بهبود کیفیت مسیر پیشنهادی در سامانه پیشنهادگر سفر مبتنی بر شبکه های اجتماعی مکاننما با استفاده از الگوریتم های کاوش الگوهای پرتکرار

برنامهریزی برای سفر یکی از مهمترین فعالیتهای آمادگی پیش از سفر است. در این پژوهش، سامانه پیشنهادگر سفر بر اساس شبکههای اجتماعی مبتنی بر موقعیت مکانی را با استفاده از الگوریتمهای کشف الگوهای پرتکرار ترتیبی در پارامترهای امتیاز مسیر، تعداد محلهای موجود در مسیر پیشنهادیافزایش داده شدهاست. سامانه پیشنهادگر به عنوان روش پایه TripPlanner استفاده میشود. بدین صورت که با ترکیب کردن اطلاعات استخراجی از شبکههای اجتماعی مبتنی بر موقعیت مکانی و همچنین دادههای سیستم موقعیتیاب جهانی بدست آمده از شبکه تاکسیها در جهت شخصیسازیاطلاعات و ایجاد سامانهای آگاه از ترافیک عمل میکند. امتیاز مسیر بر اساس محاسباتی صورتگرفته که نتیجه حاصل، افزایش امتیاز محلهای پیشنهادی است که نزدیکتر به محدوده مشخص شده توسط کاربر است و همچنین افزایش امتیاز محلهایی که در محدوده علایق کاربرجهت دیدن جای دارد میباشد. دراین روش هر درخواست از سمت کاربر با مسیری پیشنهادی از طرف سامانه همراه است که هر پیشنهاد نیز از تعدادی محل متشکل شده است. برای بهبود روش پایه با استفاده از الگوریتمهای کشف الگوی پرتکرار ترتیبی CM-SPAM و CM-SPADE مرحله جدیدی از جستجوی مسیر را جایگزین مرحلهپیشین در روش پایه شده است. به نحوی که با کشف زیر مسیرهای پرتکرار در سابقه کاربران پیشین و همچنین کشف مسیرهایی با کمترین میزان ترافیک میتواند روش پیشین را در عملکرد بهبود دهد. این بهبود در پارامتر امتیاز مسیر با افزایش میانگین 5 / 2 امتیاز همراه بوده که معادل 27 درصد افزایش نسبت به روش پایه بوده. علاوه بر آن، تعداد محلهای موجود در مسیر پیشنهادی به میزان میانگین 2 محل افزایش نسبت به روش پیشین خود داشته است.