文献

J-GLOBAL ID：201802285288902916   整理番号：18A0433271

混合Gaussグラフィカルモデルとグラフィカルlassoを用いたネットワーク全体の交通状態の推定【Powered by NICT】

Network-wide traffic state estimation using a mixture Gaussian graphical model and graphical lasso

著者 (3件)： Hara Yusuke (Department of Civil Engineering, The University of Tokyo, 7-3-1 Hongo, Bunkyo-ku, Tokyo, Japan) ,  Suzuki Junpei (East Japan Railway Company, 2-2-2, Yoyogi, Shibuya-ku, Tokyo, Japan) ,  Kuwahara Masao (Graduate School of Information Sciences, Tohoku University, 6-6-06, Aoba, Aoba-ku, Sendai, Miyagi, Japan)
資料名： Transportation Research. Part C. Emerging Technologies  (Transportation Research. Part C. Emerging Technologies)
巻： 86  ページ： 622-638  発行年： 2018年 
JST資料番号： W0534A  ISSN： 0968-090X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本研究では,歴史的プローブ車両データを用いた機械学習法による観察されない道路リンク速度を推定するモデルを提案した。道路交通モニタリングのために,プローブ車両データは最も有望なデータ源の一つである。しかし,そのようなデータは常に全研究地域をカバーしないので,著者らは,時間に依存して全てのリンク上の交通速度を測定できない非常に少数のリンクが観察されない。全リンク上の速度を連続的に監視するためには,歴史的に観察されたリンク速度から観察されないリンク上の速度を推定する技術の開発が必要である。この目的のために,観察されないリンク速度を正確に推定するために二以上の多変量正規分布を使用するために,電流Gaussグラフィカルモデルを拡張した。一般に,未知のモデルパラメータ(平均パラメータと共分散行列)の数は膨大であり,観察されないリンクが常に存在するため,EMアルゴリズムとグラフィカルlasso手法を採用してモデルパラメータを決定した。著者らの提案したモデルは,タイ国バンコク市中心部と同様に日本における藤沢市に適用した。モデルは,観察されないリンク速度を推定非常に合理的にできることを確認した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 正規分布 ,  *ネットワーク ,  電流 ,  道路 ,  道路交通 ,  機械学習 ,  日本
準シソーラス用語： 藤沢市 ,  バンコク ,  EMアルゴリズム ,  共分散行列 ,  モデルパラメータ ,  多変量 ,  *信念ネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 交通状態推定 ,  プローブ車両 ,  Gaussグラフィカルモデル ,  混合モデル

分類 (3件)： 統計学  (AB08000H) ,  人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： グラフィカルモデル ,  交通 ,  推定