دوچرخه سواری هوشمند با کمک تجزیه و تحلیل داده ها در بلاک چین

سیستمهای اشتراک گذاری دوچرخه ها به طور فزاینده ای در محیطهای شهری رواج یافته اند. این سیستمها، حمل ونقل سازگار با محیطزیست را در شهرها فراهم میکنند. این سیستمها با مشکلات بهینه سازی زیادی روبرو است. مهمترین این مشکلات نگهداری فردی از دوچرخه ، تعادل مجدد و امکانات مشترک و استفاده از سیستمها با ایجاد الزامات در الگوهای استفاده کاربران از دوچرخه است. مجموعه ای از الگوریتمهای دادهکاوی بر اساس مجموعه داده های واقعی برای حل مشکل عدم استفاده از دوچرخه انجام میشود.با تجزیه وتحلیل ویژگیهای هر ایستگاه ، ایستگاه ها با استفاده از مدلهای مختلف از منظر افراد و خوشه ها مدلسازی میشوند. در این پایان نامه هدف مورد بررسی استفاده از روش دسته بندی درخت xgboost در ساختار بلاک چین میباشد. برای این منظور داده های مدت زمان استفاده کاربران از ایستگاه های دریافت دوچرخه با این روش دسته بندی مدلسازی شده است. از مقدار پیشبینی مدت زمان استفاده از دوچرخه با معیار میانگین خطای مطلق برای یافتن کاربران مناسب برای تائید صحت گذاری دریافت داده ها استفاده شده است. نتایج حاصل از شبیه سازی این درخت با در چندین آزمایش بررسی شده است. نتایج حاصل شده نشان دهنده این است که برای درخت xgboostمدت زمان پیش بینی شده برای استفاده ازدوچرخه برای کاربران تایید کننده درساختاربلاک چین درآزمایشهای انجام با معیارمیانگین خطای نسبی ۷۷۵ثانیه دربدترین حالت می باشد