WEKO3
アイテム
全国域交通情報予測サービスにおける予測プロセスの効率化
https://ipsj.ixsq.nii.ac.jp/records/45700
https://ipsj.ixsq.nii.ac.jp/records/45700ecfa3892-b82c-4a13-b9dc-e009083782a8
名前 / ファイル | ライセンス | アクション |
---|---|---|
![]() |
Copyright (c) 2004 by the Information Processing Society of Japan
|
|
オープンアクセス |
Item type | SIG Technical Reports(1) | |||||||
---|---|---|---|---|---|---|---|---|
公開日 | 2004-09-28 | |||||||
タイトル | ||||||||
タイトル | 全国域交通情報予測サービスにおける予測プロセスの効率化 | |||||||
タイトル | ||||||||
言語 | en | |||||||
タイトル | Efficient Forecast Process for Nationwide Traffic Information Services | |||||||
言語 | ||||||||
言語 | jpn | |||||||
資源タイプ | ||||||||
資源タイプ識別子 | http://purl.org/coar/resource_type/c_18gh | |||||||
資源タイプ | technical report | |||||||
著者所属 | ||||||||
株式会社日立製作所日立研究所 | ||||||||
著者所属 | ||||||||
株式会社日立製作所日立研究所 | ||||||||
著者所属 | ||||||||
株式会社日立製作所日立研究所 | ||||||||
著者所属 | ||||||||
株式会社日立製作所日立研究所 | ||||||||
著者所属(英) | ||||||||
en | ||||||||
Hitachi Research Lab., Hitachi Ltd. | ||||||||
著者所属(英) | ||||||||
en | ||||||||
Hitachi Research Lab., Hitachi Ltd. | ||||||||
著者所属(英) | ||||||||
en | ||||||||
Hitachi Research Lab., Hitachi Ltd. | ||||||||
著者所属(英) | ||||||||
en | ||||||||
Hitachi Research Lab., Hitachi Ltd. | ||||||||
著者名 |
熊谷, 正俊
× 熊谷, 正俊
|
|||||||
著者名(英) |
Masatoshi, Kumagai
× Masatoshi, Kumagai
|
|||||||
論文抄録 | ||||||||
内容記述タイプ | Other | |||||||
内容記述 | 先に開発した交通情報の長期予測手法である“特徴空間予測手法”の拡張技術を2つ紹介する.1つは複数リンクの交通情報を同一の特徴空間に射影し,特徴空間上でリンクごとに予測処理を行うことで,通常の回帰分析を用いた予測手法に比べ,予測精度を損なうことなく予測データベースのデータ量を1/10以下に削減する技術である.もう1つは,プローブカーデータのように時系列の大半が欠損した交通情報を予測に利用する技術であり,特徴空間射影に欠損値付き主成分分析を適用することで,時系列中8割が欠損した疎らな交通情報からでも高精度な予測を可能とする. | |||||||
論文抄録(英) | ||||||||
内容記述タイプ | Other | |||||||
内容記述 | This paper discusses about two extended methods of "Feature Space Forecast Method" for long-term traffic information forecasting. The first one is the method which decreases the size of a forecasting database one-tenth as large as that of usual regression analysis, by performing forecast process in the feature space shared by some links. The second one makes the best use of traffic information with a large number of missing data, by applying "Principal Component Analysis with Missing Data" for the process of feature space projection. It provides accurate forecast information even from probe-car data whose 80% of time series is missing. | |||||||
書誌レコードID | ||||||||
収録物識別子タイプ | NCID | |||||||
収録物識別子 | AA11515904 | |||||||
書誌情報 |
情報処理学会研究報告高度交通システム(ITS) 巻 2004, 号 98(2004-ITS-018), p. 19-26, 発行日 2004-09-28 |
|||||||
Notice | ||||||||
SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc. | ||||||||
出版者 | ||||||||
言語 | ja | |||||||
出版者 | 情報処理学会 |