文献

J-GLOBAL ID：201902239674284223   整理番号：19A2880066

Deep-PreSimM:トラフィック予測のためのマイクロシミュレーションと深層学習の統合【JST・京大機械翻訳】

Deep-PRESIMM: Integrating Deep Learning with Microsimulation for Traffic Prediction

著者 (4件)： Essien Aniekan E. (University of Manchester,,,Manchester,,UK) ,  Petrounias Ilias (University of Manchester,Management Sciences & Marketing (MSM) Division,,,,) ,  Sampaio Pedro (University of Manchester,Management Sciences & Marketing (MSM) Division,,,,) ,  Sampaio Sandra (University of Manchester,School of Computing,,Manchester,,United Kingdom)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： SMC  ページ： 4257-4262  発行年： 2019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： 本論文は,交通マイクロシミュレーションによる交通パラメータ予測のための深い学習を統合する都市交通解析と管理のための積極的モデルとツールを提示して,交通ネットワーク状態を時間の前に可視化する能力を提供して,交通制御対策を生み出して,適用した交通制御対策の結果を分析した。このモデルは,交通流特性を,交通流と速度を予測するために,交通流特性が,交通流と速度を予測するために適用される。それは,予測されたパラメータが交通将来状態シミュレーションを生成するために使用される。このモデルを,英国のGreater ManchesterのStretfordからのセンサ収集した歴史的交通と気象データを用いて評価した。結果は,都市交通管理と制御に適用したとき,提案したモデルの有望性を示した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 英国 ,  可視化 ,  *交通予測 ,  流れ特性 ,  パラメータ推定 ,  都市交通 ,  気象データ ,  交通流 ,  交通制御 ,  センサ ,  *シミュレーション ,  都市 ,  輸送網
準シソーラス用語： *深層学習 ,  *マイクロシミュレーション , 【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)： トラフィック予測 ,  マイクロシミュレーション ,  深層学習 ,  統合