抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
乗り越し需要の指数関数的成長は,都市輸送を破壊して,人々旅行を変化した。不足問題を軽減するために,多くの研究者は,車両をより効率的に配置できる地域レベルの乗り取り需要を予測するために,多くの実験を実施してきた。本論文では,Didi Chuxingによって解放された中国,海南省のHaikouのオンライン乗り上げ順序データセットを使用した。歴史的モデル,MLP,CNNおよびConvLSTMモデルを次の時間における地域レベルの乗り上げ需要予測に適用した。従来の深層学習モデルと比較して,入力履歴長が24時間であるとき,ConvLSTMは最も低いRMSE(4.796)を有するより良い性能を有した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】