文献
J-GLOBAL ID:202202232054678936   整理番号:22A1088339

空間-時間交通流率の順序付けによる交通流の依存性学習のための自動エンコーダLSTM:起源と運命間のルーティング車両のための高速化手法【JST・京大機械翻訳】

Auto-Encoder LSTM for learning dependency of traffic flow by sequencing spatial-temporal traffic flow rate: A speed up technique for routing vehicles between origin and destination
著者 (4件):
資料名:
巻: 2022  号: ICITIIT  ページ: 1-6  発行年: 2022年 
JST資料番号: W2441A  資料種別: 会議録 (C)
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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
都市輸送システムは時変ネットワークである。通勤者によって直面する旅行時間と遅れの変化は,交通混雑の悪影響である。先行する時間インスタンスにおける交通情報は,成功事例におけるトラフィックの解析に寄与し,交通の空間的な情報は,高速道路の交通流評価に必要である。先行する時間インスタンスにおける配列空間および時間トラフィック情報は,シーケンス畳込みベースの自動エンコーダ長短期メモリ(SCAE-LSTM)ネットワークを形式化することによって,連続時間インスタンスにおけるシーケンスにおけるトラフィックフローの推定を助ける。本研究の目的は,空間-時間交通シーケンスに基づく異なる起源-目的(OD)対のための高速道路上の交通流を推定することである。したがって,空間TemporAl接続(STAR)アルゴリズムを提案した。STARの性能を,Chennai大都市の実交通ネットワークに関する広範囲な実験を実施することによって研究した。アルゴリズムの計算量を経験的に解析した。提案したSTARアルゴリズムは,LSTM,ConvLSTMおよびGRNNのような短期交通流予測における他の基準線法と比較して,計算における計算量の低減を伴うピーク時間トラヒック中の交通流を推定することを見出した。最後に,結果に関する結論を将来の研究のための方向によって提示した。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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
図形・画像処理一般 

前のページに戻る