文献

J-GLOBAL ID：202002278238615913   整理番号：20A2443754

LSTM-GANに基づく交通流の時空間シナリオ生成【JST・京大機械翻訳】

Spatiotemporal Scenario Generation of Traffic Flow Based on LSTM-GAN

著者 (7件)： Wu Chao (College of Mechatronics and Control Engineering, Shenzhen University, Shenzhen, China) ,  Chen Lei (College of Mechatronics and Control Engineering, Shenzhen University, Shenzhen, China) ,  Wang Guibin (College of Mechatronics and Control Engineering, Shenzhen University, Shenzhen, China) ,  Chai Songjian (College of Mechatronics and Control Engineering, Shenzhen University, Shenzhen, China) ,  Jiang Hui (College of Physics and Optoelectronics Engineering, Shenzhen University, Shenzhen, China) ,  Peng Jianchun (College of Mechatronics and Control Engineering, Shenzhen University, Shenzhen, China) ,  Hong Zhouzhenyan (Department of Electrical Engineering, Zhejiang University, Hangzhou, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 186191-186198  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  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： 近年,自動車の驚く開発と輸送インフラの継続的な強化が世界的に見られ,交通流データの著しい成長につながった。交通データは今日の社会において非常に貴重であり,関係する地域に対する交通流の正確なモデリングは,政府機関,関連する商業部門および個人に有意に利益を与えることができる。特に,道路利用者は,より良い旅行決定,交通渋滞を避け,炭素排出を減らし,交通運転効率を改善する。複数層の特定の地域内の可能な交通流シナリオを推定するために,著者らは,長い短期メモリ(LSTM)ネットワークが交通流に含まれる時間動力学を捕捉するために組み込まれた逐次生成敵対ネットワーク(LSTM-GAN)に基づくシナリオ生成モデルを提案した。ゲーム訓練を通して,観測道路ネットワークトラフィックフローの特性によるラインにおける交通流の時空間シナリオは,よく作り出すことができた。これらの交通シナリオは,道路交通システムの設計と計画,ならびに知的運転の仮想訓練事例に適用できる。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： 記憶装置 ,  ゲーム ,  自動車 ,  ネットワーク ,  *交通流 ,  道路 ,  道路交通 ,  旅行 ,  インフラストラクチャー ,  交通混雑
準シソーラス用語： 交通データ , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： LSTM ,  GaN ,  交通 ,  時空間 ,  シナリオ生成