文献

J-GLOBAL ID：202202230872951692   整理番号：22A0630584

交通予測のためのマルチストリーム特徴融合アプローチ【JST・京大機械翻訳】

A Multi-Stream Feature Fusion Approach for Traffic Prediction

著者 (7件)： Li Zhishuai (State Key Laboratory for Management and Control of Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Xiong Gang (Beijing Engineering Research Center of Intelligent Systems and Technology, Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Tian Yonglin (State Key Laboratory for Management and Control of Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Lv Yisheng (State Key Laboratory for Management and Control of Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Chen Yuanyuan (State Key Laboratory for Management and Control of Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, China) ,  Hui Pan (Computer Science and Engineering Department, System and Media Laboratory (SyMLab), The Hong Kong University of Science and Technology, Hong Kong) ,  Su Xiang (Center for Ubiquitous Computing, University of Oulu, Oulu, Finland)
資料名： IEEE Transactions on Intelligent Transportation Systems  (IEEE Transactions on Intelligent Transportation Systems)
巻： 23  号： 2  ページ： 1456-1466  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： 正確でタイムリーな交通流予測は,インテリジェント輸送システム(ITS)にとって重要である。グラフベースのニューラルネットワークにおける最近の進歩は有望な予測結果を達成した。しかし,特にグラフ構築とモデルの時間複雑性に関して,いくつかの課題が残っている。本論文では,トラヒックデータから豊富な特徴を抽出し,統合するためのマルチストリーム特徴融合アプローチを提案し,グラフを構築するために距離ベース行列の代わりにデータ駆動隣接行列を利用した。モニターステーション間のSpearman順位相関係数を計算し,初期隣接行列を得て,訓練中に微調整した。モデルに関しては,3チャネルネットワークとソフトアテンション機構を含むマルチストリーム特徴融合ブロック(MFFB)モジュールを構築した。3チャネルネットワークは,グラフ畳込みニューラルネットワーク(GCN),ゲートリカレントユニット(GRU),および完全接続ニューラルネットワーク(FNN)であり,それぞれ空間,時間,および他の特徴を抽出するのに使用される。得られた特徴を統合するために,ソフトアテンション機構を利用した。MFFBモジュールを積層し,完全接続層と畳込み層を用いて予測を行った。2つの実世界トラフィック予測タスクに関する実験を行い,提案手法が許容可能な時間複雑性の中で最先端の方法より優れていることを検証した。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： 畳込み ,  交通流 ,  ニューラルネットワーク ,  距離 ,  *交通予測 ,  *データ転送 ,  ITS【交通】
準シソーラス用語： 隣接行列 ,  *マルチストリーム ,  複雑性 ,  データ駆動 ,  微調整 ,  *特徴融合 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 交通 ,  予測 ,  マルチストリーム ,  特徴融合