文献

J-GLOBAL ID：202102275355803927   整理番号：21A0578840

マルチレジスタモデリングとアンサンブル学習による短期交通流予測【JST・京大機械翻訳】

Short-Term Traffic Flow Forecasting via Multi-Regime Modeling and Ensemble Learning

著者 (5件)： Lu Zhenbo (Intelligent Transportation System Research Center, Southeast University, No. 2 Southeast University Road, Nanjing 211189, China) ,  Xia Jingxin (Intelligent Transportation System Research Center, Southeast University, No. 2 Southeast University Road, Nanjing 211189, China) ,  Wang Man (Institute of Intelligent Transportation, Zhejiang Scientific Research Institute of Transport, No. 705, Dalong Juwu, Hangzhou 310039, China) ,  Nie Qinghui (College of Civil Science and Engineering, Yangzhou University, No. 131 Jiangyang Middle Road, Yangzhou 225009, China) ,  Ou Jishun (College of Civil Science and Engineering, Yangzhou University, No. 131 Jiangyang Middle Road, Yangzhou 225009, China)
資料名： Applied Sciences (Web)  (Applied Sciences (Web))
巻： 10  号： 1  ページ： 356  発行年： 2020年 
JST資料番号： U7135A  ISSN： 2076-3417  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： 短期交通流予測は,先行交通管理と制御にとって重要である。タスクに関連した一つの重要な問題は,交通流の時間的パターンを適切に定義し,捉える方法である。実行可能な解決策は,マルチレジーム戦略を設計することである。本論文では,多重領域モデリングとアンサンブル学習に基づく短期交通流を予測する効果的なアプローチを示した。最初に,交通流動力学の異なるパターンを適切に捉えるために,確率的モデリングに基づく領域同定モデルを開発した。各同定された領域は特定の交通相を表し,予測モデリングの代表的な特徴として使用された。第2に,アンサンブル学習戦略上に構築した予測モデルを開発し,多重回帰木の予測を統合した。USAの4つのI-80フリーウェイセグメントから収集された5分間隔にわたる交通流データを,提案した方法を評価するために使用した。実験結果は,同定された体制が異なる交通相をよく説明でき,予測に重要な役割を果たすことを示した。さらに,開発した予測モデルは,3つの交通流測定における二乗平均平方根誤差(RMSE)と平均絶対百分率誤差(MAPE)に関して,4つの典型的モデルを凌駕した。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： *交通流 ,  *レジスタ ,  多重化 ,  予測モデル
準シソーラス用語： *アンサンブル学習 ,  回帰木 , 【Automatic Indexing@JST】

著者キーワード (5件)： 交通流予測 ,  マルチレジメモデリング ,  隠れMarkovモデル ,  アンサンブル学習 ,  回帰木

分類 (1件)： 交通調査  (TB01031B)

引用文献 (47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.
• Ou, J.; Yang, S.; Wu, Y.-J.; An, C.; Xia, J. Systematic clustering method to identify and characterise spatiotemporal congestion on freeway corridors. IET Intell. Transp. Syst. 2018, 12, 826-837.
• Wang, C.; Xu, C.; Dai, Y. A crash prediction method based on bivariate extreme value theory and video-based vehicle trajectory data. Accid. Anal. Prev. 2019, 123, 365-373.
• Wang, C.; Xu, C.; Xia, J.; Qian, Z.; Lu, L. A combined use of microscopic traffic simulation and extreme value methods for traffic safety evaluation. Transp. Res. Part C Emerg. Technol. 2018, 90, 281-291.
• Rao, W.; Wu, Y.-J.; Xia, J.; Ou, J.; Kluger, R. Origin-destination pattern estimation based on trajectory reconstruction using automatic license plate recognition data. Transp. Res. Part C Emerg. Technol. 2018, 95, 29-46.

タイトルに関連する用語 (4件)： アンサンブル学習 ,  短期 ,  交通流 ,  予測