توسعه یک مدل اعوجاج موقعیت توسط طیف های معنایی جوی با هدف بهبود فرآیند معکوس ژئوکدینگ

معکوس ژئوکدینگ شامل نسبت دادن یک جای نام به یک مختصات می باشد. روش های رایج معکوس ژئوکدینگ موقعیت اشتراک گذاشته شده فرد را به نزدیک ترین مکان (بر اساس فاصله اقلیدسی) نسبت می دهند. در سال های اخیر و به سبب پیشرفت در فناوری های موقعیت یابی حجم عظیمی از داده های مکان مبنا در شبکه های اجتماعی مکانی مانند Yelp و Swarm تولید شده است. از سوی دیگر سرویس های مختلفی امکان ارائه شرایط جوی را در موقعیت و زمان مدنظر به صورت برخط ارائه می دهند. این داده ها می توانند منبعی غنی از الگوهای رفتاری افراد در شرایط جوی مختلف باشند. در این تحقیق تلاش شده تا با کمک این داده ها، معکوس ژئوکدینگ بر مبنای فاصله جغرافیایی بهبود داده شود. بدین منظور از داده های شرایط جوی برای تولید الگوهای رفتاری و از داده های سرویس Swarm برای جمع آوری اعلام‏حضورها استفاده شد. داده های شرایط جوی در چهار دسته شامل دمای هوا، رطوبت هوا، سرعت باد و میزان ابری بودن برای تولید طیف های معنایی جوی گروه بندی شدند. در این تحقیق از توابع اعوجاج موقعیت خطی، نسبی و سینوسی جهت برقراری ارتباط شاخص فاصله جغرافیایی با احتملات جوی در فرآیند معکوس ژئوکدینگ استفاده شد. بعلاوه، از دو مجموعه داده آموزشی و تست در مطالعه موردی (ایالت نیویورک) جهت تعیین پارامترهای مدل و ارزیابی دقت استفاده گشت. نتایج این تحقیق نشان داد که با کمک مدل ترکیب خطی و طیف های معنایی جوی می توان نتایج معکوس ژئوکدینگ بر مبنای فاصله جغرافیایی را برای شاخص MRR وFirst Position  به ترتیب 18.64% و 111.49% بهبود داد.