文献

J-GLOBAL ID：201702241565729244   整理番号：17A1357126

ファジィMarkovモデルと自己回帰モデルの協調法を用いた車両速度予測【Powered by NICT】

Vehicle speed prediction using a cooperative method of fuzzy Markov model and auto-regressive model

著者 (6件)： Jing Junbo (Department of Electrical and Computer Engineering, The Ohio State University, Columbus, Ohio, USA) ,  Filev Dimitar (Ford Motor Company, Dearborn, Michigan, USA) ,  Kurt Arda (Department of Electrical and Computer Engineering, The Ohio State University, Columbus, Ohio, USA) ,  Ozatay Engin (Ford Motor Company, Dearborn, Michigan, USA) ,  Michelini John (Ford Motor Company, Dearborn, Michigan, USA) ,  Ozguner Umit (Department of Electrical and Computer Engineering, The Ohio State University, Columbus, Ohio, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IV  ページ： 881-886  発行年： 2017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： 車両速度予測がさまざまな車両制御設計の,特に燃料経済応用のための利益を得ることができる。船上インプリメントのためのコンピュータで設計した軽自動車短期速度予測因子を示し,速度測定のみの最小情報を用いた。予測は歴史的データの基本パターンを一般化し,確率面から予測した。法の1つの新規性は自動車の加速状態定義,分類および予測における分解能制限を除去するためのファジィモデリングの使用である。法は自己回帰(AR)モデルを用いた車両速度データの短期動力学を捕捉するために,データを分類するファジィメンバシップによる多重加速状態にした。予測プロセスでは,加速度測定はファジィ符号化によるMarkov状態へ写像し,将来の加速状態はMarkov遷移により予測した。決定論的速度予測は,訓練されたARモデル,ファジィ状態メンバーシップ類似性により選択されるから計算した。開発した予測因子は,車両の実際の都市運転データと比較して試験し,導入された技術の有効性を比較研究により検証した。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： *自己回帰モデル ,  コンピュータ ,  *予測 ,  多重化 ,  *曖昧さ ,  類似性 ,  分解能 ,  都市 ,  燃料経済 ,  符号化 ,  速度測定
準シソーラス用語： *自己回帰 ,  ファジィモデリング ,  予測因子 ,  *Markovモデル , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： ファジィ ,  Markovモデル ,  自己回帰モデル ,  協調 ,  予測