文献

J-GLOBAL ID：201702264344851068   整理番号：17A1573976

大データにおける高速道路旅行時間予測シミュレーション研究【JST・京大機械翻訳】

Freeway Travel Time Prediction Simulation Research Based on Big Data

著者 (2件)： Liu Weiming (華南理工大学土木交通学院,广東广州,510641) ,  Li Songsong (華南理工大学土木交通学院,广東广州,510641)
資料名： Jisuanji Fangzhen  (Jisuanji Fangzhen)
巻： 34  号： 3  ページ： 395-399  発行年： 2017年 
JST資料番号： C2937A  ISSN： 1006-9348  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 旅行時間予測はインテリジェント交通研究における重要な内容であり、道路の交通状況を反映することができる。正確な旅行時間予測は,高速道路管理部門と旅行者に意思決定支援を提供することができる。しかし、旅行時間予測は信頼でき、完備なデータ収集システムをサポートする必要があり、伝統的なデータ収集方法は難度が高いだけではなく、収集したデータ量が少なく、正確度が低い。しかし,高速道路の有料データは,正確に車両の時間的情報を記録して,十分なデータ量を有した。高速道路の旅行時間は非線形性と不確実性の特徴を有し、従来の予測モデルの予測結果の正確性は比較的に低い。旅行時間のこれらの特性に従って,ウェーブレットニューラルネットワークに基づく旅行時間予測モデルを提案した。シミュレーション結果は,ウェーブレットニューラルネットワークアルゴリズムによる予測結果が,従来の方法と比較して,より大きいデータのサポートの下で,より高い精度を持つことを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *予測 ,  予測モデル ,  *シミュレーション ,  *高速道路 ,  非線形性 ,  *道路 ,  データ収集システム ,  *旅行時間 ,  不確実性 ,  データ収集
準シソーラス用語： ウェーブレットニューラルネットワーク ,  正確性 ,  データ量 ,  意思決定支援 ,  旅行者 , 【Automatic Indexing@JST】

著者キーワード (5件)： Traffic engineering ,  Freeway operation ,  Travel time ,  Toll data ,  Wavelet neural network

分類 (1件)： 交通調査  (TB01031B)

タイトルに関連する用語 (5件)： 高速道路 ,  旅行時間 ,  予測 ,  シミュレーション ,  研究