في عالم يتزايد فيه الاعتماد على تقنيات الذكاء الاصطناعي، أظهرت دراسة جديدة كيف يمكن تحليل بيانات GPS الكبيرة لتحديد أهداف الرحلات بطريقة أكثر دقة. يواجه الباحثون تحديات كبيرة في تعيين أهداف الرحلات بسبب أغراض عدم اليقين من بيانات GPS، والتعقيدات الناتجة عن عدم توفر معلومات دقيقة حول الأنشطة الفردية.

في إطار هذه الدراسة، قدم الباحثون نظامًا ضعيف الإشراف يمزج بين مناطق الاهتمام المكاني (POI Semantic Zones) ومستويات احتمال مكاني متباينة الوزن. يعتمد هذا النظام على استراتيجيات استنتاج مختلفة للأنشطة الضرورية وغير الضرورية، مما يجعله فعالًا في تقليل الفجوة بين الإحصائيات المأخوذة من استطلاعات السفر الأسرية والبيانات المستخلصة.

تم تقييم هذه الطريقة المبتكرة على أكثر من 81 مليون نقطة توقف في مدينة لوس أنجلوس، حيث أظهرت النتائج تقليصًا ملحوظًا في انحرافات نوع النشاط (JSD) بنسبة 23%، وزمن البدء (JSD) بنسبة 48%، ومدة النشاط (JSD) بنسبة 12% مقارنة بمعيار مقارب.

تفتح هذه الطريقة الجديدة في معالجة بيانات GPS آفاقًا واسعة لتحليل طلبات السفر وتطوير سياسات النقل، مما يعزز من فهمنا للتنقل البشري ويقدم أدوات تمكينية للباحثين وصناع القرار.

ما هي آرائكم حول استخدام الذكاء الاصطناعي في تحليل بيانات التنقل؟ شاركونا في التعليقات.