文献

J-GLOBAL ID：202002276854190066   整理番号：20A2621772

機械学習技術を用いたHyderabad市の都市交通ボトルネックの解析【JST・京大機械翻訳】

Analysis of Urban Traffic Bottleneck in Hyderabad city using Machine Learning Techniques

著者 (3件)： Naresh Pattepu (VNR Vignana Jyothi Institute of Engineering and Technology,Department of Civil Engineering,Hyderabad,India) ,  Tallam Teja (VNR Vignana Jyothi Institute of Engineering and Technology,Department of Civil Engineering,Hyderabad,India) ,  Kumar Chikkakrishna Naveen (VNR Vignana Jyothi Institute of Engineering and Technology,Department of Civil Engineering,Hyderabad,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： I-SMAC  ページ： 756-762  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： 都市交通シナリオは,異なる交通要素とそれらの相互作用の組合せである。道路,流れ,および管理は,現在のシナリオで考慮される3つのサブシステムである。交通混雑のような交通問題は,これら3つのシステムの非協調挙動に主に起因する。本研究では,3つの異なるボトルネックを,ボトルネックに対する人間資本時間損失,Delay,およびOccupcyに対して解析した。ANNとSVMのような異なるモデルを,MATLABとR-スタジオを用いて開発し,これらの機械学習モデルを,ボトルネック条件を分析し,遅延,人的資本時間損失,およびパーセント占有率を予測するために開発した。ユーティリティ方程式をSVMモデルで開発し,それにより遅延,人的資本時間損失,およびパーセント占有率を予測することができた。モデルからの性能測度に基づいて,ANNモデルがSVMモデルと比較して高精度を与えると結論できる。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： 相互作用 ,  *都市交通 ,  道路 ,  交通混雑 ,  占有率 ,  *機械学習
準シソーラス用語： MATLAB ,  性能測度 ,  高精度 ,  スタジオ ,  *機械学習技術 , 【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 (5件)： 機械学習技術 ,  都市 ,  交通 ,  ボトルネック ,  解析