دانلود ترجمه مقاله کلان داده ها برای پشتیبانی از سیاست های حمل و نقل جاده ای کم کربن

1. مقدمه 2. روش تحقیق 3. نتایج 4. نتیجه گیری و کاربردهای آتی

چکیده – کلان داده ها، یکی از مهم ترین رویه ها و چالش های تحقیقاتی در دهه حاضر می باشد، و توجهات زیادی را از بازار و جامعه به خود معطوف ساخته است. این مقاله، مروری جامع و فراگیر از کاربردهای پلتفرم پردازش کلان داده ها برای جوامع علمی ارائه داده تا پتانسیل های کلان داده در زمینه سیاست های حمل و نقل جاده اس در اروپا، مورد بررسی قرار گیرد. این پلتفرم متکی به مجموعه های داده ای رانندگی و الگوهای حرکتی جمع آوری شده با استفاده از سیستم های ناوبری و ردیابی می باشد. دو مجموعه داده ای از خودروهای سوخت فسیلی متداول که با استفاده از سیستم های GPS وسیع جمع آوری شده اند، برای انجام مطالعات اولیه و توسعه الگوریتم های اصلی در این زمینه مورد استفاده قرار گرفته اند. این مجموعه، شامل 4.5 میلیون رویداد پارکینگ و سفر می باشد که با نظارت بر 28,000 وسیله نقلیه در طول یک ماه جمع آوری شده است. تحلیل های ارائه شده، این موضوعات را مورد خطاب قرار داده اند: (1) آمارهای ترافیکی در مقیاس بزرگ، (2) پتانسیل های خودروهای الکتریکی در جایگزینی با خودروهای سوخت فسیلی متداول و تغییرات مرتبط که در نتیجه این موضوع ایجاد می گردد، (3) تقاضای انرژی از جانب خودروهای الکتریکی، (4) طراحی هوشمند زیرساخت های شارژ مجدد و موضوع خودرو به شبکه، و (5) نگاشت و ارزیابی اطلاعات مرتبط با رانندگی در جهان واقعی. روش تحقیق توسعه یافته و خروجی های ارائه شده حاکی از پتانسیل های فراوان کلان داده ها برای ارزیابی سیاست ها و کنترل بهتر با تمرکز بر چالش ها و فرصت های بزرگ کلان داده ها برای توسعه و پیشرفت های آتی می باشند. نهایتا، هدف این مقاله نشان دادن این موضوع است که کلان داده ها چگونه می توانند الهام بخشی برای سیاست های هوشمند در کنار سرمایه گذاری های دولتی و خصوصی برای پیاده سازی بزرگ مقیاس نسل بعدی خودروهای سبز باشند که این موضوع می تواند فرصتی بی سابقه برای شکل گیری سیاست های حمل و نقل آینده و شهرهای هوشمند را به ارمغان آورد.

Big data is among the most promising research trends of the decade, drawing attention from every segment of the market and society. This paper provides the scientific community with a comprehensive overview of the applications of a data processing platform designed to harness the potential of big data in the field of road transport policies in Europe. This platform relies on datasets of driving and mobility patterns collected by means of navigation systems. Two datasets from conventional fuel vehicles collected with on-board GPS systems have been used to perform an initial pilot study and develop its core algorithms. They consist of 4.5 million trips and parking events recorded by monitoring 28,000 vehicles over one month. The presented analyses address: (1) large-scale mobility statistics, (2) potential of electric vehicles in replacing conventional fuel vehicles and related modal shift, (3) energy demand coming from electric vehicles, (4) smart design of the recharge infrastructure and Vehicle-to-Grid, and (5) real-world driving and evaporative emissions assessment and mapping. The developed methodology and the presented outcomes demonstrate the potential of big data for policy assessment and better governance, focusing on the challenges and on the huge opportunities offered for future developments. This paper ultimately aims to show how big data can inspire smart policies together with public and private investments to enable the large scale deployment of the next generation of green vehicles, offering an unprecedented opportunity to shape policies for future mobility and smart cities.