجم از تحرک، و ذخیره داده‌های تحرک یکپارچه در نمودارهای دانش توزیع شده بزرگ برای پاسخگویی به پرس و جو کارآمد، توصیف می‌کند. بخش چهارم بر روش‌های تحلیل تحرک با بهره‌برداری از جریان‌های داده‌های پردازش شده، خلاصه‌سازی‌شده و غنی‌شده (آنلاین) و همچنین داده‌های تحرک یکپارچه و بایگانی شده (آفلاین) تمرکز دارد و روش‌های پیش‌بینی مکان و مسیر آینده را برجسته می‌کند، و بین کوتاه‌مدت و بلندمدت چالش‌برانگیزتر تمایز قائل می‌شود. پیش بینی ها بخش پنجم به بررسی این موضوع می‌پردازد که چگونه روش‌های مربوط به مدیریت داده، پردازش داده و تجزیه و تحلیل تحرک در معماری‌های کلان داده با ویژگی‌های متمایز در مقایسه با دیگر معماری‌های پارادایماتیک کلان داده‌های شناخته شده ادغام می‌شوند. در نهایت، قسمت ششم مسائل اخلاقی مهمی را پوشش می‌دهد که تحقیق در مورد تجزیه و تحلیل تحرک باید به آنها رسیدگی کند.

این کتاب با ارائه رویکردها و روش‌شناسی جدید مرتبط با تشخیص تحرک و پیش‌بینی نیازها بر اساس کاوش، پردازش، ذخیره‌سازی و تجزیه و تحلیل کلان داده‌ها برای دانشمندان کامپیوتر و ذینفعان در حوزه های مختلف کاربردی جذاب خواهد بود.

This book provides detailed descriptions of big data solutions for activity detection and forecasting of very large numbers of moving entities spread across large geographical areas. It presents state-of-the-art methods for processing, managing, detecting and predicting trajectories and important events related to moving entities, together with advanced visual analytics methods, over multiple heterogeneous, voluminous, fluctuating and noisy data streams from moving entities, correlating them with data from archived data sources expressing e.g. entities’ characteristics, geographical information, mobility patterns, mobility regulations and intentional data.

The book is divided into six parts: Part I discusses the motivation and background of mobility forecasting supported by trajectory-oriented analytics, and includes specific problems and challenges in the aviation (air-traffic management) and the maritime domains. Part II focuses on big data quality assessment and processing, and presents novel technologies suitable for mobility analytics components. Next, Part III describes solutions toward processing and managing big spatio-temporal data, particularly enriching data streams and integrating streamed and archival data to provide coherent views of mobility, and storing of integrated mobility data in large distributed knowledge graphs for efficient query-answering. Part IV focuses on mobility analytics methods exploiting (online) processed, synopsized and enriched data streams as well as (offline) integrated, archived mobility data, and highlights future location and trajectory prediction methods, distinguishing between short-term and more challenging long-term predictions. Part V examines how methods addressing data management, data processing and mobility analytics are integrated in big data architectures with distinctive characteristics compared to other known big data paradigmatic architectures. Lastly, Part VI covers important ethical issues that research on mobility analytics should address.

Providing novel approaches and methodologies related to mobility detection and forecasting needs based on big data exploration, processing, storage, and analysis, this book will appeal to computer scientists and stakeholders in various application domains.