文献

J-GLOBAL ID：201302202157358827   整理番号：13A0028727

動的Bayesネットワークを用いたプローブデータからの幹線交通のダイナミックスの学習

Learning the Dynamics of Arterial Traffic From Probe Data Using a Dynamic Bayesian Network

著者 (5件)： HOFLEITNER Aude (Univ. California, CA, USA) ,  HERRING Ryan (Univ. California, CA, USA) ,  HERRING Ryan (Apple Inc., CA, USA) ,  ABBEEL Pieter (Univ. California, CA, USA) ,  BAYEN Alexandre (Univ. California, CA, USA)
資料名： IEEE Transactions on Intelligent Transportation Systems  (IEEE Transactions on Intelligent Transportation Systems)
巻： 13  号： 4  ページ： 1679-1693  発行年： 2012年12月 
JST資料番号： W1272A  ISSN： 1524-9050  CODEN： ITISFG  資料種別： 逐次刊行物 (A)
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： 幹線道路網における交通条件の評価および予測の重要性の高まりに対し,本論文では,動的Bayesネットワークを用いたプローブデータからの幹線交通のダイナミックスの学習手法を提案した。幹線道路網上での車両の空間分布のモデリングを行い,その中で,幹線交通流モデル,車両位置の確率分布,密度推定について論じた。次に,プローブ車両から送信される移動時間の間の依存性に関する複雑なパターンを観測し,移動時間の推定アルゴリズムを提案した。その中で,EM(期待値最大化)アルゴリズム,Bayes推定,モデルパラメータの更新,動的モデルおよび観測モデルのパラメータの最尤法による推定,について論じ,アルゴリズムの詳細を示した。評価実験を行い,その中で,密度モデルの検証,動的Bayesモデリングの検証,を行った。また移動時間のサンプリングアルゴリズムも示した。その結果,提案モデルにより,プローブ車両データ処理に対する従来アプローチと比較して,35%の推定精度向上が実現することを確認した。

シソーラス用語： *交通調査 ,  *実時間処理 ,  *Bayes推定 ,  ネットワーク ,  *機械学習 ,  最適化手法 ,  プローブ ,  待ち行列 ,  動特性 ,  時間 ,  自動車 ,  評価試験 ,  ITS【交通】
準シソーラス用語： Bayesネットワーク ,  プローブ車両 ,  移動時間 ,  期待値最大化

分類 (4件)： 交通調査  (TB01031B) ,  オペレーティングシステム  (JD03020J) ,  システム・制御理論一般  (IA02010H) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 動的Bayesネットワーク ,  プローブ ,  交通 ,  ダイナミックス ,  学習