文献

J-GLOBAL ID：202002234067491329   整理番号：20A2339615

時空間超解像スキームによる細粒都市流予測【JST・京大機械翻訳】

Fine-Grained Urban Flow Prediction via a Spatio-Temporal Super-Resolution Scheme

著者 (6件)： Shen Rujia (Computer Science and Technology, Hangzhou Dianzi University, Hangzhou, China) ,  Xu Jian (Computer Science and Technology, Hangzhou Dianzi University, Hangzhou, China) ,  Bao Qing (Computer Science and Technology, Hangzhou Dianzi University, Hangzhou, China) ,  Li Wei (Computer Science and Technology, Hangzhou Dianzi University, Hangzhou, China) ,  Yuan Hao (Computer Science and Technology, Hangzhou Dianzi University, Hangzhou, China) ,  Xu Ming (Computer Science and Technology, Hangzhou Dianzi University, Hangzhou, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12318  ページ： 360-375  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 都市流予測は,都市に対する公共安全と交通スケジューリングにおいて本質的な役割を果たす。元の粒度流データをマイニングすることによって,現在の研究方法は粗粒領域流れを予測することができた。しかし,より細粒領域の予測は,都市管理にとってより重要であり,それは,都市が元の粒度流データからより詳細を導くことを意味した。本論文では,将来の気象情報を与えて,細粒領域流を予測することを目指した。超解像スキームに基づく気象影響微細粒領域流れ予測器(WFRFP)モデルを設計した。著者らのモデルは3つのモジュールから成る。1)キーフローマップ選択モジュールは,時間的特性と天候類似性に従って入力インスタンスとして大量の歴史的データから重要なフローマップを選択する。2)気象条件融合モジュールは,オリジナル気象情報を処理し,気象特性を抽出する。3)細粒流動予測モジュールは,広い活性化残差ブロックによって空間相関を学習して,アップサンプリング操作によって微細粒領域流動を予測する。実世界データセットに関する大規模な実験は,著者らの方法の有効性と効率性を実証して,著者らの方法が最先端の基準線より優れていることを示した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： スケジューリング ,  気象 ,  残差 ,  *都市 ,  粒度 ,  気象情報 ,  気象条件 ,  *超解像 ,  類似性 ,  基準線 ,  有効性
準シソーラス用語： アップサンプリング ,  天候 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： 深層学習 ,  時空間データ ,  予測

分類 (4件)： 天気予報  (DC05020O) ,  建築環境一般  (RB02010T) ,  局地循環,気流  (DC05090N) ,  研究開発  (SA01040R)

タイトルに関連する用語 (6件)： 時空間 ,  超解像 ,  スキーム ,  細粒 ,  都市 ,  予測