文献

J-GLOBAL ID：202202287428129914   整理番号：22A0996038

時空間グラフ畳込み循環ニューラルネットワークに基づく交通流予測【JST・京大機械翻訳】

Traffic flow prediction based on STG-CRNN

著者 (4件)： Gu Zhenyu (重慶大学自動化学院,重慶400044) ,  Chen Cong (重慶大学自動化学院,重慶400044) ,  Zheng Jiajia (重慶城市管理職業学院商学院,重慶 401331) ,  Sun Dihua (重慶大学自動化学院,重慶400044)
資料名： Kongzhi yu Juece  (Kongzhi yu Juece)
巻： 37  号： 3  ページ： 645-653  発行年： 2022年 
JST資料番号： C2107A  ISSN： 1001-0920  CODEN： KYJUEF  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 交通流予測モデルにおける道路網の空間構造描写と交通流の時空特性マイニングの不十分な問題に対して、新しい有向時空図を構築し、ノードの相対近接度を定義することで、道路網構造関係を特徴付ける。ノード間の空間-時間次元相互作用を,予測ノードに及ぼす近隣ノードの影響重みを学習することによって,よりよく表現でき,それにより,交通流の時空間特性を,よりよく表現することができた。空間時間マップを予測モデルの入力とし、図コンボリューションを用いて交通流データ空間依存性関係を獲得し、ゲート制御ループニューラルネットワークを用いて交通流データの時空依存性関係を獲得し、時空間グラフ畳込み循環ニューラルネットワークに基づく交通流予測モデル(STG-CRNN)を構築した。米国の道路交通データセットでモデル予測効果を検証した。STG-CRNNモデルの予測結果は,平均絶対誤差,平均二乗誤差および平均絶対誤差において,自己回帰移動平均モデル,ゲート制御ループユニットモデル,および拡散畳込み循環ニューラルネットワークモデルより優れていた。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  *畳込み ,  予測 ,  *交通流 ,  道路交通 ,  道路網 ,  *ニューラルネットワーク ,  立体構造 ,  モデル ,  予測モデル
準シソーラス用語： 神経回路網モデル ,  平均二乗誤差 ,  自己回帰 ,  モデル予測 ,  平均絶対誤差 , 【Automatic Indexing@JST】

分類 (1件)： システム設計・解析  (IA02030D)

タイトルに関連する用語 (7件)： 時空間 ,  グラフ ,  畳込み ,  循環 ,  ニューラルネットワーク ,  交通流 ,  予測