پیشرفت تکنولوژی مانند به وجود آمدن تلفن های همراه، دوربین ها و دستگاه هایی که به سیستم تعیین موقعیت جهانی مجهز هستند، و همچنین به وجود آمدن وب 2، مشارکت افراد عادی را در تولید، اشتراک و استفاده از داده های مکانی به طرز چشم گیری افزایش داده است. استفاده از دانش کاربران عادی حتی با مهارت فنی کم در زمینه تولید اطلاعات جغرافیایی، محیطی را ایجاد کرده که سیستم اطلاعات مکانی مردم گستر نامیده می شوند. داده های مکانی مردم گستر دائماً توسط کاربران در حال اضافه شدن، تغییر و یا حذف می باشند. به طوریکه از یک منطقه داده های گوناگون با خصوصیات مختلف تولید می شود. سیاست اغلب سایت های مردم گستر، ارائه آخرین نسخه موجود از داده ها به کاربر است، چرا که این اعتقاد وجود دارد که کیفیت داده ها به علت نظارت تعداد زیادی کاربر رو به بهتر شدن بوده و بنابراین، آخرین نسخه از داده، باکیفیت ترین آنها خواهد بود. این در حالی است که کیفیت داده های مکانی، دارای پارامترهای مختلفی از جمله میزان کامل بودن، دقت مکانی، سازگاری منطقی و به روز بودن است که ممکن است الزاماً همگی آنها در یک داده جمع نگردد. به عبارت دیگر، داده باکیفیت در کاربردهای مختلف، معانی متفاوتی خواهد داشت. از طرفی روش های موجود برای ارزیابی کیفیت داده-های مکانی مردم گستر عموماً بر پایه مقایسه با داده های زمینی صحیح است؛ در حالیکه در داده های مکانی مردم گستر، غالباً امکان دسترسی به داده های زمینی صحیح وجود ندارد. در این تحقیق روشی برای مدیریت داده های مکانی مردم گستر ارائه گردیده است که در آن کاربر تعیین کننده نوع پارامتر کیفیت می باشد و بر اساس آن، داده مورد نظر را از بین داده های موجود انتخاب می نماید. همچنین در این روش، امکان مقایسه بین داده های موجود بر اساس پارامترهای کیفیت مختلف فراهم شده است. به علاوه با توجه به اینکه کاربران محیط های مردم گستر عموماً افراد بدون دانش نقشه برداری هستند، به جای فراداده، از روش های بصری (مانند تغییر در رنگ و یا ضخامت خطوط نقشه) برای نمایش کیفیت داده ها استفاده می شود که برای کاربران راحت تر و قابل درک تر است. برای پیاده سازی رویکرد پیشنهادی تحقیق، نقشه هایی از یک منطقه مورد مطالعه با روش های مختلف، و بالتبع دقت ها و کیفیت های متفاوت، تهیه شد. به علاوه، محیطی فراهم گردید تا کاربر بتواند داده های موجود را از لحاظ پارامترهای کیفیت مختلف با استفاده از روشهای بصری با یکدیگر مقایسه نماید. نتایج به دست آمده، حاکی از کارایی مناسب رویکرد پیشنهادی این تحقیق برای تعامل کاربران با داده های مکانی مردم گستر و انتخاب داده-های مناسب برای کاربردهای مختلف می باشد.

