文献

J-GLOBAL ID：202002242502949279   整理番号：20A2770534

深層学習による地域レベルライド-タイリング需要予測【JST・京大機械翻訳】

Region-level Ride-hailing Demand Prediction with Deep Learning

著者 (1件)： Lan Ruohui (Computer Science, Northwestern Polytechnical University, Xi’an, 710072, China)
資料名： Journal of Physics: Conference Series  (Journal of Physics: Conference Series)
巻： 1678  号： 1  ページ： 012111 (7pp)  発行年： 2020年 
JST資料番号： W5565A  ISSN： 1742-6588  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 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】

シソーラス用語： 都市交通 ,  旅行 ,  指数関数 ,  *需要予測
準シソーラス用語： *深層学習 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 深層学習 ,  地域 ,  タイ ,  需要予測