文献

J-GLOBAL ID：202002248359696416   整理番号：20A1435618

時空間軌道に基づく都市人口密度推定【JST・京大機械翻訳】

Urban population density estimation based on spatio-temporal trajectories

著者 (9件)： Xue Fei (School of Information, Beijing Wuzi University, Beijing, China) ,  Cao Yang (School of Information, Beijing Wuzi University, Beijing, China) ,  Cao Yang (Faculty of Information Technology, Beijing University of Technology, Beijing, China) ,  Ding Zhiming (Faculty of Information Technology, Beijing University of Technology, Beijing, China) ,  Ding Zhiming (Institute of Software, Chinese Academy of Sciences, Beijing, China) ,  Tang Hengliang (School of Information, Beijing Wuzi University, Beijing, China) ,  Yang Xi (School of Information, Beijing Wuzi University, Beijing, China) ,  Chen Lei (School of Information, Beijing Wuzi University, Beijing, China) ,  Li Juntao (School of Information, Beijing Wuzi University, Beijing, China)
資料名： Concurrency and Computation: Practice & Experience  (Concurrency and Computation: Practice & Experience)
巻： 32  号： 14  ページ： e5685  発行年： 2020年 
JST資料番号： W2542A  ISSN： 1532-0626  資料種別： 逐次刊行物 (A)
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： 地域人口密度には時間的および空間的特性があり,既存の予測モデルの大部分は,これら2つの特性を同時に考慮できず,不十分な予測結果をもたらす。この問題に取り組むために,避難エリアの推薦を実現するために,避難地域における混雑分布を予測するために,深層学習モデルを使用した。最初に,長い短期メモリ(LSTM)に基づくラスタ個体群密度予測モデルを研究して,次に,ST-LSTMと呼ばれる時間的および空間的特性を考慮する多領域個体群密度予測モデルを設計した。実際のデータセットに関する著者らの広範な実験の結果は,提案したST-LSTMが効果的で効率的であることを示した。Copyright 2020 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  ラスタ ,  人口密度 ,  *避難 ,  生息密度 ,  予測モデル
準シソーラス用語： 都市人口 ,  深層学習 ,  長短期記憶 , 【Automatic Indexing@JST】

著者キーワード (4件)： 深層学習 ,  LSTM-CNN ,  人口密度予測 ,  時空間軌道

分類 (4件)： 個体群生態学  (EE03030S) ,  人工知能  (JE08000Z) ,  パターン認識  (JE07000S) ,  感染症・寄生虫症一般  (GD01010H)

タイトルに関連する用語 (5件)： 時空間 ,  軌道 ,  都市 ,  人口密度 ,  推定