文献

J-GLOBAL ID：201702253205159199   整理番号：17A1188064

時変バジチェック・モデルを用いた短期交通流予測【Powered by NICT】

Short-term traffic flow prediction using time-varying Vasicek model

著者 (3件)： Rajabzadeh Yalda (Department of Electrical Engineering, Amirkabir University of Technology, Tehran, Iran) ,  Rezaie Amir Hossein (Department of Electrical Engineering, Amirkabir University of Technology, Tehran, Iran) ,  Amindavar Hamidreza (Department of Electrical Engineering, Amirkabir University of Technology, Tehran, Iran)
資料名： Transportation Research. Part C. Emerging Technologies  (Transportation Research. Part C. Emerging Technologies)
巻： 74  ページ： 168-181  発行年： 2017年 
JST資料番号： W0534A  ISSN： 0968-090X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 短期予測を改善するための確率微分方程式(SDEs)に基づく2段手法を提供した。この枠組みの第一段階では,Hull-White(HW)モデルは,以前の日からのベースライン予測モデルを得るために適用される。拡張Vasicekモデル(EV)は個々の日中観測とベースライン予測(残差)の差をモデル化するために採用した。時変モデルのパラメータは,予測の時点前時間の短時間で残差を用いた各試料で推定した;ため,リアルタイム予測を提供した。抽出されたモデルは,毎日貴重な局所変動情報を回復する。提案方式と他方式との性能は,テヘランの道路とオープンアクセスPeMSデータベースからの実際のデータのための根平均二乗誤差(RMSE),平均絶対誤差(MAE)および平均相対誤差(MRE)の点で有意に改善した。も提案したモデルは,交通データセット中の欠落データの補完のための適切な,確率的主成分分析(PPCA)及びk最近傍(k NN)法よりもより効率的であることを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 残差 ,  主成分分析 ,  確率微分方程式 ,  モデリング ,  *交通流 ,  データベース ,  基準線 ,  *予測 ,  予測モデル ,  短期予測
準シソーラス用語： 交通データ ,  相対誤差 ,  平均二乗誤差 ,  オープンアクセス ,  テヘラン , 【Automatic Indexing@JST】

著者キーワード (4件)： 交通予測 ,  高度道路交通システム(ITS) ,  確率微分方程式 ,  時変モデル

分類 (2件)： 交通調査  (TB01031B) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (4件)： 時 ,  短期 ,  交通流 ,  予測