文献

J-GLOBAL ID：201702287387298473   整理番号：17A0021242

外因性を含む気象データによる列車遅延予測システムのための高度な分析法【Powered by NICT】

Advanced Analytics for Train Delay Prediction Systems by Including Exogenous Weather Data

著者 (8件)： Oneto Luca ,  Fumeo Emanuele ,  Clerico Giorgio ,  Canepa Renzo ,  Papa Federico ,  Dambra Carlo ,  Mazzino Nadia ,  Anguita Davide
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： DSAA  ページ： 458-467  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 最新の列車遅延予測システムは,鉄道運営に影響する現象について列車移動に関する歴史的データと外因性データを利用しなかった。古典的一変量統計に基づく鉄道インフラストラクチャの専門家によって構築された静的規則に,代わりに,依存している。本論文の目的は,最も最近の分析ツールを利用したデータ駆動型列車遅延予測システムを構築することである。列車遅延予測問題を多変量回帰問題に写像し,カーネル法,アンサンブル法とフィードフォワードニューラルネットワークの性能を比較した。,列車移動に関する歴史的データのみに基づく信頼性のあるロバストなデータ駆動モデルを構築できることを示した。モデルは外因性源から得られたデータ,特に国立気象サービスで提供される気象情報を含んでいることによってさらに向上できる。イタリア鉄道ネットワークからの実世界データ上での結果により,この論文の提案は現在の最先端の列車遅延予測システムを著しく改善できることを示した。行ったシミュレーションは,モデルへの気象データの包含はその性能に顕著な正の効果を持つことを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 鉄道網 ,  *気象 ,  気象情報 ,  信頼性 ,  インフラストラクチャー ,  イタリア共和国 ,  *気象データ ,  ロバスト性
準シソーラス用語： フィードフォワードニューラルネットワーク ,  アンサンブル法 ,  Kernel法 ,  データ駆動 ,  解析ツール ,  *予測システム ,  *列車遅延 , 【Automatic Indexing@JST】

分類 (4件)： 移動通信  (ND08030H) ,  符号理論  (ND02030R) ,  パターン認識  (JE07000S) ,  音声処理  (JE05000E)

タイトルに関連する用語 (5件)： 気象データ ,  列車 ,  遅延 ,  予測システム ,  分析法