文献

J-GLOBAL ID：201802243620479567   整理番号：18A0588177

空間的-時間的特徴を考慮した都市高速道路旅行時間予測のためのハイブリッド深い学習アプローチ【Powered by NICT】

A hybrid deep learning approach for urban expressway travel time prediction considering spatial-temporal features

著者 (4件)： Zhang Zhihao (Beijing Key Laboratory for Cooperative Vehicle Infrastructure Systems and Safety Control, School of Transportation Science and Engineering, Beihang University, Xue Yuan Road No.37, HaiDian District, Beijing 100191) ,  Chen Peng (Beijing Key Laboratory for Cooperative Vehicle Infrastructure Systems and Safety Control, School of Transportation Science and Engineering, Beihang University, Xue Yuan Road No.37, HaiDian District, Beijing 100191) ,  Wang Yunpeng (Beijing Key Laboratory for Cooperative Vehicle Infrastructure Systems and Safety Control, School of Transportation Science and Engineering, Beihang University, Xue Yuan Road No.37, HaiDian District, Beijing 100191) ,  Yu Guizhen (Beijing Key Laboratory for Cooperative Vehicle Infrastructure Systems and Safety Control, School of Transportation Science and Engineering, Beihang University, Xue Yuan Road No.37, HaiDian District, Beijing 100191)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ITSC  ページ： 795-800  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： 旅行時間は出発時刻,経路選択及び混雑回避のスマート意思決定を行うために旅行者可能にする道路交通条件の有効な手段である。近年は,人工知能(AI)の領域における深い学習ニューラルネットワークの多数の成功を示した。畳込みニューラルネットワーク(CNN)と長い短期記憶ニューラルネットワーク(LSTMs)の主要な性能によって,と時空間特徴を考慮した動機となって,本研究では都市高速道路の旅行時間を予測するためのCNNとLSTMsを融合したハイブリッド深い学習フレームワークを開発することを試みた。2次元深CNNは交通状態の空間的特徴を捉えるために利用し,LSTMsを利用して旅行時系列の時間相関を掘削した。,これらの空間的-時間的特徴は線形回帰層に供給した。旅行時間予測は,ハイブリッド深い学習フレームワークの中でこれらの抽象的交通特徴を融合することにより達成した。提案されたアプローチは,環2,北京,中国33kmの都市高速道路上で研究した。結果は,提案した方法の利点だけでなく,他の一般的なパラメトリックおよび非パラメトリックアルゴリズムと比較してその実現可能性と有効性を実証した。Copyright 2018 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： 中華人民共和国 ,  意思決定 ,  *旅行時間 ,  ニューラルネットワーク ,  *旅行 ,  人工知能 ,  道路交通 ,  *学習 ,  *予測 ,  経路選定 ,  *都市高速道路
準シソーラス用語： 線形回帰 ,  短期記憶 ,  畳込みニューラルネットワーク ,  旅行者 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 都市高速道路 ,  旅行時間 ,  予測 ,  学習