確率的セルオートマトンの 変分ベイズ学習と交通流解析への応用

• 資料種別: 博士論文
• タイトル: 確率的セルオートマトンの 変分ベイズ学習と交通流解析への応用
• 著者・編者: 中村, 文士; Nakamura, Fumito
• 著者標目: 中村, 文士; Nakamura, Fumito
• 出版年月日等: 2017-03
• 出版年（W3CDTF）: 2017-03
• 授与機関名: 東京工業大学
• 授与年月日: 2017-03-26
• 授与年月日（W3CDTF）: 2017-03-26
• 報告番号: 甲第10544号
• 学位: 博士(工学)
• 博論授与番号: 甲第10544号
• 本文の言語コード: jpn
• 件名標目: 交通流モデル; traffic flow model; 確率的セルオートマトン; stochastic cellular automaton; 多種粒子TASEP; multi-species TASEP; 多種粒子ZRP; multi-species ZRP; 統計的推測; statistical inference; 変分ベイズ法; variational Bayes method
• 対象利用者: 一般
• 一般注記: 交通流において生じる現象を解析するために考案されたモデルの中で，特に確率的セルオートマトンは渋滞が生じる仕組みの解明に役立つことが知られている．従来の交通流モデルは主として現象を生成する順問題として利用されてきたが，近年ではその挙動を定めているパラメータをデータから統計的に推測する逆問題にも適用されるようになった．しかしながら，交通流の個々の構成要素が従う確率法則が多様性を持つ場合には，統計モデルが階層的な構造を持ち多くのパラメータを含むため，従来の方法では精度の良い推定を少ない演算量で行なうことは困難であった．本論文では，確率的セルオートマトンモデルである多種粒子TASEP と多種粒子ZRPの統計的推測に変分ベイズ法を適用することを提案し，その学習アルゴリズムを導出する．また提案法を人工データ，実測データに適用し他手法と比較することで，多様な要素を含む交通流モデルのパラメータの精度の良い推定を少ない演算量で実現できることを明らかにする．; identifier:oai:t2r2.star.titech.ac.jp:50358835
• 国立国会図書館永続的識別子: info:ndljp/pid/11063141; https://dl.ndl.go.jp/pid/11063141
• コレクション（共通）: 障害者向け資料
• コレクション（障害者向け資料：レベル1）: テキストデータ
• コレクション（個別）: 国立国会図書館デジタルコレクション > デジタル化資料 > 博士論文; https://dl.ndl.go.jp/collections/A00014
• 収集根拠: 博士論文（自動収集）
• 受理日（W3CDTF）: 2018-04-03T03:53:09+09:00
• 作成日（W3CDTF）: 2017-02-14
• 記録形式（IMT）: application/pdf
• オンライン閲覧公開範囲: 国立国会図書館内限定公開
• デジタル化資料送信: 図書館・個人送信対象外
• 遠隔複写可否（NDL）: 可
• 掲載誌（URI）: http://t2r2.star.titech.ac.jp/cgi-bin/publicationinfo.cgi?q_publication_content_number=CTT100735952
• 連携機関・データベース: 国立国会図書館 : 国立国会図書館デジタルコレクション; https://dl.ndl.go.jp

目次

2021-05-17 再収集