GPSデータの複数属性を用いたLSTMネットワークによる移動状態のモデル化と推定

• Item type: Trans(1)
• 公開日: 2017-12-13
• タイトル: GPSデータの複数属性を用いたLSTMネットワークによる移動状態のモデル化と推定
• タイトル / 言語: en
• タイトル: Modeling and Estimating Movement States from Multiple Attributes of GPS Data Using LSTM Networks
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [テクニカルノート] 移動状態推定，GPS移動軌跡，LSTM, 再帰型ニューラルネットワーク
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• 著者所属: 神戸大学大学院システム情報学研究科
• 著者所属: 神戸大学大学院システム情報学研究科
• 著者所属(英): en
• 著者所属(英): Graduate School of System Informatics, Kobe University
• 著者所属(英): en
• 著者所属(英): Graduate School of System Informatics, Kobe University
• 著者名: 城内, 光平; 江口, 浩二
• 著者名(英): Kouhei, Shirouchi; Koji, Eguchi
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 近年，GPS移動軌跡データを分析することにより，移動状態推定や人流予測を実現する試みが注目されつつある．この目的のもと，従来は隠れマルコフモデル（HMM）などが用いられてきた．本研究では，再帰型ニューラルネットワーク（RNN）の一種で，短期依存性だけでなく長期依存性をもとらえることが可能な長短期記憶ネットワーク（LSTM）に着目して，GPS移動軌跡データの複数属性による移動状態推定を実現し，さらに実データを用いて有効性の評価を行う．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: The problems of moving state estimation and human flow prediction have been addressed such as by analyzing GPS movement trajectory data and have taken keen interest in these years. For these objectives, Hidden Markov Models (HMM) have often been used conventionally. In this paper, we focus on Long Short-Term Memory (LSTM) networks that were extended from Recursive Neural Networks (RNN) and can capture not only short-term dependency but also long-term dependency. We apply the LSTM networks to estimate the movement states from multiple attributes of GPS trajectory data and evaluate the effectiveness through experiments with real data.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11464847
• 書誌情報: 情報処理学会論文誌データベース（TOD）; 巻 10, 号 4, p. 16-20, 発行日 2017-12-13
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7799
• 出版者 / 言語: ja
• 出版者: 情報処理学会