文献

J-GLOBAL ID：201802279757647955   整理番号：18A0439206

交通流のBayes粒子追跡【Powered by NICT】

Bayesian Particle Tracking of Traffic Flows

著者 (2件)： Polson Nicholas (Booth School of Business, The University of Chicago, Chicago, IL, USA) ,  Sokolov Vadim (George Mason University, Fairfax, VA, USA)
資料名： IEEE Transactions on Intelligent Transportation Systems  (IEEE Transactions on Intelligent Transportation Systems)
巻： 19  号： 2  ページ： 345-356  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： 流れ動力学に存在する非線形性と不連続性を捕捉できることを追跡交通流のためのBayes粒子フィルタを開発した。著者らのモデルは,交通フリーフロー,破壊,および回復の間のシフト突然領域を捕捉する隠れ状態変数を含んでいる。状態とパラメータの実時間オンライン推論のための効率的な粒子学習アルゴリズムを開発した。これは2段手法を必要とし,最初の条件付事後分布を用いた状態の混合物予測分布と第二伝搬電流粒子の再サンプリング。パラメータの粒子学習は条件付き十分統計量のための再帰の更新から得られる。筆者らの方法論を説明するために,イリノイ州間I55道路システムからの毎日の交通流の測定を解析した。フィルタは高速道路single-loop detectorによる測定に基づく道路道路セグメント上の交通流領域の変化を推定するために用いることができるかを示した。最後に,今後の研究の方向を示した。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： 不連続性 ,  学習アルゴリズム ,  予測 ,  *交通流 ,  状態変数 ,  非線形性 ,  フィルタ ,  道路 ,  高速道路 ,  学習
準シソーラス用語： 十分統計量 ,  リサンプリング ,  事後分布 ,  オンライン ,  粒子フィルタ , 【Automatic Indexing@JST】

分類 (2件)： 交通調査  (TB01031B) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (2件)： 交通 ,  粒子追跡