文献

J-GLOBAL ID：201702234396205790   整理番号：17A0242811

スパース車両crowdsensingデータによる走行速度の推定【Powered by NICT】

Estimating travel speed via sparse vehicular crowdsensing data

著者 (4件)： Wang Cheng (Department of Computer Science and Technology, Tongji University, Shanghai, China) ,  Zhang Zhenzhen (Department of Computer Science and Technology, Tongji University, Shanghai, China) ,  Shao Lu (Department of Computer Science and Technology, Tongji University, Shanghai, China) ,  Zhou MengChu (Institute of Systems Engineering, Macau University of Science and Technology, Macau, China and ECE Dept. New Jersey Institute of Technology, Newark, NJ, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： WF-IoT  ページ： 643-648  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 道路区間の平均旅行速度は交通条件評価,交通管理などに重要な情報である。車両crowdsensingはリアルタイム位置と車両の速度を含むデータ,さらに移動速度を推定するために利用できるを収集するために使用できる。しかし,車両の不均一な空間的-時間的分布とデータ提供間隔の変動のために,車両crowdsensingデータは通常粗粒。粗さ問題を扱うだけでなく走行速度を正確に推定するために,本研究は,車両crowdsensingデータに基づく時間と空間領域両方における道路区間の旅行速度の完全に覆われた分布を生成するためにSTC(空間-時間相関の略)と命名したアプローチを提案する。STCは時間遅れ相互相関関数を導入することによって道路区間の旅行速度間の空間的-時間的相関を利用した。道路区間に沿って走行する車両の時間消費を定量化し,異なる道路区間における車両の位置を追跡することによって,自己適応的に時間遅れ係数を決定するために時間遅れ因子を用いた。相互相関の局所定常性を利用して,著者らは最小化問題に対する単一の道路のための失われた走行速度を見出す問題を減少させる。最後に,道路網の幾何学的構造を用いた再帰的方法ですべての失われた走行速度を充填している。実タクシートレースデータに基づく実験はSTCはより良い推定精度を持つ,使用上の典型的な方法と比較してことを示した。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： 相互相関関数 ,  *走行速度 ,  道路 ,  最小化問題 ,  道路網 ,  *透視図法
準シソーラス用語： 推定精度 ,  相互相関 ,  時間遅れ ,  時間相関 ,  移動速度 ,  実時間 ,  旅行速度 , 【Automatic Indexing@JST】

分類 (2件)： 交通調査  (TB01031B) ,  交通管制・規制  (TB01032S)

タイトルに関連する用語 (2件)： 走行速度 ,  推定