文献

J-GLOBAL ID：202202235360346962   整理番号：22A0157260

地下鉄旅客流予測のためのBaidu探索指数による新しいマルチモーダル解析モデル【JST・京大機械翻訳】

A novel multi-modal analysis model with Baidu Search Index for subway passenger flow forecasting

著者 (4件)： Jin Kun (School of Traffic and Transportation, Lanzhou Jiaotong University, Lanzhou, 730070, China) ,  Sun Shaolong (School of Management, Xi’an Jiaotong University, Xi’an 710049, China) ,  Li Hongtao (School of Traffic and Transportation, Lanzhou Jiaotong University, Lanzhou, 730070, China) ,  Zhang Fengting (School of Traffic and Transportation, Lanzhou Jiaotong University, Lanzhou, 730070, China)
資料名： Engineering Applications of Artificial Intelligence  (Engineering Applications of Artificial Intelligence)
巻： 107  ページ： Null  発行年： 2022年 
JST資料番号： T0797A  ISSN： 0952-1976  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： 大きいデータのブームによって,インターネットはますます多くの個人行動情報を含んでいるが,効果的に抽出するのは難しい。多変量処理能力を含むモデルを,複雑な特性を有するこれらの時系列を扱うために構築しなければならない。本論文では,Baidu探索指数を埋め込んだ新しいハイブリッドモデルを提案して,多段階先行地下鉄乗客フロー予測を実行した。最初に,著者らは有益なBaidu検索指数からデータを収集して,次元を減らして,統計解析によって強力な予測子を選別する。第2に,著者らは,サブウェイパッセンジャーフローの間の類似時間スケールでマッチング共通モードを抽出し,多目的アルゴリズムによって最適化される多変量モード分解を通してBaidu検索インデックスをスクリーニングした。さらに,擬似統計因果律を除去するために,著者らは,革新的マルチモーダル解析戦略によって,各時間スケールで地下鉄乗客フローとその対応するBaidu探索指数の間のモード成分の最適組合せを選択した。第三に,最終結果として各選択最適組合せの予測値を再構成した。北京,上海および広州の経験的結果は,提案モデルが,レベルと方向精度の両方において,6つのベンチマークモデルを著しく上回ることを示した。したがって,Baidu検索インデックスの導入は,地下鉄乗客フロー予測能力を強化するための健全な機会を作り出す。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 ,  最適化 ,  *モード解析 ,  再構成 ,  スループット ,  *乗客 ,  *多モード ,  ベンチマーク ,  インターネット ,  *解析モデル
準シソーラス用語： 上海市 ,  北京市 ,  予測子 ,  ハイブリッドモデル ,  多変量 , 【Automatic Indexing@JST】

著者キーワード (5件)： 地下鉄旅客流予測 ,  Baidu探索指数 ,  多目的最適化 ,  多変量モード分解 ,  カーネル極端学習機械

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 地下鉄 ,  旅客 ,  予測 ,  探索 ,  指数 ,  マルチモーダル ,  解析モデル