文献

J-GLOBAL ID：201702225099088061   整理番号：17A1392979

移動センサネットワークからのビッグデータに基づくタクシー乗客需要のモデル化【Powered by NICT】

Taxi-Passenger-Demand Modeling Based on Big Data from a Roving Sensor Network

著者 (5件)： Zhang Desheng (Department of Computer Science, Rutgers University, New Brunswick, NJ) ,  He Tian (Department of Computer Science and Engineering, University of Minnesota, Minneapolis, MN) ,  Lin Shan (Department of Electrical and Computer Engineering, Stony Brook University, Stony Brook, NY) ,  Munir Sirajum (Bosch Research and Technology Center, Palo Alto, CA) ,  Stankovic John A. (Department of Computer Science, University of Virginia, Charlottesville, VA)
資料名： IEEE Transactions on Big Data  (IEEE Transactions on Big Data)
巻： 3  号： 3  ページ： 362-374  発行年： 2017年 
JST資料番号： W2442A  ISSN： 2332-7790  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： 旅客需要の調査は,タクシー業務に必須である。既存の解決策は,典型的にマニュアル調査によって収集されたオフラインデータはしばしば年代測定と実時間解析のための不正確に基づいている。この問題に対処するために,著者らはDmodelを提案し,(i)空タクシーの相互作用により乗客到着モーメントを推定し,(ii)履歴およびリアルタイムの両方のデータとカスタマイズされたオンライン訓練による旅客需要を推定するためのリアルタイム移動センサとしてのロービングタクシーを採用している。Dmodelはピックアップ事象のエントロピー(様々な実世界論理情報の説明,例えば,悪天候)に基づくピックアップパターンは処理すべき大きな歴史的タクシーデータのサイズを縮小すると呼ばれる新しいパラメータを利用した。半年間14,000タクシーの実世界450GBデータセットとDmodelを評価し,結果は,グランドトルースと比較して,Dmodelは83%精度を達成し,統計的モデルよりも優れている42%によることを示した。Dmodelを用いて都市地域間乗客需要とタクシー供給間の平衡を達成するために空きタクシーを配分する応用を示した。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： マニュアル ,  市街地 ,  モーメント ,  *タクシー ,  エントロピー ,  *ネットワーク ,  *乗客 ,  荒天 ,  時間分析 ,  カスタム化 ,  *モデリング ,  相互作用
準シソーラス用語： 実時間 ,  *ビッグデータ ,  *モバイルセンサー , 【Automatic Indexing@JST】

分類 (1件)： 音声処理  (JE05000E)

タイトルに関連する用語 (6件)： 移動センサ ,  ビッグデータ ,  タクシー ,  乗客 ,  需要 ,  モデル化