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

• Material Type: 博士論文
• Title: 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
• Author/Editor: 中村, 文士; Nakamura, Fumito
• Author Heading: 中村, 文士; Nakamura, Fumito
• Publication Date: 2017-03
• Publication Date (W3CDTF): 2017-03
• Degree grantor/type: 東京工業大学
• Date Granted: 2017-03-26
• Date Granted (W3CDTF): 2017-03-26
• Dissertation Number: 甲第10544号
• Degree Type: 博士(工学)
• Conferring No. (Dissertation): 甲第10544号
• Text Language Code: jpn
• Subject Heading: 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
• Target Audience: 一般
• Note (General): 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
• Persistent ID (NDL): info:ndljp/pid/11063141; https://dl.ndl.go.jp/pid/11063141
• Collection: 障害者向け資料
• Collection (Materials For Handicapped People:1): テキストデータ
• Collection (particular): 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
• Acquisition Basis: 博士論文（自動収集）
• Date Accepted (W3CDTF): 2018-04-03T03:53:09+09:00
• Date Created (W3CDTF): 2017-02-14
• Format (IMT): application/pdf
• Access Restrictions: 国立国会図書館内限定公開
• Service for the Digitized Contents Transmission Service: 図書館・個人送信対象外
• Availability of remote photoduplication service: 可
• Periodical Title (URI): http://t2r2.star.titech.ac.jp/cgi-bin/publicationinfo.cgi?q_publication_content_number=CTT100735952
• Data Provider (Database): 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

Table of Contents

2021-05-17 再収集