文献

J-GLOBAL ID：202002225513232255   整理番号：20A0820896

GCN-RNN予測モデルに基づく交通ネットワークの弾力性解析【JST・京大機械翻訳】

Traffic Network Resilience Analysis Based On The GCN-RNN Prediction Model

著者 (7件)： Lv Xing (Beihang University,School of Reliability and Systems Engineering,Beijing,P.R. China,100091) ,  Wang Zi-Li (Beihang University,School of Reliability and Systems Engineering,Beijing,P.R. China,100091) ,  Ren Yi (Beihang University,School of Reliability and Systems Engineering,Beijing,P.R. China,100091) ,  Yang De-Zhen (Beihang University,School of Reliability and Systems Engineering,Beijing,P.R. China,100091) ,  Feng Qiang (Beihang University,School of Reliability and Systems Engineering,Beijing,P.R. China,100091) ,  Sun Bo (Beihang University,School of Reliability and Systems Engineering,Beijing,P.R. China,100091) ,  Liu Du (AECC Hunan Institute of Power Machinery of China Aeroengine,Zhuzhou,Hunan,PR China,412002)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： QR2MSE  ページ： 96-103  発行年： 2019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： 交通ネットワークは必然的に混雑するように見える。一旦混雑が起こると,拡張に影響を及ぼすことを避けるために,トラフィックネットワークの元の状態に急速に戻る能力が重要になる。本研究では,トラヒックネットワークのレジリエンスを解析するために,効率的なグラフ畳込みネットワーク再帰ニューラルネットワーク(GCN-RNN)予測モデルを採用した。次に,数百万のGPSデータによってモデルを訓練した。結果は,モデルが道路ネットワークの状態変化の傾向をよく予測できることを示した。最後に,GCN-RNNモデルに基づいて,著者らは定性的に,定量的にトラフィックネットワークのレジリエンスを分析して,それは,トラフィックネットワークのレジリエンス設計とネットワーク運用戦略の選択のために一定の参照値を有した。Copyright 2020 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： *輸送網 ,  *予測モデル ,  *ネットワーク ,  *弾性 ,  道路網 ,  ニューラルネットワーク ,  レジリエンス ,  畳込み
準シソーラス用語： ネットワーク運用 ,  GPSデータ , 【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 (5件)： RNN ,  予測モデル ,  交通 ,  弾力性 ,  解析