文献

J-GLOBAL ID：201902282129466332   整理番号：19A2455907

SALA:自己適応学習アルゴリズム-都市交通ネットワークにおける効率的な動的経路誘導に向けて【JST・京大機械翻訳】

SALA: A Self-Adaptive Learning Algorithm-Towards Efficient Dynamic Route Guidance in Urban Traffic Networks

著者 (4件)： Yan Liping (School of Computer Science, Wuhan University, Wuhan, Hubei Province, China) ,  Yan Liping (School of Software, East China Jiaotong University, Nanchang, Jiangxi Province, China) ,  Hu Wenbin (School of Computer Science, Wuhan University, Wuhan, Hubei Province, China) ,  Hu Simon (Civil and Environmental Engineering Department, Imperial College London, London, UK)
資料名： Neural Processing Letters  (Neural Processing Letters)
巻： 50  号： 1  ページ： 77-101  発行年： 2019年 
JST資料番号： W0953A  ISSN： 1370-4621  CODEN： NPLEFG  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 都市ネットワークにおける車両のための交通混雑を軽減するために,多くの現在の研究は,主に信号最適化モデルと交通割当モデルに焦点を合わせて,信号制御と交通割当の間の相互作用を認識することを試みた。しかしながら,これらの方法は,個々の交通需要,リアルタイム交通データおよび車両間の動的協調の欠如により,高速で正確な経路誘導を提供することができない。これらの問題を解決するために,本論文は都市交通ネットワーク(DR2SM)における動的でリアルタイムの経路選択モデルを提案して,それは都市交通ネットワークにおける車両のためにより正確で個人化された戦略を供給することができた。リアルタイムの交通条件による代替ルートに対する選好を組み合わせて,都市交通ネットワークにおける各車両は,各交差を通して進む前に,その経路選択を更新する。他の車両の経路選択に関する歴史的経験と推定に基づいて,各車両は自己適応学習アルゴリズムを用いて,Nash均衡に到達するために互いに混雑ゲームを実行する。経路選択プロセスにおいて,各車両はユーザ最適経路を選択し,各運転車両の効用を最大化できる。合成と実世界の道路網の両方に関する実験の結果は,非協力的経路選択アルゴリズムと3つの最先端の平衡アルゴリズムと比較して,DR2SMが動的で不確実な都市交通ネットワークにおける平均移動時間を効果的に減少できることを示した。Copyright 2018 Springer Science+Business Media, LLC, part of Springer Nature Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 道路網 ,  *学習アルゴリズム ,  最適航路 ,  *都市交通 ,  不確実性 ,  *ネットワーク ,  交通混雑 ,  *学習 ,  経路選定 ,  *輸送網 ,  相互作用 ,  最適化 ,  *都市 ,  *アルゴリズム
準シソーラス用語： 実時間 , 【Automatic Indexing@JST】

著者キーワード (5件)： 都市交通 ,  動的経路選択 ,  自己適応学習 ,  ユーザ最適化 ,  Nash均衡

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 自己適応 ,  学習アルゴリズム ,  都市 ,  交通 ,  経路誘導