文献

J-GLOBAL ID：202002270724176690   整理番号：20A0972513

APACHEスパークにおける長期短期記憶ネットワークを用いた実時間車両トラフィック解析【JST・京大機械翻訳】

Real-Time Vehicle Traffic Analysis using Long Short Term Memory Networks in Apache Spark

著者 (2件)： Anveshrithaa S (Vellore Institute of Technology,School of Computer Science & Engineering,Vellore,India) ,  Lavanya K (Vellore Institute of Technology,School of Computer Science & Engineering,Vellore,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ic-ETITE  ページ： 1-5  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 世界中の大規模で急速に進化している大都市域における交通混雑の増加は,日常生活における不esな問題の一つである。この状況に照らして,交通監視と分析は時間の必要性になっている。リアルタイムトラフィック解析は,迅速な洞察を得るために連続的に生成されるデータストリームの処理を必要とする。より速い速度でストリームデータを処理するために,著者らは高い計算能力を有する技術を必要とした。大量のデータを処理する能力を有するApache Hadoop,SpkおよびKafkaのような大規模データフレームワークは,高度で効率的なデータストリーム処理システムを開発することを可能にした。リアルタイム予測のためのデータストリームの解析の挑戦は,深い学習技術を利用することによって克服できる。これを動機として,本研究は,車両交通を予測するためのリアルタイムデータストリーム処理モデルを開発することを目的とし,交通データからそれ自身を学習し,訓練するために,Long Short-Tem Memory(LSTM)ネットワークを用いた。提案した解析フレームワークにおいて,APIからのトラヒックデータを,解析のためにApache Spkにおける機械学習モデルにKafkaと呼ばれる分散ストリーミングプラットフォームを用いてストリーム化した。提案したモデルは,移動時間,コストおよびエネルギーを低減することにより,市民および政府に対して大きな価値がある深いニューラルネットワークに沿って,S公園およびKafkaを統合することにより,交通流情報を予測することを目的としている。したがって,環境および社会に対してプラスの影響を持っている。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： 学習 ,  *ネットワーク ,  交通流 ,  ニューラルネットワーク ,  都市域 ,  市民 ,  処理装置 ,  交通混雑 ,  機械学習
準シソーラス用語： データストリーム ,  移動時間 ,  ストリーム処理 ,  交通データ ,  大規模データ ,  ストリームデータ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： APACHE ,  スパーク ,  長期 ,  短期記憶 ,  実時間 ,  トラフィック解析