文献

J-GLOBAL ID：202102256109589388   整理番号：21A2526779

交通速度予測:注意に基づく方法【JST・京大機械翻訳】

Traffic Speed Prediction: An Attention-Based Method

著者 (4件)： Liu Duanyang ,  Tang Longfeng ,  Shen Guojiang ,  Han Xiao
資料名： Sensors (Web)  (Sensors (Web))
巻： 19  号： 18  ページ： 3836  発行年： 2019年 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 短期交通速度予測は,インテリジェント輸送システム(ITS)の最も重要な部品の1つになった。近年,深層学習法は,精度と効率の両方でその優位性を示した。しかし,それらのほとんどは時間的情報を考慮し,空間またはいくつかの環境要因,特に目標道路と周辺道路の間の異なる相関を見落としている。本論文では,上記の課題に対処するために,時間クラスタリングと階層的注意(TCHA)に基づくトラヒック速度予測手法を提案した。交通環境を区別するために,目標道路に時間クラスタリングを適用した。各クラスタにおける交通データは類似の分布を持ち,予測精度の改善を助けることができる。次に階層的注意ベース機構を用いて各時間ステップで特徴を抽出した。符号器は空間特徴の重要性を測定し,復号器は時間的ものを測定する。提案方法は,杭州におけるある区域のデータに関して評価して,実験は,本方法が,交通速度予測のために技術の状態を上回ることができることを示した。Copyright 2021 The Author(s) 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 ,  道路 ,  復号器 ,  クラスタ化 ,  符号器 ,  *クラスタ ,  交通システム
準シソーラス用語： 予測精度 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 知的輸送システム ,  交通速度予測 ,  注意機構 ,  時間クラスタリング解析

分類 (3件)： 都市交通  (TA01020W) ,  交通調査  (TB01031B) ,  電子航法一般  (ND14010O)

引用文献 (43件)：

• Vlahogianni, E.I.; Karlaftis, M.G.; Golias, J.C. Short-term traffic forecasting: Where we are and where we’re going. Transp. Res. Part C Emerg. Technol. 2014, 43, 3-19.
• Liu, D.; Wang, M.; Shen, G. A New Combinatorial Characteristic Parameter for Clustering-Based Traffic Network Partitioning. IEEE Access 2019, 7, 40175-40182.
• Chrobok, R. Theory and Application of Advanced Traffic Forecast Methods; University of Duisburg Physics: Duisburg, Germany, 2005.
• Fei, X.; Lu, C.C.; Liu, K. A bayesian dynamic linear model approach for real-time short-term freeway travel time prediction. Transp. Res. Part C Emerg. Technol. 2011, 19, 1306-1318.
• Oh, S.; Byon, Y.J.; Jang, K.; Yeo, H. Short-term travel-time prediction on highway: A review on model-based approach. KSCE J. Civ. Eng. 2018, 22, 298-310.

タイトルに関連する用語 (3件)： 交通 ,  予測 ,  注意