抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】