文献

J-GLOBAL ID：202202221937931813   整理番号：22A0913477

交通予測のための現代深層ニューラルネットワークの調査:傾向,方法および挑戦【JST・京大機械翻訳】

A Survey on Modern Deep Neural Network for Traffic Prediction: Trends, Methods and Challenges

著者 (5件)： Tedjopurnomo David Alexander (RMIT University, Melbourne, Victoria, Australia) ,  Bao Zhifeng (RMIT University, Melbourne, Victoria, Australia) ,  Zheng Baihua (Singapore Management Univerity, Singapore) ,  Choudhury Farhana Murtaza (University of Melbourne, Parkville, Victoria, Australia) ,  Qin A. K. (Swinburne University of Technology, Hawthorn, Victoria, Australia)
資料名： IEEE Transactions on Knowledge and Data Engineering  (IEEE Transactions on Knowledge and Data Engineering)
巻： 34  号： 4  ページ： 1544-1561  発行年： 2022年 
JST資料番号： T0838A  ISSN： 1041-4347  CODEN： ITKEEH  資料種別： 逐次刊行物 (A)
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： この現代時代において,交通渋滞は世界中の都市域に対する深刻な負の経済的および環境的影響の主な原因となっている。交通混雑を緩和する最も効率的な方法の一つは,将来の交通予測を通している。交通予測の研究分野は,70年代後半のその開始以来,大きく進化した。以前の研究は主にARIMAとその変異体のような古典的統計モデルを用いている。最近,研究者は,それらの電力と柔軟性のため,機械学習モデルに焦点を当て始めた。理論的および技術的進歩として,深いニューラルネットワークの時代に入って,それは,複雑で深い構造に起因することができる,そのよりその予測力のために人気を得た。交通予測の分野における深いニューラルネットワークモデルの人気にもかかわらず,そのような方法の文献調査はまれである。本研究では,交通予測のための深層ニューラルネットワークの最新の調査を提示した。著者らは,トラフィックフロー予測文献において一般的に使用される一般的な深層ニューラルネットワークアーキテクチャの詳細な説明を提供し,文献自体を分類し,説明し,異なる研究間の共通性と差異の概要を示し,最後に,この分野に対する課題と将来の方向に関する議論を提供した。Copyright 2022 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： 電力 ,  *ニューラルネットワーク ,  都市域 ,  モデル ,  統計模型 ,  *交通予測 ,  交通混雑 ,  深層 ,  環境影響 ,  機械学習 ,  文献調査
準シソーラス用語： 神経回路網モデル ,  ARIMAモデル ,  共通性 ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (3件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q) ,  交通調査  (TB01031B)

タイトルに関連する用語 (5件)： 交通 ,  予測 ,  深層ニューラルネットワーク ,  調査 ,  傾向