文献

J-GLOBAL ID：201902294905232272   整理番号：19A1507260

時空LSTMに基づくODの旅客需要予測【JST・京大機械翻訳】

Spatio-temporal LSTM for OD passenger demand prediction

著者 (5件)： Lin Youfang (北京交通大学計算机与信息技術学院,北京100044;北京交通大学交通数据分析与wa掘北京市重点実験室,北京100044;民航旅客服務智能化応用技術重点実験室,北京101318) ,  Yin Kang (北京交通大学計算机与信息技術学院,北京100044;北京交通大学交通数据分析与wa掘北京市重点実験室,北京100044;民航旅客服務智能化応用技術重点実験室,北京101318) ,  Dang Yi (北京久其軟件股fen有限公司,北京,100082) ,  Guo Chengnan (北京交通大学計算机与信息技術学院,北京100044;北京交通大学交通数据分析与wa掘北京市重点実験室,北京100044;民航旅客服務智能化応用技術重点実験室,北京101318) ,  Wan Huaiyu (北京交通大学計算机与信息技術学院,北京100044;北京交通大学交通数据分析与wa掘北京市重点実験室,北京100044;民航旅客服務智能化応用技術重点実験室,北京101318)
資料名： Beijing Jiaotong Daxue Xuebao. Zirankexueban  (Beijing Jiaotong Daxue Xuebao. Zirankexueban)
巻： 43  号： 1  ページ： 114-121  発行年： 2019年 
JST資料番号： C2406A  ISSN： 1673-0291  CODEN： BJDXES  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： 旅客輸送需要予測は知的交通システムの重要な一環であり、正確な予測モデルは交通資源を事前分配し、ユーザーの旅行体験を改善するのに役立つ。しかし,旅客輸送需要の動的空間-時間特性は,乗客の需要を正確に予測するのに,大きなチャレンジを持つ。本論文は,空間-時間-短期記憶ネットワーク(LSTM)に基づく出発地-目的地(OD)乗客輸送需要予測モデル(STLSTM-PDP)を提案し,そして,時間依存関係と時系列間の空間依存性を,明示的にモデル化した。未来のすべてのODの旅客需要量を予測した。全国民航路線旅客輸送要求量データセットと都市地域間タクシー乗客輸送量データセット上で実験を行った。STLSTM-PDPモデルは他の既存の予測方法より優れ,MAEは他の方法と比較して4.4%41.4%減少し,RMSEは4.3%49.1%減少した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 交通システム ,  旅行 ,  旅客輸送 ,  モデリング ,  *需要予測 ,  *乗客 ,  市街地 ,  予測技法 ,  タクシー ,  時間依存性 ,  予測モデル ,  ネットワーク ,  モデル
準シソーラス用語： 目的地 ,  短期記憶 , 【Automatic Indexing@JST】

分類 (3件)： 輸送と業務  (TC01030N) ,  数値計算  (JE02000J) ,  システム設計・解析  (IA02030D)

タイトルに関連する用語 (5件)： 時空 ,  LSTM ,  OD ,  旅客 ,  需要予測