文献

J-GLOBAL ID：202102271134364421   整理番号：21A1169750

機械学習に基づく都市高速道路速度-密度関係モデル【JST・京大機械翻訳】

Speed-density relationship model of urban expressway based on machine learning

著者 (3件)： Lin Hao (西華大学,能源与動力工程学院,四川 成都610039) ,  Jiang Zhu (西華大学,能源与動力工程学院,四川 成都610039) ,  Li Shubin (山東警察学院 交通管理工程系,山東 済南250014)
資料名： Xi’An Keji Daxue Xuebao  (Xi'An Keji Daxue Xuebao)
巻： 40  号： 6  ページ： 1109-1116  発行年： 2020年 
JST資料番号： C3182A  ISSN： 1672-9315  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 速度-密度関係モデルの精度を改善し,現在の道路交通流の動的特性をより正確に描写するために,北京の3ループの測定データを機械学習に基づいて分析した。最初に,道路の実測データを前処理し,次に,異なる交通流の位相臨界密度を,階層的クラスタリングによって決定し,そして,従来の速度-密度モデル,BPニューラルネットワークおよび局所加重回帰を用いて,位相の道路交通速度-密度関係モデルを,確立し,そして,確立した。現場測定データを用いてモデルを試験した。階層的クラスタリングは,各位相に対してより正確な境界点を計算することができる。伝統的モデルと比較して,機械学習に基づく方法は,各々の位相推定速度-密度関係モデルのために,より高い精度を得ることができた。速度-密度関係モデルは,交通流れを分割して,基本的グラフ理論より正確に動的交通流の変化傾向を捕えることができた。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： グラフ理論 ,  交通流 ,  *道路 ,  道路交通 ,  前処理 ,  *都市高速道路 ,  位相 ,  *機械学習
準シソーラス用語： 位相推定 ,  現場測定 ,  逆伝播ニューラルネットワーク ,  臨界密度 , 【Automatic Indexing@JST】

分類 (2件)： 交通調査  (TB01031B) ,  計算機シミュレーション  (JE11000H)

タイトルに関連する用語 (3件)： 機械学習 ,  都市高速道路 ,  モデル