طراحی سفر با هدف برنامه ریزی یک سفر بهینه، در حالیکه از حالت های حمل ونقل مختلف از جمله سرویس های حمل ونقل عمومی و سرویس های شخصی استفاده می شود، به منظور کمک به افراد در بهره گیری از زیرساخت های حمل ونقل ضروری است. شبکه های حمل ونقل به دو مدل مستقل از زمان و وابسته به زمان دسته بندی می شوند. تفاوت اصلی این دو مدل به خاطر ثابت بودن وزن یال در مدل اول و وابستگی مدل دیگر به زمان شروع سفر است. برای مسیریابی در شبکه های حمل و نقل عمومی، به طور کلی دو روش "مدل زمان گسترش یافته" و "مدل وابسته به زمان" دارای این توانایی هستند که اطلاعات جداول زمانی این شبکه ها را مدل سازی کنند. در این نوع مسیریابی، برای حل مسئله زودترین ورود که همان کم ترین زمان سفر می باشد، می توان الگوریتم دایجسترا را برای هر دو مدل وابسته به زمان و زمان گسترش یافته توسعه داد که در این مطالعه الگوریتم دایجسترا با مدل وابسته به زمان برای حل مسئله زودترین ورود توسعه داده شد. هدف این مطالعه، تهیه ساختاری است که اطلاعات روز و زمان شروع سفر، مدت زمان سفر، شهرهای مورد علاقه کاربر همراه با امتیاز آنها، مدت زمان انجام فعالیت و محدوه زمانی انجام فعالیت در هر شهر همراه با شبکه های حمل و نقل مدنظر را از کاربر دریافت کند و به نحوی برنامه ریزی سفر را طراحی کند که کاربر در مدت زمان معین شده، بیشترین امتیاز از بازدید و انجام فعالیت در شهرهای انتخاب شده را بدست آورد. در این پژوهش، ساختار زیر برای حل مسئله در نظر گرفته شد، الگوریتم وراثتی برای چارچوب اصلی (زمان بندی سفر) و الگوریتم کوتاه ترین مسیر در شبکه چندساختی وابسته به زمان دایجسترا در چارچوب فرعی مورد استفاده قرار گرفت. در چارچوب اصلی زمان بندی و ترتیب انجام فعالیت ها مشخص می شود و در چارچوب فرعی کوتاه ترین مسیر زمانی در شبکه های حمل و نقل چندساختی مشخص می شود و هدف ایجاد این توانایی است که شهر مبدا و مقصد همراه با زمان خروج و وسایل نقیله مورد نظر مشخص شود و سیستم یک مسیر مناسب با توجه به زمان سفر همراه با مسیر مورد استفاده ارائه دهد. از سوی دیگر، از آنجایی که برنامه ریزی سفر شخصی و فعالیت مبنا است، بایسته های مدت زمان فعالیت همراه با محدوده زمانی انجام فعالیت مدل سازی و به چارچوب اصلی افزوده شده است. به منظور ارزیابی چارچوب پیشنهادی، مجموعه داده های جداول زمانی شبکه های حمل و نقل 15 مرکز استان ایران برای سه شبکه حمل و نقل: هواپیما، اتوبوس و قطار برای سفر بین شهرهای مدنظر جمع آوری شد و چارچوب ها همراه با مدل سازی های انجام شده ارزیابی شد. الگوریتم دایجسترا یک الگوریتم قطعی است، بنابراین دارای جواب های با اطمینان 100 درصد است و الگوریتم وراثتی یک الگوریتم تقریبی است و برای ارزیابی آن 50 تور با نقاط شروع، زمان شروع و مدت زمان تور متفاوت اجرا شده است که به طور میانگین دارای خطای نسبی 3.56% می باشد.

امروزه با پیشرفت های اخیر در فناوری اطلاعات و تکنولوژی های برتر، امکان استفاده از سنسورهایی با قابلیت بالا، اندازه کوچک و هزینه کمتر فراهم شده است. بدلیل قابلیت های این تکنولوژی برای شناسایی و جمع آوری اطلاعات آنی در محیط هایی غیر قابل دسترس یا خطرناک برای حضور انسان، روز به روز بر تعداد استفاده کنندگان از آن افزایش یافته است. در این پایان نامه یک الگوریتم کارا جهت شناسایی تغییر در شکل پدیده در هر لحظه با دقت بالا و انرژی پایین برای افزایش طول عمر شبکه بر مبنای حرکت سنسورها پیشنهاد شده است. همسایگی ها بر اساس مثلث بندی دلونی تعریف شده و گره های همسایه با مقدار خوانش متفاوت به عنوان گره های مرزی در نظر گرفته می شود. برای بدست آوردن مرز دقیق بین گره ها، از سنسورهایی با قابلیت حرکت دینامیکی استفاده شده است. گره های مرزی در جهت دو همسایه ی مرزی خود با خوانش متفاوت از خود گره که دارای بیشترین فاصله از هم می باشند، حرکت می کنند. این الگوریتم باعث افزایش تراکم گره های حسگر اطراف مرز پدیده شده و موجب بهبود دقت شناسایی تغییر در شکل پدیده می شود. در این پایان نامه برای صرفه جویی در انرژی مصرفی از الگوریتم خوشه بندی مکانی زمانی استفاده شده است جایی که نودها بر اساس همبستگی مکانی زمانی خوشه بندی می شوند. بنابراین با مقایسه خوانش سنسورها در زمانهای متوالی، در صورت متفاوت بودن خوانش سنسورها، سر خوشه اطلاعات تغییر در شکل پدیده را به ایستگاه مرکزی می فرستند. و سایر گره ها به حالت خواب در می آیند. با مصرف انرژی بالا بوسیله سر خوشه ها به دلیل تبادل داده بیشتر نسبت به سایر گره ها، زودتر از سایر گره ها انرژی خود را مصرف کرده و از کار می افتند. برای جلوگیری از این کار، ما سرخوشه ها را در هر دوره از سنجش بر اساس انرژی باقیمانده و فاصله از ایستگاه مرکزی انتخاب می کنیم.