Spatio-Temporal Graph Data Analytics

این کتاب برخی از جنبه‌های منحصر به فرد داده‌های نمودار مکانی-زمانی را از دیدگاه مدل‌سازی و توسعه الگوریتم‌های مقیاس‌پذیر برجسته می‌کند. نویسندگان در بخش اول این کتاب، جنبه های معنایی داده های نمودار مکانی-زمانی را در دو حوزه کاربردی، یعنی حمل و نقل شهری و شبکه های اجتماعی مورد بحث قرار می دهند. سپس نویسندگان مدل‌های نمایشی و ساختارهای داده‌ای را ارائه می‌کنند که می‌توانند به طور مؤثر این معناشناسی را ضبط کنند، در حالی که پشتیبانی از الگوریتم‌های محاسباتی مقیاس‌پذیر را تضمین می‌کنند.

در قسمت اول کتاب، نویسندگان مسائل توسعه الگوریتمی را در فضایی توصیف می‌کنند. داده های نمودار زمانی این الگوریتم‌ها به صورت داخلی از ساختارهای داده‌ای غنی از لحاظ معنایی که در قسمت قبلی این کتاب توسعه یافته‌اند، استفاده می‌کنند. در نهایت، نویسندگان برخی از مجموعه داده‌های نمودار مکانی-زمانی آینده را معرفی می‌کنند، مانند داده‌های اندازه‌گیری موتور، و در مورد برخی مشکلات تحقیقاتی باز در این منطقه بحث می‌کنند.

این کتاب به عنوان یک متن ثانویه برای دانش آموزان سطح پیشرفته که وارد رشته های مرتبط علوم کامپیوتر مانند حمل و نقل و برنامه ریزی شهری می شوند مفید خواهد بود. همچنین ممکن است برای محققان و متخصصان در زمینه الگوریتم‌های ناوبری مفید باشد.

This book highlights some of the unique aspects of spatio-temporal graph data from the perspectives of modeling and developing scalable algorithms. The authors discuss in the first part of this book, the semantic aspects of spatio-temporal graph data in two application domains, viz., urban transportation and social networks. Then the authors present representational models and data structures, which can effectively capture these semantics, while ensuring support for computationally scalable algorithms.

In the first part of the book, the authors describe algorithmic development issues in spatio-temporal graph data. These algorithms internally use the semantically rich data structures developed in the earlier part of this book. Finally, the authors introduce some upcoming spatio-temporal graph datasets, such as engine measurement data, and discuss some open research problems in the area.

This book will be useful as a secondary text for advanced-level students entering into relevant fields of computer science, such as transportation and urban planning. It may also be useful for researchers and practitioners in the field of navigational algorithms.