文献

J-GLOBAL ID：202002228869744732   整理番号：20A2350557

深層ニューラルネットワークのためのアンサンブル学習を用いたApacheスパークにおける実時間車両トラフィック予測【JST・京大機械翻訳】

Real-Time Vehicle Traffic Prediction in Apache Spark Using Ensemble Learning for Deep Neural Networks

著者 (2件)： Sundareswaran Anveshrithaa (Vellore Institute of Technology, India) ,  Lavanya K. (Vellore Institute of Technology, India)
資料名： International Journal of Intelligent Information Technologies  (International Journal of Intelligent Information Technologies)
巻： 16  号： 4  ページ： 19-36  発行年： 2020年 
JST資料番号： W3851A  ISSN： 1548-3657  資料種別： 逐次刊行物 (A)
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： 世界中の大規模で急速に発展する大都市圏における交通混雑の拡大は,日常生活における不可解な問題の1つである。この状況の観点から,交通監視と解析は今日の世界における時間の必要性になっている。リアルタイムトラフィック解析は,迅速な洞察を得るために実時間で連続的に発生するデータストリームの処理を必要とする。リアルタイム予測のためのストリーミングデータを解析する挑戦は,深い学習技術を利用することによって克服することができた。これを動機として,本研究は,アンサンブル学習手法を用いて,車両交通予測のためのリアルタイムデータストリーム処理モデルを開発するために,ビッグデータ技術と深層学習技術を統合することを目指した。APIからのリアルタイムトラフィックデータを,処理されるApache SparkにKafkaと呼ばれる分散ストリーミングプラットフォームを用いてストリーミングし,そして,トラフィックフローをニューラルネットワークアンサンブルモデルによって予測した。これは,効率的な意思決定を通して,旅行時間,コスト,およびエネルギーを減らし,従って,環境にプラスの影響を与える。Copyright 2020 IGI Global All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 意思決定 ,  *学習 ,  旅行時間 ,  *ニューラルネットワーク ,  *交通予測 ,  交通混雑 ,  ストリーミング
準シソーラス用語： *アンサンブル学習 ,  データストリーム ,  大都市圏 ,  ビッグデータ ,  深層学習 ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (7件)： Apache Kafka ,  Apacheスパーク ,  深層学習 ,  アンサンブル学習 ,  ニューラルネットワーク ,  実時間解析学 ,  交通予測

分類 (2件)： 人工知能  (JE08000Z) ,  交通調査  (TB01031B)

タイトルに関連する用語 (6件)： 深層ニューラルネットワーク ,  アンサンブル学習 ,  APACHE ,  スパーク ,  実時間 ,  トラフィック予測