文献

J-GLOBAL ID：202202237618667901   整理番号：22A0891313

鉄道踏切における混雑時間予測のための深層学習支援数学モデル【JST・京大機械翻訳】

A deep learning-assisted mathematical model for decongestion time prediction at railroad grade crossings

著者 (5件)： Jiang Zhuocheng (Department of Mechanical Engineering, University of South Carolina, Columbina, SC, USA) ,  Guo Feng (Department of Civil and Environment Engineering, University of South Carolina, Columbina, SC, USA) ,  Qian Yu (Department of Civil and Environment Engineering, University of South Carolina, Columbina, SC, USA) ,  Wang Yi (Department of Mechanical Engineering, University of South Carolina, Columbina, SC, USA) ,  Pan W. David (Department of Electrical and Computer Engineering, University of Alabama in Huntsville, Huntsville, AL, USA)
資料名： Neural Computing & Applications  (Neural Computing & Applications)
巻： 34  号： 6  ページ： 4715-4732  発行年： 2022年 
JST資料番号： W0703A  ISSN： 0941-0643  資料種別： 逐次刊行物 (A)
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： 本論文では,グレード交差におけるデコンゲスト時間を推定するための深層学習支援フレームワークを提示し,その鍵新規性は,グレード交差における輻輳事象のデータ不足に関連する課題に取り組むための差分アプローチにある。通過列車によって引き起こされる混雑事象の間の交通行動の仮説を提案した。深層ニューラルネットワークベースの車両群衆計数アルゴリズムを開発し,通常の交通条件における車両数を推定した。走行平均ベース運動検出アルゴリズムを設計して,等級交差を通して列車通過の時間を推定した。次に,回帰モデルを構築し,定量的情報をデコンゲスト時間に関連させた。実験では,30の輻輳事象を,選択したグレード交差で異なるカメラ角度で200時間の間ビデオ記録し,次に,輻輳パターンを学習し,そして,デコンゲスト時間を予測するために,提案方法によって研究し,著者らの知識の最良は以前に試みられなかった。実験結果の解析は,通常の交通流と列車通過時間における車両数が,交通渋滞時間に著しい影響を及ぼすことを示した。関係は迅速予測の定量的モデルにより捉えられる。また,本研究は,実世界応用の必要性を満たす現在の開発のさらなる改善の方向を指摘した。Copyright The Author(s), under exclusive licence to Springer-Verlag London Ltd., part of Springer Nature 2021 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 ,  カメラ ,  交通流 ,  *数学モデル ,  *踏切 ,  録画 ,  交通混雑 ,  回帰モデル ,  交通行動 ,  走行
準シソーラス用語： 通過時間 ,  検出アルゴリズム ,  *深層学習 ,  ディープニューラルネットワーク ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 混雑時間予測 ,  車両計数 ,  列車通過時間推定 ,  畳込みニューラルネットワーク

分類 (4件)： 通信方式一般  (ND07010E) ,  通信理論一般  (ND02010V) ,  パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 鉄道 ,  踏切 ,  予測 ,  深層学習 ,  支援 ,  数学モデル