Car-Following Model of ULVs using a Deep Learning Model
Car-Following Model of ULVs using a Deep Learning Model
复制标题
使用深度学习模型的 ULV 跟车模型
DOI：
10.1109/scisisis55246.2022.10001997
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Takamasa Akiyama
中科院分区：
文献类型：
--
作者：
Hiroaki Inokuchi;Takamasa Akiyama
近年来，已经开发出各种类型的车辆并使其可用于道路。这项研究阐明了消耗更少能量的超轻型车辆（ULV）的驾驶特性。首先，通过使用无人机（UAV）观测包括ULV在内的交通流，创建以0.1秒为单位的坐标数据。此外，还使用长短期记忆（LSTM）模型开发了跟车模型，该模型作为深度学习模型引起了人们的关注。因此，开发了比非线性模型具有更高适应度的模型。
In recent years, various types of vehicles have been developed and made available for the road. This study clarifies the driving characteristics of Ultra Lightweight Vehicles (ULVs) that consume less energy. First, coordinate data in units of 0.1 seconds are created by observing traffic flows including ULVs using unmanned aerial vehicles (UAVs). In addition, a car-following model is developed using the long short-term memory (LSTM) model, which has attracted attention as a deep learning model. Consequently, a model with a higher degree of fitness than a non-linear model is developed.
利用模糊神经网络验证汽车跟随模型
DOI：
10.3156/jsoft.28.791
发表时间：
2016
期刊：
Journal of Japan Society for Fuzzy Theory and Intelligent Informatics
影响因子：
--
作者：
Hiroaki Inokuchi;T. Akiyama
通讯作者：
T. Akiyama
东日本大地震以来地方土木工程咨询公司的实际情况分析——以日本国土交通省招标信息为中心
影响因子：
--
作者：
Jun Sakamoto;T. Hara
通讯作者：
T. Hara
DOI：
10.1201/9781315214733-10
发表时间：
2018
期刊：
Parallel System Interconnections and Communications
影响因子：
--
作者：
Hiroaki Inokuchi;T. Akiyama
通讯作者：
T. Akiyama