文献

J-GLOBAL ID：201702260758841558   整理番号：17A1349701

交通Boardcasting情報に基づく事故期間予測【Powered by NICT】

Incident Duration Predication Based on Traffic Boardcasting Information

著者 (4件)： Cuicui Ru ,  Mao Feng ,  Jianhao Li ,  Haitao Yu
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CSE/EUC  ページ： 804-807  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： 事故継続時間の予測は交通管理者を与える決定的な支援,交通情報を放出などが,交通参加者は旅行経路を配置と旅行効率を改善することができた。以前に提案されたモデルの低い予測精度と複雑さを改善するために,交通管理局からの入射放送情報,交通情報委員会からの実時間交通データを含む,交通放送の情報を,本論文に適用した。交通事故の期間は3782事故三カテゴリーに分けた。合理的構造を有する人工ニューラルネットワークは,入力変数は,入射の特徴を組合せている交通データとを適用した。結果は予測精度は合理的な構造とパラメータとよく示した。交通データを,持続時間を予測するための有益な。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： 交通情報 ,  放送 ,  ニューラルネットワーク ,  旅行 ,  *予測 ,  モデル ,  継続時間 ,  交通事故
準シソーラス用語： 交通データ ,  実時間 ,  予測精度 , 【Automatic Indexing@JST】

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 (3件)： 交通 ,  事故 ,  予測