文献

J-GLOBAL ID：202002239009548515   整理番号：20A1887631

HDSTF:トラフィック予測*のためのハイブリッド深時空間フレームワーク【JST・京大機械翻訳】

HDSTF: A Hybrid Deep Spatio-Temporal Framework for Traffic Prediction*

著者 (6件)： Li Wei (College of Command and Control Engineering, Army Engineering University,Nanjing,China) ,  Xia Shiming (College of Command and Control Engineering, Army Engineering University,Nanjing,China) ,  Chen Feiqiong (College of Field Engineering, Army Engineering University,Nanjing,China) ,  Qiu Junyang (College of Command and Control Engineering, Army Engineering University,Nanjing,China) ,  Liu Xin (College of Command and Control Engineering, Army Engineering University,Nanjing,China) ,  Pan Zhisong (College of Command and Control Engineering, Army Engineering University,Nanjing,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICSIDP  ページ： 1-6  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： 時空間シーケンス予測(STSF)は,気候,交通,経済および農業のような多くの分野で重要な役割を果たす。交通予測はそのような種類の問題の典型的な例であり,これは,タイムリーに車両をタイムリーに予約するのに,正確な交通結果を必要とする。しかし,時空間データに隠された複雑な関係をモデル化する方法には,2つの主要な課題がある。一方では,空間依存性を捉えるのは難しく,時間とともに変化する。一方,時間的関係は周期的で多様であり,特性化が困難である。これらの2つの課題に取り組むために,著者らは,トラフィック予測問題を解決するために,新規ハイブリッド深層空間-一時的フレームワーク(HDSTF)を提案した。2つの実世界時空間データセットに関する著者らの実験は,提案フレームワークが最先端の方法より優れていることを実証した。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： 農業 ,  *気候 ,  交通予測 ,  空間依存性 ,  深層 ,  キャラクタリゼーション

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： トラフィック予測 ,  時空間 ,  フレームワーク