文献

J-GLOBAL ID：202002261646578904   整理番号：20A1704309

旅行需要と起終点予測のための深いマルチスケール畳込みLSTMネットワーク【JST・京大機械翻訳】

Deep Multi-Scale Convolutional LSTM Network for Travel Demand and Origin-Destination Predictions

著者 (3件)： Chu Kai-Fung (Department of Electrical and Electronic Engineering, The University of Hong Kong, Hong Kong) ,  Lam Albert Y. S. (Department of Electrical and Electronic Engineering, The University of Hong Kong, Hong Kong) ,  Li Victor O. K. (Department of Electrical and Electronic Engineering, The University of Hong Kong, Hong Kong)
資料名： IEEE Transactions on Intelligent Transportation Systems  (IEEE Transactions on Intelligent Transportation Systems)
巻： 21  号： 8  ページ： 3219-3232  発行年： 2020年 
JST資料番号： W1272A  ISSN： 1524-9050  CODEN： ITISFG  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： センシングとモノのインターネット(IoT)技術の進歩は膨大な量のデータを生成する。需要(MoD)サービスの移動性は,インテリジェント輸送システムにおける大きなデータのアベイラビリティから利益を得る。将来の旅行需要または原産地(OD)フロー予測を考えると,サービスプロバイダは,待ち時間を減らすために,顧客のサービス源に,非占有車両を事前割り当てることができる。将来の旅行需要とODフロー予測に関する従来のアプローチは,統計的または機械学習法に依存する。画像とビデオ処理のための深い学習技術に触発されて,画像画素としての局所的旅行要求に関して,マルチスケール畳込み長短期記憶ネットワーク(MultiConvLSTM)と呼ばれる新しい深層学習モデルをこの論文で開発した。地理的情報の損失につながる可能性がある従来のOD行列を使用するよりも,ODテンソルと呼ばれる新しいデータ構造を提案し,ODテンソル置換とマトリック化と呼ばれる操作法を導入し,ODテンソルの高次元特徴を扱う。マルチConvLSTMは,将来の旅行需要とODフローを予測するために,時間的および空間的相関の両方を考慮する。約400百万の記録の実世界ニューヨークタクシーデータの実験を行った。著者らの結果は,マルチConvLSTMが1ステップと多段階予測の両方で最も高い精度を達成し,それは旅行需要とODフロー予測のための既存の方法より優れていることを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  テンソル ,  学習 ,  データ構造 ,  *ネットワーク ,  *旅行 ,  アベイラビリティ ,  画素 ,  録画装置 ,  待ち時間 ,  高次元 ,  機械学習
準シソーラス用語： マルチスケール ,  モノのインターネット ,  深層学習 , 【Automatic Indexing@JST】

分類 (3件)： ネットワーク法  (KA03040X) ,  パターン認識  (JE07000S) ,  交通調査  (TB01031B)

タイトルに関連する用語 (6件)： 旅行需要 ,  終点 ,  予測 ,  マルチスケール ,  畳込み ,  LSTMネットワーク