文献

J-GLOBAL ID：202202226566507695   整理番号：22A1101413

意思決定者としての行動:交通流予測のための交通条件を意識したアンサンブル学習【JST・京大機械翻訳】

Acting as a Decision Maker: Traffic-Condition-Aware Ensemble Learning for Traffic Flow Prediction

著者 (5件)： Chen Yuanyuan (State Key Laboratory of Management and Control for Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Chen Hongyu (State Key Laboratory of Management and Control for Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Ye Peijun (State Key Laboratory of Management and Control for Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Lv Yisheng (State Key Laboratory of Management and Control for Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Wang Fei-Yue (State Key Laboratory of Management and Control for Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, China)
資料名： IEEE Transactions on Intelligent Transportation Systems  (IEEE Transactions on Intelligent Transportation Systems)
巻： 23  号： 4  ページ： 3190-3200  発行年： 2022年 
JST資料番号： W1272A  ISSN： 1524-9050  CODEN： ITISFG  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： 様々な条件下での正確なトラフィック予測は,重要だが挑戦的なタスクである。交通流時系列における複雑な非定常時間的動力学と道路網上の空間依存性により,他のすべてのものより明らかに優れている特別な方法は存在しない。ここでは,複数のベースモデルから利益を得るアンサンブル学習の調査に焦点を当て,動的トラヒック条件に基づく多重予測を積み重ねることにより,意思決定者として機能する交通条件意識アンサンブル手法を提案した。交通状況を感知するために,交通流に組み込まれた時空間パターンを捉えるために,畳込みニューラルネットワーク(CNN)モデルを適用した。次に,CNNによって抽出された高レベル特徴を,種々のモデルのアンサンブル多重予測に重みを生成するために使用する。大規模実験を,Caltrans性能測定システムからの実際の交通データセットで行った。勾配ブースティング回帰ツリー(GBRT)モデル,重み回帰モデル,サポートベクトル回帰(SVR)モデル,長期短期メモリ(LSTM)モデル,歴史的平均(HA)モデル,CNNモデルを含む競合モデルと提案手法を比較した。実験結果は,著者らの方式が交通流予測の性能を効果的に改良できることを示した。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： 記憶装置 ,  回帰分析 ,  データ ,  実験 ,  *交通流 ,  道路網 ,  ニューラルネットワーク ,  多重化 ,  モデル ,  交通予測 ,  回帰モデル ,  *意思決定者 ,  *機械学習 ,  サポートベクトルマシン
準シソーラス用語： *アンサンブル学習 ,  ブースティング ,  交通データ ,  交通状況 ,  サポートベクトル回帰 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 交通調査  (TB01031B)

タイトルに関連する用語 (7件)： 意思決定者 ,  行動 ,  交通流 ,  予測 ,  交通 ,  意識 ,  アンサンブル学習