文献

J-GLOBAL ID：201902211445343228   整理番号：19A1572279

リカレントニューラルネットワークを用いた歩行者運動の予測:群衆監視データの応用【JST・京大機械翻訳】

Forecasting Pedestrian Movements Using Recurrent Neural Networks: An Application of Crowd Monitoring Data

著者 (3件)： Duives Dorine C. (Transport & Planning, Delft University of Technology, 2628 CN Delft, The Netherlands) ,  Wang Guangxing (School of Civil Engineering, The University of Queensland, Brisbane St. Lucia, QLD 4072, Australia) ,  Kim Jiwon (School of Civil Engineering, The University of Queensland, Brisbane St. Lucia, QLD 4072, Australia)
資料名： Sensors (Web)  (Sensors (Web))
巻： 19  号： 2  ページ： 382  発行年： 2019年 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 現在,群衆監視システムによって提供される情報に基づく効果的な群衆管理は,この情報がモーメント逆群衆運動に入るので,既に起こっているので困難である。このモーメントに至るまで,群衆がより長い期間を予測する予測技術はほとんど開発されていない。さらに,ほとんどの最新の状態推定法は,マップマッチングのような厳しい前処理ステップを適用する。本論文の目的は,群衆運動を予測するためのデータ駆動手順を設計し,訓練し,ベンチマークすることである。それは,群衆の動きをリアルタイムに予測することができる。この手順は2段階を必要とする。第一段階は,離散セル配列に関して空間的に連続したGPSトレースの表現を可能にするセルシーケンス導出法から成る。第二段階では,歩行者の次の位置を予測するために,Ged Recurent Unit(GRU)と6つのベンチマークモデルを用いた再帰ニューラルネットワーク(RNN)の訓練を行った。RNN-GRUは他の試験モデルより優れていることが分かった。RNN-GRUの予測に対する能力の追加試験により,RNN-GRUは限られた量のデータを複数日イベントの最初の数時間から使用し,時間的情報を細胞配列に組み込んだ場合に予測力を保持することを示した。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： モーメント ,  *歩行者 ,  状態推定 ,  監視装置 ,  モデル ,  予測技法 ,  *予測 ,  前処理 ,  GPS ,  ベンチマーク ,  *ニューラルネットワーク
準シソーラス用語： 実時間 ,  データ駆動 ,  マップマッチング ,  *リカレントニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 深層学習アルゴリズム ,  予測 ,  歩行者群衆の動き ,  GPS軌道 ,  ゲート付き再帰ユニット(GRU)による再帰的神経回路網(RNN)

分類 (4件)： 長さ,面積,断面,体積,容積,角度の計測法・機器  (AD05020O) ,  電子航法一般  (ND14010O) ,  リモートセンシング一般  (AD04000L) ,  パターン認識  (JE07000S)

引用文献 (51件)：

• Danalet, A.; Bierlaire, M.; Farooq, B. Estimating Pedestrian Destinations Using Traces from WiFi Infrastructures. In Pedestrian and Evacuation Dynamics 2012; Springer: Cham, Switzerland, 2014.
• Poucin, G.; Farooq, B.; Patterson, Z. Pedestrian Activity Pattern Mining in WiFi-Network Connection Data. In Proceedings of the 95th Annual Meeting Transportation Research Board, Washington, DC, USA, 10-14 January 2016.
• Duives, D.C.; Daamen, W.; Hoogendoorn, S.P. How to Measure Static Crowds? Monitoring the Number of Pedestrians at Large Open Areas by Means of Wi-Fi Sensors. In Proceedings of the 97th Annual Meeting of the Transportation Research Board, Washington, DC, USA, 7-11 January 2018.
• Yang, H.; Ozbay, K.; Bartin, B. Investigating the Performance of Automatic Counting Sensors for Pedestrian Traffic Data Collection. In Proceedings of the 12th World Conference on Transportation Research, Lisbon, Portugal, 11-15 July 2010; Volume 1115.
• Kim, J.W.; Choi, K.S.; Choi, B.D.; Lee, J.Y.; Ko, S.J. Real-Time System for Counting the Number of Passing People Using a Single Camera. In Joint Pattern Recognition Symposium; Springer: Berlin/Heidelberg, Germany, 2003; pp. 466-473.

タイトルに関連する用語 (5件)： リカレントニューラルネットワーク ,  歩行者 ,  運動 ,  予測 ,  応用