文献

J-GLOBAL ID：201702257529913631   整理番号：17A1251106

車両ネットワークにおける2レベルデータ駆動モデルによる車両速度予測【Powered by NICT】

Vehicle Speed Prediction by Two-Level Data Driven Models in Vehicular Networks

著者 (2件)： Jiang Bingnan (Department of Electrical and Computer Engineering, Northeastern University, Boston, MA, USA) ,  Fei Yunsi (Department of Electrical and Computer Engineering, Northeastern University, Boston, MA, USA)
資料名： IEEE Transactions on Intelligent Transportation Systems  (IEEE Transactions on Intelligent Transportation Systems)
巻： 18  号： 7  ページ： 1793-1801  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： 車両速度予測は,多くのインテリジェント車両および輸送用途のための重要な情報を提供する。正確な路上車両速度の予測は困難である,個々の車両速度は決定論的あるいは確率論的のどちらかと,例えば,交通条件,車両のタイプ,運転者の挙動,多くの因子によって影響されるからである。本論文では,車両ネットワークの文脈,リアルタイム交通情報が利用しやすく,利用車両速度予測のための新しいデータ駆動車両速度予測手法を提案した。最初の歴史的交通データに基づくニューラルネットワークモデルを用いた道路セグメントの平均交通速度を予測した。隠れMarkovモデル(HMM)を用いて,個々の車両速度と交通速度の間の統計的関係を提示するのに利用した。個々の車両速度の予測はH MMにForward-Backwardアルゴリズムを適用することにより実現した。予測性能を評価するために,シミュレーションは実ルクセンブルグ高速道路ネットワークと交通量データを活用したSUMO微視的交通シミュレータで設定した。車両速度予測結果は,提案した方法は,予測精度の点で他のものより優れていることを示した。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： アルゴリズム ,  交通情報 ,  *ネットワーク ,  交通量 ,  予測技法 ,  隠れMarkovモデル ,  確率論 ,  高速道路 ,  *予測
準シソーラス用語： 予測精度 ,  交通シミュレータ ,  神経回路網モデル ,  交通データ ,  *データ駆動 ,  *車両ネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 交通調査  (TB01031B) ,  移動通信  (ND08030H)

タイトルに関連する用語 (3件)： データ駆動 ,  モデル ,  予測