文献

J-GLOBAL ID：201802282922791892   整理番号：18A0027016

バイク共有システムのためのマルチソースデータ解析【Powered by NICT】

Multi-source data analysis for bike sharing systems

著者 (5件)： Thi Hoai Thu Nguyen (University of Engineering and Technology, Vietnam National University, E3, 144 Xuan Thuy, Cau Giay, Hanoi, Vietnam) ,  Trung Thanh Le (University of Engineering and Technology, Vietnam National University, E3, 144 Xuan Thuy, Cau Giay, Hanoi, Vietnam) ,  Thi Phuong Dung Chu (University of Engineering and Technology, Vietnam National University, E3, 144 Xuan Thuy, Cau Giay, Hanoi, Vietnam) ,  Linh-Trung Nguyen (University of Engineering and Technology, Vietnam National University, E3, 144 Xuan Thuy, Cau Giay, Hanoi, Vietnam) ,  Vu Le Ha (University of Engineering and Technology, Vietnam National University, E3, 144 Xuan Thuy, Cau Giay, Hanoi, Vietnam)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ATC  ページ： 235-240  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： 自転車共有システム(BSS)は,世界中の多くの都市で一般的な住民の通勤のための新しい輸送モードを提供することになった。しかし,これらのシステムの管理は多くの問題を生じさせた。異なる場所でバイクピックアップ要求は不均衡であるので,システムは頻繁に再平衡化する必要がある。バイク利用可能性を平衡が,在庫目標レベル定量のための正確な予測を必要とするとして非常に魅力的である。本研究では,クラスタレベル類似性重み付きK最近傍(SWK)ベース回帰と人工神経回路網(ANN)で時間毎バイクピックアップ需要を予測するためにマルチソースデータを用いた回帰モデルの二種類を提案した。SWKベース回帰モデルをいくつかの気象因子および/またはタクシー利用の重みを学習し,バイクピックアップ需要を予測するために連続的な時間スロット間の相関を用いた。ANNは,BSS,気象データ,およびタクシートリップ記録の歴史的トリップ記録を用いて訓練した。著者らの提案した方法は,ニューヨーク市BSSからの実データで試験した:Citi自転車NYC。SWKベースとANNベースの方法の間の性能比較を提供した。実験結果は,マルチソースデータを用いたバイクピックアップ需要のためのANNベース予測の高い精度を示した。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： トリップ ,  気象データ ,  自転車 ,  ニューラルネットワーク ,  タクシー ,  類似性 ,  都市 ,  住民 ,  *データ解析 ,  予測 ,  回帰モデル ,  気象要素 ,  *オートバイ
準シソーラス用語： 性能比較 ,  ニューヨーク市 , 【Automatic Indexing@JST】

分類 (5件)： 光電デバイス一般  (NC03081P) ,  空気調和一般  (PC01000C) ,  植物の病虫害防除一般  (FC05010F) ,  無機物質中の元素の放射化学的分析  (CC06022C) ,  ガスタービン  (PB02040Y)

タイトルに関連する用語 (5件)： バイク ,  共有 ,  マルチ ,  ソース ,  データ解析