文献

J-GLOBAL ID：202202232542793600   整理番号：22A0906701

交通流予測のためのメタヒューリスティック可能な修正隠れMarkovモデル【JST・京大機械翻訳】

Metaheuristic enabled modified hidden Markov model for traffic flow prediction

著者 (2件)： Raskar Charushila (Research Scholar, Usha Mittal Institute of Technology, SNDT women’s University, Mumbai, Vidyavihar, Santacruz(W), Mumbai, Maharashtra 400049, India) ,  Nema Shikha (Professor, Usha Mittal Institute of Technology, SNDT women’s University, Mumbai, Vidyavihar, Santacruz(W), Mumbai, Maharashtra 400049, India)
資料名： Computer Networks  (Computer Networks)
巻： 206  ページ： Null  発行年： 2022年 
JST資料番号： A0360B  ISSN： 1389-1286  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 交通流予測は,交通管理,汚染低減,および公共安全にとって不可欠であり,インテリジェント交通システム(ITS)の重要な構成要素である。多くのリンクは交通センサとは適合しないので,リアルタイムシナリオにおける交通流データの抽出は挑戦的であることが証明されている。さらに,交通流に影響するパラメータ(事故,道路閉鎖,および公共事象など)はほとんど予想外であり,交通流予測を複雑なタスクにする。したがって,本論文では,修正隠れMarkovモデル(MHMM)を用いて,交通流に対する強化予測モデルの設計を計画する。MHMMによる予測を受けた入力特徴は,それぞれ「平均True Range(ATR)」,指数移動平均(EMA),相対強度Indicator(RSI),および変化率(ROC)である。実際,HMMにおける修正は,平均Fitness指向Dragonfoliアルゴリズム(MF-DA)を用いた状態数の最適同調に依存する。最後に,従来のモデルよりも実装された作業の改善を比較し,証明した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  予測 ,  汚染防止 ,  特性 ,  *交通流 ,  道路 ,  誤差解析 ,  同調 ,  *モデル ,  センサ ,  *隠れMarkovモデル ,  予測モデル
準シソーラス用語： 実時間 , 【Automatic Indexing@JST】

著者キーワード (5件)： 交通流 ,  混雑 ,  HMMモデル ,  MF-DAアプローチ ,  誤差解析

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (4件)： 交通流 ,  予測 ,  ヒューリスティック ,  隠れMarkovモデル