文献

J-GLOBAL ID：202102228450131407   整理番号：21A0230963

異常交通流予測のためのEnsembling-mRBF-LSTMフレームワーク【JST・京大機械翻訳】

Ensembling-mRBF-LSTM Framework for Prediction of Abnormal Traffic Flows

著者 (5件)： Chen Yi-Chung (National Yunlin University of Science and Technology,Department of Industrial Engineering and Management,Yunlin,Taiwan, R.O.C.,640) ,  Liu Shao-Chen (National Yunlin University of Science and Technology,Department of Industrial Engineering and Management,Yunlin,Taiwan, R.O.C.,640) ,  Chen Bo-Xiang (National Yunlin University of Science and Technology,Department of Industrial Engineering and Management,Yunlin,Taiwan, R.O.C.,640) ,  Loh Chee-Hoe (National Yunlin University of Science and Technology,Department of Industrial Engineering and Management,Yunlin,Taiwan, R.O.C.,640) ,  Jia-Ching Ying Josh (National Chung Hsing University,Department of Management Information Systems,Taichung,Taiwan, R.O.C.,402)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICPAI  ページ： 206-213  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： 異常交通流の予測は,常に交通管理における主要な関心事であった。管理ユニットが異常の発生を予測できるならば,それは異常トラフィックフローを避けて,サービス品質を強化するために,前もって輸送を管理して,制御することができた。前の研究者は,単一時系列予測モデルによって交通流における異常条件を一般的に予測したが,そのような方法は,いくつかの地域における異常な交通流の予測に不正確さをもたらすかもしれない。その結果,実用性に関して,従来の方法は満足のいく結果を作り出すことができなかった。さらに,従来手法では,研究者は,モデルの中で最良の時間遅れアイテムを得ることを困難にし,試行錯誤法を用いることによってのみ,コスト抑制である。この問題を解決するために,本研究では,3つの新しい概念から成るEnsembling-mRBF-LSTMフレームワークを用いて,異常なトラフィックフローを予測した。(1)ターゲット問題に対するアンサンブル学習の概念を導入し,異常の予測に複数の既存の予測手法によって生成された結果を統合し,(2)既存の方法から本研究における異常の予測に適用可能な予測方法を選択するためのmRBF-LSTMの概念を考案し,そして(3)mRBF-LSTMによって選択された既存の方法だけを用いて,異常の予測に応用できる予測方法を選択するための,mRBF-LSTMの概念を考案する。”その予測方法”を選定するために,mRBF-LSTMの概念を考案し,そして(3)既存の予測方法に対する適用可能な時間遅れ項目を選定すること,および(3)mRBF-LSTMによって選択された既存の方法のみを用いて,予測方法を選択するための,mRBF-LSTMの概念を考案する,という概念を結論づけること,および(3)既存の予測方法の中の異常の予測に適用可能な予測方法を選択するための,mRBF-LSTMの概念を考案した。前述の3つの主要な概念により,本研究では,異常な交通流予測のための既存の方法を大きく改善することを試みた。最後に,本研究は,台湾におけるTaipei Mass Rapid Transit(MRT)の交通流データを提供し,提案した方法の有効性を検証した。Copyright 2021 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： 予測技法 ,  *交通流 ,  台湾 ,  有効性
準シソーラス用語： 時系列予測 ,  アンサンブル学習 ,  実用性 ,  長短期記憶 , 【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 (4件)： 交通流 ,  予測 ,  LSTM ,  フレームワーク