文献

J-GLOBAL ID：201702224087423551   整理番号：17A1029104

ソーシャルメディアを用いたイベント発生下での地下鉄乗客の流れの予測【Powered by NICT】

Forecasting the Subway Passenger Flow Under Event Occurrences With Social Media

著者 (3件)： Ni Ming (Department of Industrial and Systems Engineering, University at Buffalo, The State University of New York, Buffalo, NY, USA) ,  He Qing (Department of Civil, Structural, and Environmental Engineering and Industrial and Systems Engineering, University at Buffalo, The State University of New York, Buffalo, NY, USA) ,  Gao Jing (Department of Computer Science and Engineering, University at Buffalo, The State University of New York, Buffalo, NY, USA)
資料名： IEEE Transactions on Intelligent Transportation Systems  (IEEE Transactions on Intelligent Transportation Systems)
巻： 18  号： 6  ページ： 1623-1632  発行年： 2017年 
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： 地下鉄の旅客流動予測は地下鉄交通システム管理における戦略的に重要である。事象発生での予測は非常に挑戦的な仕事になる。本論文では,新しい種類のデータ源を採用 ソーシャルメディア この困難な課題に対処する。ソーシャルメディア活性を調べ,イベント生起を感知する系統的手法を開発した。最初の分析は,旅客流動の間の中程度の正の相関とソーシャルメディアポストの速度が存在することを示した。この知見は改善された流れ予測のための新しいアプローチを開発した。ハッシュタグベースイベント検出アルゴリズムを開発した。さらに,線形回帰と移動平均(SARIMA)モデル季節自己回帰統合の結果を融合し,ハイブリッド損失関数(OPL)を用いた最適化と予測と呼ばれるパラメトリックと凸最適化に基づくアプローチを提案した。OPLハイブリッドモデルは,ソーシャルメディア特徴の線形相関の独特の強さと時系列予測におけるSARIMAモデルを利用している。地下鉄駅近くのイベント上での実験を行い,OPLは他の最新技術と比較して最良の予測性能を報告したことを示した。さらに,アンサンブルモデルはOPLから重み付き結果をとベクトルマシン回帰を支持する,を開発した。結果として,予測精度とロバスト性をさらに増加した。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： ロバスト性 ,  損失関数 ,  *乗客 ,  最適化 ,  *予測
準シソーラス用語： 予測精度 ,  予測性能 ,  地下鉄駅 ,  時系列予測 ,  ハイブリッドモデル ,  凸最適化 ,  自己回帰 ,  線形回帰 ,  旅客流動 ,  *ソーシャルメディア , 【Automatic Indexing@JST】

分類 (2件)： 輸送と業務  (TC01030N) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： ソーシャルメディア ,  イベント ,  地下鉄 ,  乗客 ,  流れ ,  予測