文献

J-GLOBAL ID：202202247924492527   整理番号：22A0959358

分割表現学習による都市モビリティダイナミクスの理解とモデリング【JST・京大機械翻訳】

Understanding and Modeling Urban Mobility Dynamics via Disentangled Representation Learning

著者 (6件)： Zhang Hailong (Joint Research Institute on Internet of Mobility, Southeast University and University of Wisconsin-Madison, Nanjing, China) ,  Wu Yuankai (Joint Research Institute on Internet of Mobility, Southeast University and University of Wisconsin-Madison, Nanjing, China) ,  Tan Huachun (Joint Research Institute on Internet of Mobility, Southeast University and University of Wisconsin-Madison, Nanjing, China) ,  Dong Hanxuan (Joint Research Institute on Internet of Mobility, Southeast University and University of Wisconsin-Madison, Nanjing, China) ,  Ding Fan (Joint Research Institute on Internet of Mobility, Southeast University and University of Wisconsin-Madison, Nanjing, China) ,  Ran Bin (Joint Research Institute on Internet of Mobility, Southeast University and University of Wisconsin-Madison, Nanjing, China)
資料名： IEEE Transactions on Intelligent Transportation Systems  (IEEE Transactions on Intelligent Transportation Systems)
巻： 23  号： 3  ページ： 2010-2020  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： 都市移動動力学の根底にあるパターンを理解することは,都市施設とサービスの交通状態推定と管理の両方に不可欠である。空間-時間領域における生成要因の結合関係のため,数日,週数日および気象条件のような重要な特徴の構造パターンの下で,都市全体の交通力学をモデル化することは挑戦的である。この課題に取り組むために,本論文では,独立データ生成因子の解釈可能な因数的表現を学習するための非もつれ表現学習フレームワークを開発した。生成因子に関する知識を完全に利用するために,本論文は,潜在的空間における特徴ベクトルへの交通流の生成因子を割り当て,与えられた因子から高次元都市全体の交通流を再構成するために,空間-時間生成敵対ネットワーク(ST-GAN)を提案した。解きほぐ表現の助けを借りて,潜在空間における分解特徴ベクトルは,根底にあるパターンと都市全体の交通力学の間の関係を明らかにする。いくつかの包括的実験は,ST-GANが予測精度を効果的に改善するだけではなく,また,交通進化プロセスの構造特性も有望に特徴付けることを示した。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： ネットワーク ,  実験 ,  特性 ,  交通流 ,  状態推定 ,  精度 ,  *都市 ,  気象条件 ,  *モデリング ,  再構成 ,  都市施設 ,  高次元 ,  構造特性
準シソーラス用語： 特徴ベクトル ,  予測精度 ,  時間領域 , 【Automatic Indexing@JST】

分類 (1件)： 交通調査  (TB01031B)

タイトルに関連する用語 (4件)： 表現学習 ,  都市 ,  理解 ,  モデリング