文献

J-GLOBAL ID：201902252485012270   整理番号：19A0945885

深さ学習に基づくトラヒック予測研究【JST・京大機械翻訳】

Traffic Flow Prediction Based on Deep Neural Networks

著者 (4件)： Deng Xuankun (貴州大学 計算机科学与技術学院,貴陽 550025;貴州大学 計算机軟件与理論研究所,貴陽 550025) ,  Wan Liang (貴州大学 計算机科学与技術学院,貴陽 550025;貴州大学 計算机軟件与理論研究所,貴陽 550025) ,  Ding Hongwei (貴州大学 計算机科学与技術学院,貴陽 550025;貴州大学 計算机軟件与理論研究所,貴陽 550025) ,  Xin Zhuang (貴州大学 計算机科学与技術学院,貴陽 550025;貴州大学 計算机軟件与理論研究所,貴陽 550025)
資料名： Jisuanji Gongcheng yu Yingyong  (Jisuanji Gongcheng yu Yingyong)
巻： 55  号： 2  ページ： 228-235  発行年： 2019年 
JST資料番号： C2533A  ISSN： 1002-8331  CODEN： JGYYAT  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 交通流量の序列は非定常性、周期性、受入れやすい日などの要素の影響を受ける特徴があり、そのため交通流量予測は一つの困難な任務である。交通フローシーケンスの予測問題のために,深さ学習に基づくトラフィック予測モデルを設計した。モデルは,畳込みニューラルネットワークと長い短時間記憶ニューラルネットワークの2つのネットワーク構造を融合して,畳込みニューラルネットワークを特徴成分を抽出するために採用して,次に,時系列予測を,長い時間記憶ニューラルネットワークによって抽出した特徴成分によって実行した。貴州省高速道路車トラフィックデータセットにおける検証により、モデルは従来の予測方法より高い精度とリアルタイム性を有し、異なるデータセットの汎化性能が良い。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： ニューラルネットワーク ,  交通流 ,  ネットワーク構造 ,  *予測 ,  予測技法 ,  *交通予測 ,  流量 ,  モデル ,  高速道路
準シソーラス用語： 貴州省 ,  時系列予測 ,  畳込みニューラルネットワーク ,  周期性 ,  非定常性 , 【Automatic Indexing@JST】

分類 (2件)： 数値計算  (JE02000J) ,  計算機網  (JC03000K)

タイトルに関連する用語 (3件)： 学習 ,  トラヒック予測 ,  研究