文献

J-GLOBAL ID：201902289914054776   整理番号：19A1934233

大量交通流予測の精度を改善するための重みベースのデータ前処理機構【JST・京大機械翻訳】

A Weight-Based Data Pre-processing Mechanism for Improving the Accuracy of the Massive Traffic Flow Prediction

著者 (5件)： Chang Hong-Yi ,  Wu Yu-Fong ,  Lin Tu-Liang ,  Chang Wan-Kun ,  Hsu Shih-Che
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ACIT-CSII-BCD  ページ： 272-277  発行年： 2017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： 知的輸送システム(ITS)の主要な研究領域の一つは,交通流の体積と速度のような特定のパラメータを適用し,高速道路上の条件を予測することである。しかし,時系列データセットは,元の時系列データセットが最初に変換されなければならないので,機械学習アルゴリズムに直接適用できない。従来の変換法はスライディングウィンドウであり,この方法で変換されたデータセットは,連続時間の関係のみを生成する。したがって,著者らは,大量の交通流予測の精度を向上させるための重みベースのデータ前処理メカニズムを提案する。それにおいて,データセットは歴史的および現在の連続データを結合することによって変換される。この方式において,変換されたデータセットには,2種類のデータの間に一定の量の重みがあり,歴史的データより多くの重みを持つ最も近いデータがある。この方法を用いて,交通流予測精度を改善し,効果を検証するために3種類の機械学習アルゴリズムを適用して,実験結果は,著者らの方法が従来のものより優れていることを実証した。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： *交通流 ,  *予測 ,  連続時間系 ,  学習アルゴリズム ,  高速道路 ,  交通システム
準シソーラス用語： 予測精度 ,  スライディングウィンドウ ,  時系列データ ,  データ前処理 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 交通流 ,  予測 ,  データ前処理