文献

J-GLOBAL ID：201802261974995561   整理番号：18A0587933

ランダムフォレストアンサンブル学習を用いた道路網状態推定【Powered by NICT】

Road network state estimation using random forest ensemble learning

著者 (3件)： Hou Yi (National Renewable Energy Laboratory, US Department of Energy, Colorado, USA) ,  Edara Praveen (Department of Civil Engineering, University of Missouri, Columbia MO 65211, USA) ,  Chang Yohan (Department of Civil Engineering, University of Missouri, Columbia MO 65211, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ITSC  ページ： 1-6  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： ネットワーク規模の旅行時間予測は,交通管理法を用いる前向きに交通管理センタ(TMC)を可能にするだけでなく,種々の起源と目的地の間の経路選択に関する意思決定を告知する旅行者を可能にした。本論文では,ネットワークにおける旅行時間を予測するために提案したランダムフォレスト推定量。推定器は,ミズーリ州セントルイスの事例研究ネットワークのための二年歴史的走時データを用いて訓練した。時間的および空間的両方の効果はモデリング過程で考慮した。ランダムフォレストモデルは混雑と混雑していない両トラヒック条件で正確に旅行時間を予測した。モデルのための計算時間は低かった,リアルタイム交通管理と旅行者情報用途に有用である。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： 推定量 ,  旅行時間 ,  ミズーリ州 ,  予測 ,  意思決定 ,  事例研究 ,  経路選定 ,  モデリング ,  *状態推定 ,  *道路網 ,  ネットワーク ,  CPU時間
準シソーラス用語： 旅行者 ,  *アンサンブル学習 ,  *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 (4件)： ランダムフォレスト ,  アンサンブル学習 ,  道路網 ,  状態推定