文献

J-GLOBAL ID：202102284168081178   整理番号：21A0252067

長短期記憶ニューラルネットワークを用いたバス走行速度予測

Bus Travel Speed Prediction Using Long Short-term Memory Neural Network

著者 (5件)： JEON Seung-Bae (Chosun Univ., Gwangju, KOR) ,  JEONG Myeong-Hun (Chosun Univ., Gwangju, KOR) ,  LEE Tae-Young (Chosun Univ., Gwangju, KOR) ,  LEE Jeong-Hwan (Chosun Univ., Gwangju, KOR) ,  CHO Jae-Myoung (Songwon Univ., Gwangju, KOR)
資料名： Sensors and Materials  (Sensors and Materials)
巻： 32  号： 12 (4)  ページ： 4441-4447  発行年： 2020年 
JST資料番号： L0338A  ISSN： 0914-4935  CODEN： SENMER  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： 公共輸送情報の精度を改善することは,スマート都市の開発において注目を集めている。長短期記憶(LSTM)ニューラルネットワークを用いて,道路区間のバス走行速度を予測することを目指した。道路リンクデータと組み合わせたディジタルタキソグラフ(DTG)データを用いた。DTGにおける運動センサは,車の運転情報,例えば旅行距離,速度,および運転時間を記録することができる。実験結果は,LSTMに基づく提案モデルが自己回帰統合移動平均(ARIMA)モデルより良いことを示した。精度は平均20%改善された。(翻訳著者抄録)

シソーラス用語： *ニューラルネットワーク ,  *バス ,  走行速度 ,  公共輸送 ,  *情報 ,  移動平均法 ,  回帰分析
準シソーラス用語： 長短期記憶 ,  *運行情報 ,  スマート都市 ,  自己回帰

分類 (1件)： 輸送管理  (TB01060R)

引用文献 (15件)：

• H.-S. Jo: 2011, 2012 Traffic Congestion Costs: Estimation and Trend Analysis, L. Ho and Y.-C. Kim, Eds. (The Korea Transport Institute, Goyang, 2014) pp. 1-121.
• J. Guo and B. M. Williams: Transp. Res. Rec. 2175 (2010) 28. https://doi.org/10.3141/2175-04
• H. Dong, L. Jia, X. Sun, C. Li, and Y. Qin: Proc. 2009 5th Int.Joint Conf. INC, IMS and IDC (IEEE, 2009) 1649-1652.
• M.-H. Jeong, S.-B. Jeon, S. Park, and S. Kang: Sens. Mater. 31 (2019) 3827. https://doi.org/10.18494/SAM.2019.2565
• M.-H. Jeong, J. Yin, and S. Wang: Proc. 10th Int. Conf. Geographic Information Science (GIScience, 2018) 6:1-6:14.

タイトルに関連する用語 (5件)： 長短期記憶 ,  ニューラルネットワーク ,  バス ,  走行速度 ,  予測