English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Nos dias atuais existe uma escassez de dados de mobilidade reais disponíveis abertamente. Sendo assim, diversos trabalhos da literatura geram mobilidade sintética a qual não representa a mobilidade real. Alguns desses trabalhos fazem o uso de dados contextuais para propor recomendação de rotas, no entanto não estudam o comportamento de tais dados. Além disso, o impacto de cada tipo de dado contextual muda de acordo com o perfil do usuário. Para resolver os problemas citados anteriormente é proposto o CERVA, uma solução de roteamento contextual para veículos com risco espaço-temporal. O CERVA é composto por três módulos, sendo: identificação das janelas contextuais, mapeamento de contexto, e personalização do roteamento. Os resultados da avaliação mostram que o CERVA recomenda as melhores rotas de acordo com o perfil do usuário.

CERVA: Roteamento Contextual para Veículos com Risco Espaço-temporal