文献

J-GLOBAL ID：202002289823429522   整理番号：20A2320821

LSTM-CNNを用いた時空間タクシー需要予測【JST・京大機械翻訳】

Spatial-Temporal Taxi Demand Prediction Using LSTM-CNN

著者 (4件)： Shu Pengfeng (Harbin Institute of Technology,Shenzhen,China) ,  Sun Ying (Harbin Institute of Technology,Shenzhen,China) ,  Zhao Yifan (Harbin Institute of Technology,Shenzhen,China) ,  Xu Gangyan (Harbin Institute of Technology,Shenzhen,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CASE  ページ： 1226-1230  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： 空間-時間タクシー需要予測は,タクシーの効率的計画とスケジューリングのために不可欠であり,それは巨大都市における公共輸送の全体的サービスレベルを改良することができた。しかし,以前の研究は主にある地域内のタクシー需要の予測に焦点を当て,マクロレベルのタクシースケジューリングに不可欠な地域間需要をほとんど考慮していない。したがって,本論文は,畳込みニューラルネットワーク(CNN)とLong Short-Termメモリ(LSTM)を統合することを通して,空間-時間地域間タクシー需要予測のための効果的モデルを提案した。CNNを採用して,特徴と時間的近接性依存性の間の相関を抽出し,一方,LSTMは時系列でそれらを融合する。モデルはHaikou(中国)の歴史的データを用いて検証され,結果は地域間税需要予測における従来のLSTMより正確で安定であることを示した。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： 記憶装置 ,  スケジューリング ,  メガロポリス ,  *需要予測 ,  公共輸送 ,  *タクシー

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)： LSTM ,  CNN ,  時空間 ,  タクシー ,  需要予測