{"product_id":"ieej-zt083074","title":"交通渋滞のDynamic Bayesian Networkモデル構築と交通信号制御","description":"\u003cp\u003e\u003cstrong\u003eカテゴリ: \u003c\/strong\u003e全国大会\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e論文No: \u003c\/strong\u003e3-074\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eグループ名: \u003c\/strong\u003e【全国大会】平成20年電気学会全国大会論文集\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e発行日: \u003c\/strong\u003e2008\/03\/19\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eタイトル(英語): \u003c\/strong\u003eDynamic Bayesian Network Model of Traffic Jam and Traffic Signal Control\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名: \u003c\/strong\u003e李 大弘 (早稲田大学),庄司文啓 (福岡工業大学),李 羲頡 (早稲田大学),申 芝仙 (早稲田大学)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eキーワード: \u003c\/strong\u003e交通信号制御|Bayesian Network|渋滞予測\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e要約(日本語): \u003c\/strong\u003e交通信号制御には効果的な交通量予測が必要となり、これまで提案されてきた予測手法に、Random Walkモデル、Neural Networkモデル、Bayesian Networkモデル等がある。RWモデルやNNモデルが予測対象道路の状況や過去の情報に基づいて予測を行うのに対して、BNモデルは、隣接道路情報を十分に取り入れることができるため、交通モデリングにより適している(1)。しかしながら、従来のBNモデルを用いた手法では交通渋滞の予測までには至っていない。そこで本研究では、Dynamic Bayesian Networkモデルを用いて交通渋滞台数を予測し、その予測に基づいて信号制御パラメータ（サイクル長、スプリット）を信号調整アルゴリズムによって求め、単独交差点を対象とする地点制御を実施する。\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e原稿種別: \u003c\/strong\u003e日本語\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003ePDFファイルサイズ: \u003c\/strong\u003e2,436 Kバイト\u003c\/p\u003e","brand":"IEEJ-PDF","offers":[{"title":"PDFダウンロード（一般価格440円\/会員価格220円） \/ A4 \/ 2","offer_id":46397422993647,"sku":"IEEJ-ZT083074-PDF","price":440.0,"currency_code":"JPY","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0718\/9512\/2159\/files\/IEEJ-PDF_68376c00-ae58-4a13-8713-d062dfda6fba.png?v=1744848515","url":"https:\/\/ieej.bookpark.ne.jp\/products\/ieej-zt083074","provider":"電気学会 電子図書館","version":"1.0","type":"link"}