文献

J-GLOBAL ID：201702228440470425   整理番号：17A0196003

都市鉄道交通網の時空間相関性予測に関する研究【JST・京大機械翻訳】

Spatial-temporal Correlation Prediction for Passenger Flow in Urban Rail Transit Network

著者 (3件)： Zou Dong (Operation Division of Guangzhou Metro Group Co.,Ltd.) ,  Liu Qiong (Operation Division of Guangzhou Metro Group Co.,Ltd.) ,  Huang Zirong (華南理工大学軟件学院)
資料名： Chengshi Guidao Jiaotong Yanjiu  (Chengshi Guidao Jiaotong Yanjiu)
巻： 19  号： 3  ページ： 32-37  発行年： 2016年 
JST資料番号： C2883A  ISSN： 1007-869X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 都市鉄道交通流の予測は時空間の複雑な問題であり、駅の歴史データだけでは参考価値のある予測結果が得られない。ELMANニューラルネットワークアルゴリズムに基づく時間-空間相関予測のための方式を提案した。そのモデルは,駅の歴史的データとネットワークにおける他の駅と交差線路駅の時空間相関データを入力する。前者は駅の3週間前のデータから縦方向の強い時間相関データを抽出する。後者は,関連駅の3週間前のデータから横方向の強い時間依存性データを抽出する。抽出プロセスには,SPEARMANアルゴリズムを採用した。2つの交差線路における33の駅の3週間の時間範囲の流れデータにおいて,ELMANニューラルネットワークアルゴリズムを用いて,時間-空間予測モードと時間予測モードの予測性能を比較した。実験結果は,実際の乗客流れの予測精度が時間予測モードよりも優れていることを示した。最終的に,時空間予測に基づいて,客流多歩の予測を行い,都市の鉄道輸送のための有効なサポートを提供するために,データサポートと相対的ゆとり時間を提供する。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *輸送網 ,  ネットワーク ,  交通流 ,  *都市 ,  駅舎 ,  鉄道輸送 ,  時間依存性 ,  *都市鉄道 ,  乗客
準シソーラス用語： 予測精度 ,  予測性能 ,  予測モード ,  時間相関 ,  *空間相関 , 【Automatic Indexing@JST】

著者キーワード (4件)： urban rail transit network ,  correlation analysis ,  passenger flow predication ,  neural network

分類 (2件)： 走行性能  (QG02020S) ,  電気式制御機器  (IC02020Y)

タイトルに関連する用語 (7件)： 都市 ,  鉄道 ,  交通 ,  時空間 ,  相関性 ,  予測 ,  研究