文献

J-GLOBAL ID：201802260346499153   整理番号：18A0585673

深層学習による車両追従挙動の捕捉【Powered by NICT】

Capturing Car-Following Behaviors by Deep Learning

著者 (6件)： Wang Xiao (Department of Computer Science and Technology, Xi’an Jiaotong University, Xi’an, China) ,  Jiang Rui (School of Traffic and Transportation, Beijing Jiaotong University, Beijing, China) ,  Li Li (Department of Automation, Tsinghua University, Beijing, China) ,  Lin Yilun (State Key Laboratory of Management and Control for Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Zheng Xinhu (Department of Computer Science and Engineering, University of Minnesota, Minneapolis, MN, USA) ,  Wang Fei-Yue (State Key Laboratory of Management and Control for Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, China)
資料名： IEEE Transactions on Intelligent Transportation Systems  (IEEE Transactions on Intelligent Transportation Systems)
巻： 19  号： 3  ページ： 910-920  発行年： 2018年 
JST資料番号： W1272A  ISSN： 1524-9050  CODEN： ITISFG  資料種別： 逐次刊行物 (A)
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： 本論文では,二つの特徴的な特性を持つことを深層ニューラルネットワークに基づく車両追従モデルを提案した。最初に,入力として瞬間速度,速度差,位置差のみをとることをほとんどの既存の車両追従モデルと異なり,この新しいモデルは,入力としてここ数時間間隔で観察された速度,速度差,および位置の違いを示した。すなわち,運転者の行動が,このモデルで時間的に依存し,自然で効率的な方法で人間運転者の予測能力または記憶効果を埋め込むしようとすると仮定した。第二に,この車両追従モデルは,データ駆動方法で構築し,その中で著者らはヒト干渉を最小であった。特に,最近開発深層ニューラルネットワークよりもむしろ従来のニューラルネットワークを用いてモデルを確立するために,深層学習技術はより柔軟性と複雑な人間行動を記述するために精度を提供するからである。経験的軌道記録に対する検定は,この深いニューラルネットワークに基づく車両追従モデルは,既存の車両追従モデルよりも有意に高いシミュレーション精度を与えることを示した。これらすべての知見は,交通流理論と交通シミュレーションを研究するための新しい方法を提供する。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： 柔軟性 ,  ヒト ,  人間行動 ,  干渉 ,  *ニューラルネットワーク ,  シミュレーション ,  記憶効果 ,  交通流
準シソーラス用語： 交通シミュレーション ,  データ駆動 ,  時間間隔 ,  車両追従モデル ,  ディープニューラルネットワーク ,  *車両追従 ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (4件)： 深層学習 ,  車両追従 ,  挙動 ,  捕捉