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。
研究者および実務者は,都市計画,交通予測および空間時間データベースのような異なる地域における道路網交通データを広く研究している。例えば,研究者は道路網の変化の影響を評価するためにそのようなデータを使用する。残念ながら,大規模高品質都市交通データの収集は,参加車両が地球測位システム(GPS)受信機をインストールしなければならず,管理者がこれらの機器を連続的に監視しなければならないので,多大な努力を必要とする。いくつかの都市交通シミュレータが,異なる特徴でそのようなデータを生成することを試みている。しかし,それらは,2つの重大な問題,即ち,スケーラビリティ:その多くは,大規模データを生成するのに適切でない単一マシンソリューションを提供するだけである。いくつかのシミュレータは並列にトラフィックを発生できるが,クラスタ内の機械間の負荷を十分にバランスしない。(2)粒状性:多くのシミュレータは,交通光,車線変更,車両追従を含む顕微鏡的交通状況を考慮していない。本論文は,Apache Sparkを拡張したスケーラブルな交通シミュレータであるGeoSparkSimを提案して,顕微鏡的トラフィックシミュレーションで大規模な道路ネットワークトラフィックデータセットを生成した。提案したシステムは,Sparkベースの空間データ管理システム,GeoSparkとシームレスに統合し,大規模都市交通データをシミュレーション,解析,可視化するデータ科学者を可能にする全体論的手法を提供する。顕微鏡的交通モデルを実装するために,GeoSparkSimは,各機械がバランスのかかる作業負荷を持つように,異なる機械の中で車両を分割するシミュレーション意識の車両分割法を採用する。実験分析は,GeoSparkSimが,非常に大きな道路網(250万の道路接合部と300万の道路セグメント)で300万台の車両の動きをシミュレートでき,既存の競争者より優れていることを示した。Copyright Springer Science+Business Media, LLC, part of Springer Nature 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】