文献

J-GLOBAL ID：201702259958354922   整理番号：17A0754602

公共輸送システムにおける畳込みニューラルネットワークに基づく旅客流動の推定【Powered by NICT】

Passenger flow estimation based on convolutional neural network in public transportation system

著者 (4件)： Liu Guojin (College of Communication Engineering, Chongqing University, Chongqing 400040, China) ,  Yin Zhenzhi (College of Communication Engineering, Chongqing University, Chongqing 400040, China) ,  Jia Yunjian (College of Communication Engineering, Chongqing University, Chongqing 400040, China) ,  Xie Yulai (Hitachi (China) Research & Development Corporation, Beijing,100190,China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 123  ページ： 102-115  発行年： 2017年 
JST資料番号： T0426A  ISSN： 0950-7051  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： 公共交通システム,経路計画とトラフィックスケジューリングを最適化することにより,公共交通サービスの効率を向上させることができる非常に有用な自動旅客流動評価。しかし,このタスクは通常公共交通システムにおける多くの課題,低分解能,背景クラッタ,照明変化,姿勢とスケールなどに遭遇する。本論文では,畳込みニューラルネットワーク(CNN)と空間-時間的文脈(STC)モデルに基づく旅客計数システムを提案し,CNNモデルを用いて乗客を検出することであるとSTCモデルは,各旅客の移動を追跡するために使用した。従来の手操作表現方法とは異なり,提案手法では,乗客の関連特徴を自動的に学習するCNN使用する。標的前位置はガウス(MoG)モデルおよび背景減算の混合物,検出時間を大幅に低減できるを組み合わせて用いた。追跡ドリフト問題,自然におけるアリの動きを明らかにするため,生物学にヒントを得たフェロモンマップと3Dピーク信頼マップを構築するための軌道情報を利用することを試みた。,乗客の数が関心領域(ROI)を計数することにより得ることができた。実際の公共バス輸送データセット上での実験結果は,この方法がいくつかの既存の方法より優れていることを示した。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： 情報システム ,  *公共輸送 ,  *乗客 ,  経路探索 ,  クラッタ ,  *畳込み ,  バス輸送 ,  最適化 ,  *ニューラルネットワーク ,  フェロモン ,  交通システム ,  三次元
準シソーラス用語： 関心領域 ,  背景差分法 ,  照明変化 ,  *旅客流動 , 【Automatic Indexing@JST】

著者キーワード (3件)： 旅客流動評価 ,  畳込みニューラルネットワーク ,  生物に示唆を得たフェロモン地図

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (4件)： 公共輸送 ,  畳込みニューラルネットワーク ,  旅客流動 ,  推定