文献

J-GLOBAL ID：201702284288458196   整理番号：17A0263482

履歴データと強化学習を組み合わせた低周波軌道データマッチングアルゴリズム【JST・京大機械翻訳】

A Low-Sampling-Rate Trajectory Matching Algorithm in Combination of History Trajectory and Reinforcement Learning

著者 (2件)： Sun Wenbin (College of Geosciences and Surveying Engineering,China University of Mining and Technology(Beijing)) ,  Xiong Ting (College of Geosciences and Surveying Engineering,China University of Mining and Technology(Beijing))
資料名： Cehui Xuebao  (Cehui Xuebao)
巻： 45  号： 11  ページ： 1328-1334  発行年： 2016年 
JST資料番号： C2485A  ISSN： 1001-1595  CODEN： CEXUER  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： 低周波(サンプリング間隔が1分以上)軌道データ整合アルゴリズムの精度が高くない問題に対して、強化学習と歴史軌跡に基づくマッチングアルゴリズムHMDP-Qを提案し、まず増分マッチングアルゴリズムによって歴史ルートを抽出し、歴史的参考とする。歴史的基準に従い,最短経路と最短経路を選択することによって,候補経路集合を選択した。次に,地図マッチングプロセスをMARKOV決定プロセスとしてモデル化し,軌道の点から道路距離と歴史的軌跡を用いて報酬関数を構築した。次に,強化学習アルゴリズムを用いて,MARKOV決定プロセスの最大スコア,すなわち,軌道と道路の最適マッチング結果を解決した。最後に,いくつかの市の浮上の軌道データを用いて,実験を行った。結果は以下を示す。このアルゴリズムは,軌道データと道路マッチング精度を効果的に向上させることができた。このアルゴリズムは,1分の低周波サンプリング間隔の下で89.2%の軌道整合精度を達成した。サンプリング周波数が16分のとき,このアルゴリズムの整合精度は61.4%に達することができた。IVVMアルゴリズムと比較して,HMDP-Qアルゴリズムのマッチング精度と効率は,IVVMアルゴリズムよりも優れており,16分のサンプリング周波数において,このアルゴリズムの精度は26%増加した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 軌跡 ,  道路 ,  *LF【周波数】 ,  *マッチング ,  *アルゴリズム ,  都市 ,  学習アルゴリズム ,  モデリング ,  *強化学習
準シソーラス用語： サンプリング周波数 ,  スコア ,  報酬関数 ,  最短経路 ,  *マッチングアルゴリズム , 【Automatic Indexing@JST】

著者キーワード (4件)： low-sampling-rate floating car data ,  trajectory matching ,  Markov decision process ,  reinforcement learning

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 履歴データ ,  強化学習 ,  低周波 ,  軌道 ,  マッチングアルゴリズム