文献

J-GLOBAL ID：202202278122153280   整理番号：22A1170173

軌道予測フレームワークによる深層学習ベース目標予測方式【JST・京大機械翻訳】

Deep Learning-Based Destination Prediction Scheme by Trajectory Prediction Framework

著者 (3件)： Yang Jingkang (School of Computer and Information Security, Guilin University of Electronic Technology, Guilin 541000, China) ,  Cao Jianyu (School of Computer and Information Security, Guilin University of Electronic Technology, Guilin 541000, China) ,  Liu Yining (School of Computer and Information Security, Guilin University of Electronic Technology, Guilin 541000, China)
資料名： Security and Communication Networks  (Security and Communication Networks)
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： W2740A  ISSN： 1939-0114  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 投資予測は車両アドホックネットワーク(VANET)における重要なタスクであり,それは交通混雑を解決するのに有益である。従来の destination先予測方法は,主に統計的学習に基づき,それは車両の運動パターンに適合して,新しい質問軌道の目的地を予測するのが難しい。近年,深層学習は,データから特徴を抽出し,複雑なモデルに適合するために,より良い能力を持っているので,ますます多くの注目を集めている。深い学習ベースの destination先予測法は,過去の軌跡から特徴を抽出し,将来の位置が未知であるため,将来の軌道を活用できず,大きな予測誤差をもたらす。本論文では,将来の軌跡を予測でき,それに関する情報を完全に活用できる新しい深層学習ベース destination先予測モデルを提案した。最初に,著者らは,将来の位置を予測するために,軌道予測方法を利用し,そしてそれは,目標予測のプロセスを,連続的にした。第2に,著者らは,将来の位置が軌道の目的であるかどうかを決定するために,分岐ネットワークを設計した。また,実世界データセットを用いてこのモデルを評価した。実験結果は,著者らのモデルが,低い予測誤差で目的地の座標を予測できることを示した。Copyright 2022 Jingkang Yang et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測技法 ,  *学習 ,  投資 ,  ネットワーク ,  *予測 ,  能力 ,  交通混雑 ,  *軌道推定 ,  *軌道 ,  *機械学習 ,  予測誤差 ,  予測モデル
準シソーラス用語： 確率学習 ,  VANET ,  *深層学習 ,  目的地 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (20件)：

• N. Basta, A. ElNahas, H. P. Grossmann, S. Abdennadher, "Spatio-tempo-socio-semantic-aware model for destination prediction in vanet," Proceedings of the 2017 International Conference on Computing, Networking and Communications (ICNC), pp. 217-223, IEEE, Silicon Valley, CA, USA, January 2017.
• A. Y. Xue, R. Zhang, Y. Zheng, X. Xie, J. Huang, Z. Xu, "Destination prediction by sub-trajectory synthesis and privacy protection against such prediction," Proceedings of the 2013 IEEE 29th international conference on data engineering (ICDE), pp. 254-265, IEEE, Brisbane, QLD, Australia, April 2013.
• J. Zhao, J. Xu, R. Zhou, C. Liu, P. Zhao, L. Zhao, "On prediction of user destination by sub-trajectory understanding: a deep learning based approach," Proceedings of the 27th ACM International Conference on Information and Knowledge Management, pp. 1413-1422, ACM, Turin, Italy, October 2018.
• J. Xu, J. Zhao, R. Zhou, C. Liu, P. Zhao, L. Zhao, "Predicting destinations by a deep learning based approach," IEEE Transactions on Knowledge and Data Engineering, vol. 33, no. 2, pp. 651-666, 2021.
• J. Tang, J. Liang, T. Yu, X. Yong, "Trip destination prediction based on a deep integration network by fusing multiple features from taxi trajectories," IET Intelligent Transport Systems, vol. 15, no. 9, pp. 1131-1141, 2021.

タイトルに関連する用語 (5件)： 軌道予測 ,  フレームワーク ,  深層学習 ,  目標 ,  予測