black and white
sisällön kuvaus: Ida Ahlbergin muistomerkin paljastustilaisuus. Presidentti Urho Kekkosen Chrysler-merkkinen virka-auto pysäköitynä. Presidentin auton takana poliisiauto.
...mustavalkoinen
Content description: Skiing road 2 and 4 from the south, viewed from the parking lot of the K supermarket. Herttoniemi.
colored
sisällön kuvaus: Hiihtäjäntie 2 ja 4 etelästä K-supermarketin ...parkkipaikalta katsottuna. Herttoniemi.
värillinen
Content description: Southern Railway Street 6. Antinkatu 1 (Annankatu 44), State Printing Centre.
black and white
sisällön kuvaus: Eteläinen Rautatiekatu 6. - Antinkatu 1 (Annankatu 44), Valtion ...painatuskeskus.
mustavalkoinen
Content description: Kaisaniemenkatu street from 7 yard sides. In the background, Kaisaniemenkatu 6 and Vilhonkatu 5, the headquarters of SOK.
black and white
sisällön kuvaus: Kaisaniemenkatu 7 pihan ...puolelta. Taustalla oikealla Kaisaniemenkatu 6 ja Vilhonkatu 5 eli SOK:n pääkonttori.
mustavalkoinen
Content description: Kaisaniemenkatu 9, i.e. Home Pukeva department store, on the yard side. In the background Kaisaniemenkatu 6 and Vilhonkatu 5, the headquarters of SOK.
black and white
sisällön ...kuvaus: Kaisaniemenkatu 9, eli Kodin Pukeva -tavaratalo, pihan puolelta. Taustalla Kaisaniemenkatu 6 ja Vilhonkatu 5 eli SOK:n pääkonttori.
mustavalkoinen
Liisankatu 7 Rista, Eeva; Rista, Eve
kuvausaika 198105
Image
Odprti dostop
sisällön kuvaus: Liisankatu 7. Pysäköityjä autoja Liisankatu 7:n pihalla. Näkymä B-portaan suunnalta.
mustavalkoinen
Content description: Liisankatu 7. Parked cars in the courtyard of Liisankatu 7. ...View from the direction of the B-stage.
black and white
This paper presents a recommender system for both taxi drivers and people expecting to take a taxi, using the knowledge of 1) passengers' mobility patterns and 2) taxi drivers' ...picking-up/dropping-off behaviors learned from the GPS trajectories of taxicabs. First, this recommender system provides taxi drivers with some locations and the routes to these locations, toward which they are more likely to pick up passengers quickly (during the routes or in these locations) and maximize the profit of the next trip. Second, it recommends people with some locations (within a walking distance) where they can easily find vacant taxis. In our method, we learn the above-mentioned knowledge (represented by probabilities) from GPS trajectories of taxis. Then, we feed the knowledge into a probabilistic model that estimates the profit of the candidate locations for a particular driver based on where and when the driver requests the recommendation. We build our system using historical trajectories generated by over 12,000 taxis during 110 days and validate the system with extensive evaluations including in-the-field user studies.