文献

J-GLOBAL ID：202002242582174894   整理番号：20A2455224

高速道路交通安全に対する深層学習とナイーブBayesアルゴリズムの下での画像認識トラフィック予測方法の効果【JST・京大機械翻訳】

The effect of image recognition traffic prediction method under deep learning and naive Bayes algorithm on freeway traffic safety

著者 (2件)： Yao Jingxuan (School of Automobile, Chang’an University, Xi’an 710064,China) ,  Ye Yuntao (School of Automobile, Chang’an University, Xi’an 710064,China)
資料名： Image and Vision Computing  (Image and Vision Computing)
巻： 103  ページ： Null  発行年： 2020年 
JST資料番号： A0611C  ISSN： 0262-8856  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： フリーウェイ交通安全性を研究して予測するために,深い学習に基づいて,非線形ビッグデータ環境における交通流を実現するため,再帰ニューラルネットワークに基づく長短時間メモリ(LSTM)モデルを提案した。交通流を予測し,交通流の予測値を異なる時間で実際の値と比較した。LSTM予測モデルの平均絶対百分率誤差を試験し,時間近接性,周期性および傾向の誤差と比較した。同時に,ナイーブBayesアルゴリズムを用いて,車両マッチングを実施するために,ライセンスプレート数および車両色のような属性のための画像認識処理を実施した。モデルのデータ処理,訓練プロセス,およびモデル実現を研究し,ナイーブBayesアルゴリズムの精度をテストした。結果は,LSTMに基づく交通流予測モデルの予測値が実際の値とはそれほど違わないことを示した。5月7日,2018年5月9日から5月9日までの期間の平均予測誤差は約13.8%であった。時系列が6のとき,LSTMに基づく予測モデルの誤差は10.72%であり,時間近接性,周期性,および傾向の3つのシーケンスの予測誤差は,それぞれ15.66%,17.59%,および20.67%であった。3つの配列を包括的に考慮して,予測モデルは良い予測効果を達成することができた。ナイーブBayesに基づく車両マッチングモデルの精度は,約82.7%であり,それはシステムの要求を満たすことができた。したがって,深層学習に基づくLSTMトラフィックフロー予測モデルと,ナイーブBayesに基づく画像認識車両マッチングモデルは,フリーウェイの交通安全予測を実現することができ,それは,大きな実用的意義を持っている。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  記憶装置 ,  *交通安全 ,  *高速道路 ,  交通流 ,  ニューラルネットワーク ,  画像処理 ,  データ処理 ,  *交通予測 ,  予測誤差 ,  予測モデル ,  *画像認識
準シソーラス用語： 予測値 ,  ビッグデータ ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 深層学習 ,  LSTM ,  ナイーブBayes ,  交通流予測 ,  画像処理

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 高速道路 ,  交通安全 ,  深層学習 ,  Bayesアルゴリズム ,  画像認識 ,  トラフィック予測