文献

J-GLOBAL ID：202102256470691039   整理番号：21A0549340

複数ドメインからの転移を想定した回帰手法とタクシーの需要予測-Multi Source Two-stage TrAdaBoost.R2の提案-

著者 (5件)： 柴田頼仁 (慶応大 大学院理工学研究科) ,  岩本大輝 (早稲田大 創造理工) ,  小森晴菜 (慶応大 大学院理工学研究科) ,  多賀友哉 (慶応大 大学院理工学研究科) ,  鈴木秀男 (慶応大 理工)
資料名： オペレーションズ・リサーチ
巻： 66  号： 2  ページ： 84-89  発行年： 2021年02月01日 
JST資料番号： F0251A  ISSN： 0030-3674  CODEN： OPREA  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ・移動手段の多様化により,タクシー業界では的確な需要予測に基づいた効率的なタクシー配置がユーザ獲得のためのキーポイント。
・特殊な条件下での需要予測に焦点をあて,転移学習を用いた回帰アルゴリズムを提案。
・複数ソースドメインからの転移を想定し,教師付き転移学習アルゴリズムMulti Source Two-stage TrAdaBoost.R2を提案。
・提案手法は,先行研究の手法や転移学習を使わない手法を上回る予測精度を獲得。

シソーラス用語： *タクシー ,  *配車 ,  *需要予測 ,  機械学習 ,  学習アルゴリズム ,  教師つき学習 ,  精度 ,  回帰分析 ,  事例研究 ,  *配置問題
準シソーラス用語： 交通需要予測 ,  転移学習 ,  予測精度

分類 (2件)： その他のオペレーションズリサーチの手法  (KA03070E) ,  道路輸送・サービス一般  (TB01010O)

引用文献 (12件)：

• P. Friederichs and T. L. Thorarinsdottir, ′′Forecast verification for extreme value distributions with an application to probabilistic peak wind prediction,′′ Environmetrics, 23, pp. 579-594, 2012.
• アクセンチュア,「トヨタ,JapanTaxi, KDDI,アクセンチュアの4社,人工知能を活用したタクシーの「配車支援システム」の試験導入を開始」,https://www.accenture.com/jp-ja/company-news-releases-20180309?src=PSEARCH(2020年6月29日閲覧)
• デンソーテン,「人工知能を活用したタクシー需要リアルタイム予測AI需要予測サービス」https://www.denso-ten.com/jp/c-system/ai/index.html(2020年6月29日閲覧)
• H. Yao, F. Wu, J. Ke, X. Tang, Y. Jia, S. Lu, P. Gong, Z. Li, J. Ye and D. Chuxing, ′′Deep multi-view spatial-temporal network for taxi demand prediction,′′ In Proceeding of the 32nd AAAI Conference on Artificial Intelligence, AAAI 2018, pp. 2588-2595, 2018.
• H. Drucker, ′′Improving regressors using boosting techniques,′′ In Proceeding of the 14th International Conference on Machine Learning, pp. 863-870, 1997.

タイトルに関連する用語 (6件)： ドメイン ,  想定 ,  手法 ,  タクシー ,  需要予測 ,  提案