文献

J-GLOBAL ID：202202288645270028   整理番号：22A0296633

ライセンスプレート認識データに基づく都市交通流予測のための時空間ゲートグラフ注意ネットワーク【JST・京大機械翻訳】

Spatiotemporal gated graph attention network for urban traffic flow prediction based on license plate recognition data

著者 (2件)： Tang Jinjun (Smart Transport Key Laboratory of Hunan Province, School of Traffic and Transportation Engineering, Central South University, Changsha, China) ,  Zeng Jie (Smart Transport Key Laboratory of Hunan Province, School of Traffic and Transportation Engineering, Central South University, Changsha, China)
資料名： Computer-Aided Civil and Infrastructure Engineering  (Computer-Aided Civil and Infrastructure Engineering)
巻： 37  号： 1  ページ： 3-23  発行年： 2022年 
JST資料番号： T0294A  ISSN： 1093-9687  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： 交通状態の正確な予測は,インテリジェント輸送システムの本質的応用である。交差点における周期的信号制御のため,都市道路網における交通流は,しばしば妨害され,間欠特性を表現する。本研究では,都市道路上のネットワーク規模交通流の正確な予測を達成するために,時空間ゲートグラフ注意ネットワーク(STGGAT)モデルと呼ぶ予測フレームワークを提案した。ナンバープレート認識(LPR)記録に基づいて,平均移動時間と体積遷移関係を推定し,加重有向グラフを構築した。提案したSTGGATモデルは,ゲート付き再帰ユニット層,エッジ特徴を持つグラフ注意ネットワーク層,双方向長短期メモリと残留構造に基づくゲート化機構を統合し,アプローチと車線レベルトラフィックボリュームの時空間依存性を抽出する。長沙のLPRシステムに関して,中国,STGGATは,ベースラインのそれらに対する優れた精度と安定性を示し,その誘導学習とフォールトトレランス能力を明らかにした。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  学習 ,  *ネットワーク ,  *都市交通 ,  交差点 ,  *交通流 ,  道路 ,  道路網 ,  有向グラフ ,  精度 ,  *都市 ,  *時空 ,  状態 ,  フォールトトレランス ,  ITS【交通】
準シソーラス用語： 都市道路網 , 【Automatic Indexing@JST】

分類 (1件)： 交通調査  (TB01031B)

タイトルに関連する用語 (8件)： ライセンス ,  都市 ,  交通流 ,  予測 ,  時空間 ,  ゲート ,  グラフ ,  注意