文献

J-GLOBAL ID：201702284065807757   整理番号：17A1648072

高速道路交通流を予測するためのランダムフォレストと多層パーセプトロンの結合モデル【Powered by NICT】

A combined model of random forest and multilayer perceptron to forecast expressway traffic flow

著者 (2件)： Xu Dan (State Key Laboratory of Networking and Switching Technology Beijing University of Posts and Telecommunications Beijing, 100876, China) ,  Shi Yijie (State Key Laboratory of Networking and Switching Technology Beijing University of Posts and Telecommunications Beijing, 100876, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICEIEC  ページ： 448-451  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： 高速道路交通のリアルタイムで正確な予測は合理的な交通管理制御方式の開発,走行経路の合理的な選択と交通渋滞の有効な予防のための重要な前提条件である。現在の交通量データは様々な監視装置を用いて採取した大部分であるが,データは,ある種の交通流を反映するのみコストが高すぎる。本論文では,交通流を予測するための高速道路料金データを用いた機械学習に基づく組合せアルゴリズムを提案した。実験結果は,本論文で提案した複合アルゴリズムは,交通流予測の精度を改善することを示した。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： 走行 ,  *結合モデル ,  *高速道路 ,  機械学習 ,  制御方式 ,  アルゴリズム ,  交通混雑 ,  交通量 ,  *予測 ,  *多層パーセプトロン ,  *交通流 ,  監視装置 ,  料金
準シソーラス用語： 組合せアルゴリズム ,  *ランダムフォレスト , 【Automatic Indexing@JST】

分類 (1件)： 交通調査  (TB01031B)

タイトルに関連する用語 (6件)： 高速道路 ,  交通流 ,  予測 ,  ランダムフォレスト ,  多層パーセプトロン ,  結合モデル