文献

J-GLOBAL ID：202202230205653856   整理番号：22A0416815

機械学習を用いた空港システムにおける交通流予測の改善【JST・京大機械翻訳】

Improving the Prediction of Traffic Flow in the Airport System Using Machine Learning

著者 (2件)： Agrawal Esha (Department of Information Technology, Nanded, Maharashtra, India) ,  Navdeti Chandrakant (Department of Information Technology, Nanded, Maharashtra, India)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 820  ページ： 275-286  発行年： 2022年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 空港は多目的インフラストラクチャネットワークである。空港施設とインフラストラクチャの信頼できる使用は,交通流制御の成功運転にとって重要である。緊急事態の多くの時間原因は,特に最大の空港において,空域計画の不十分な能力があることを示した。空港受容能力の予測は動的空気空間における複雑な活動である。本論文は,ターミナル区域交通流における潜在的傾向を予測するために,機械学習のモデルを提供した。提案モデルは事故防止と安全解析に役立つ。それは歴史的空港運用データを使用する。このモデルは機械学習アルゴリズムといくつかのデータ解析特徴に基づいている。クラスタ化を異なった航空会社データに適用して,ターミナル領域における航空交通を同定し,データ分析特徴を,発生知識マルチウェイ機械学習分類アプリケーションに基づいて抽出して,ターミナルの形式における空港受容能力の将来の予測に用いた。流量予測の増加のための予測可能性設計および最終的に交通のより良い制御。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 航空輸送 ,  事故防止 ,  流量 ,  *交通流 ,  ターミナル ,  *空港 ,  クラスタ化 ,  応用プログラム ,  インフラストラクチャー ,  飛行場施設 ,  *機械学習 ,  予測可能性 ,  学習アルゴリズム ,  航空会社
準シソーラス用語： 空域 , 【Automatic Indexing@JST】

著者キーワード (4件)： 空港容量 ,  クラスタリング ,  機械学習 ,  予測

分類 (2件)： 航空交通管制・航法施設  (TE01030T) ,  航空輸送・サービス一般  (TE01010X)

タイトルに関連する用語 (4件)： 機械学習 ,  空港 ,  交通流 ,  予測