文献

J-GLOBAL ID：201702223619159910   整理番号：17A1389465

短期バス旅客流動予測のためのマルチパターン深い融合モデル【Powered by NICT】

A multi-pattern deep fusion model for short-term bus passenger flow forecasting

著者 (5件)： Bai Yun (School of Mechanical Engineering, Dongguan University of Technology, Dongguan 523808, China) ,  Sun Zhenzhong (School of Mechanical Engineering, Dongguan University of Technology, Dongguan 523808, China) ,  Zeng Bo (School of Mechanical Engineering, Dongguan University of Technology, Dongguan 523808, China) ,  Deng Jun (School of Mechanical Engineering, Dongguan University of Technology, Dongguan 523808, China) ,  Li Chuan (School of Mechanical Engineering, Dongguan University of Technology, Dongguan 523808, China)
資料名： Applied Soft Computing  (Applied Soft Computing)
巻： 58  ページ： 669-680  発行年： 2017年 
JST資料番号： W2175A  ISSN： 1568-4946  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 短期旅客流動予測は,輸送計画と管理のためのデータサポートと輸送システムにおける重要な要素の一つである。予測バス旅客流動のために,この論文では,複数のパターンに対応する融合深層信念ネットワーク(DBN)で構成されていることをマルチパターン深い融合(MPDF)アプローチを提案した。短期バス旅客流動のデータセットは最初の親和性伝搬アルゴリズムによる異なるクラスタに分割した。これらクラスタの旅客流動分布を保持して,異なるパターンを同定するために解析した。各パターンでは,DBNは,旅客流動のための深い表現として開発した。DBNの出力は最終的に年代順転位により融合した。中国の広州市のバスラインを例にとり,本MPDFアプローチをモデル化した。ノンパラメトリックおよびパラメトリックモデル,五つの手法を比較のために同じ事例に適用した。を行いその結果,提案モデルは平均絶対百分率誤差,二乗平均誤差,決定係数基準の観点から全てのピア法を圧倒する示した。さらには,報告されているモデルと比較モデル間に有意差が存在した。この研究からの推奨パターン解析を取込んだ深い学習法は,短期旅客流動を予測に有望であることである。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 輸送計画 ,  親和性 ,  交通システム ,  アルゴリズム ,  *予測 ,  学習 ,  モデリング ,  クラスタ ,  ノンパラメトリック法 ,  中華人民共和国
準シソーラス用語： パターン解析 ,  有意差 ,  決定係数 ,  パラメトリックモデル ,  *旅客流動 , 【Automatic Indexing@JST】

著者キーワード (5件)： マルチパターン深い融合 ,  予測 ,  短期バス旅客流動 ,  親和性伝搬 ,  深信念ネットワーク

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 短期 ,  バス ,  旅客流動 ,  予測 ,  マルチ ,  融合 ,  モデル