文献

J-GLOBAL ID：201702233424819074   整理番号：17A0023406

LSTMニューラルネットワークを用いた旅行時間予測【Powered by NICT】

Travel time prediction with LSTM neural network

著者 (3件)： Yanjie Duan (The State Key Laboratory of Management and Control for Complex Systems Institute of Automation, Chinese Academy of Sciences, Beijing, 100190, China) ,  Yisheng Lv (The State Key Laboratory of Management and Control for Complex Systems Institute of Automation, Chinese Academy of Sciences, Beijing, 100190, China) ,  Fei-Yue Wang (The State Key Laboratory of Management and Control for Complex Systems Institute of Automation, Chinese Academy of Sciences, Beijing, 100190, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ITSC  ページ： 1053-1058  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： トリップと交通条件の重要な指標を開始する前に,旅行時間は旅行者の重要な関心事の一つである。しかし,旅行時間収集は時間delaidであり,旅行時間のパターンは不規則であった。本論文では,著者らは,旅行時間予測のための,LSTMニューラルネットワークモデル,深い学習モデルを調べた。イングランド高速道路により提供された旅行時間データを用いて,データセット中の66リンクのための66系列予測LSTMニューラルネットワークを構築した。モデルのトレーニングと検証により,各リンクの設定範囲内で最適な構造を得た。試験セットに各リンクのための多ステップ前方移動時間を予測した。評価結果は,1段階先旅行時間予測誤差が比較的小さく,実験における66リンクのための平均相対誤差の中央値は試験セットで7.0%であることを示した。配列関係を考慮した深層学習モデルは,交通系列データ予測において有望である。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 学習モデル ,  予測誤差 ,  トリップ ,  イングランド ,  高速道路 ,  *ニューラルネットワーク ,  中央値 ,  *旅行時間
準シソーラス用語： 深層学習 ,  相対誤差 ,  移動時間 ,  神経回路網モデル ,  旅行者 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： LSTM ,  ニューラルネットワーク ,  旅行時間 ,  予測