文献

J-GLOBAL ID：201702237976275524   整理番号：17A1346649

周期的特性を考慮した交通速度予測のための改良型ファジィニューラルネットワーク【Powered by NICT】

An Improved Fuzzy Neural Network for Traffic Speed Prediction Considering Periodic Characteristic

著者 (5件)： Tang Jinjun (School of Traffic and Transportation Engineering, Central South University, Changsha, China) ,  Liu Fang (School of Energy and Traffic Engineering, Inner Mongolia Agricultural University, Hohhot, China) ,  Zou Yajie (Key Laboratory of Road and Traffic Engineering of Ministry of Education, Tongji University, Shanghai, China) ,  Zhang Weibin (Department of Civil and Environmental Engineering, University of Washington, Seattle, WA, USA) ,  Wang Yinhai (Department of Civil and Environmental Engineering, University of Washington, Seattle, WA, USA)
資料名： IEEE Transactions on Intelligent Transportation Systems  (IEEE Transactions on Intelligent Transportation Systems)
巻： 18  号： 9  ページ： 2340-2350  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： 本論文では,北京市における第四環状道路の下りセグメントに位置する三遠隔交通マイクロ波センサから集めた2分間走行速度データに基づく多段階先の移動速度を予測するための構築ファジィニューラルネットワークの新しい方法を提案した。一次Takagi Sugenoシステムは,ファジィ推論を完成するために使用されている。進化型ファジィニューラルネットワーク(EFNN)を訓練するために,二つの学習プロセスを提案した。最初に,入力サンプルを異なるクラスタに採用したK 平均法とGaussファジィメンバーシップ関数がクラスタ中心に試料のメンバシップ度を測定するために各クラスタのために設計した。入力サンプルの数が増加するにつれて,クラスタ中心を修正し,メンバシップ関数も更新した。第二,使用した高木 菅野型ファジィルールにおける線形関数のパラメータを最適化することである重みづけ再帰最小二乗推定器。さらに,三角回帰関数は生速度データにおける周期的成分を捕捉するために紹介した。具体的には,提案したモデルと六つの伝統的なモデル間の予測性能を比較し,人工ニューラルネットワーク,サポートベクトルマシン,自己回帰和分移動平均モデル,ベクトル自己回帰モデルである。結果はEFNNの予測性能はそれらの強い学習能力により,従来のモデルよりも優れていることを示唆した。予測時間ステップが増加するにつれて,EFNNモデルは周期的パターンを考察し,小さい予測誤差と遅い上昇速度誤差の他のモデルより利点を示すことができる。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： 予測誤差 ,  メンバシップ関数 ,  最適化 ,  平均法 ,  ファジィ推論 ,  *予測 ,  重みづけ ,  サポートベクトルマシン ,  *ファジィニューラルネットワーク ,  最小二乗推定 ,  走行速度 ,  クラスタ
準シソーラス用語： ARIMAモデル ,  予測性能 ,  ファジィルール , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  移動通信  (ND08030H)

タイトルに関連する用語 (3件)： 交通 ,  予測 ,  ファジィニューラルネットワーク