305336記事公開中

トレンドワード
  2. AIベンチマークリサーチ
  3. 論文研究
  4. 車両軌跡からの交通状態推定と異方性ガウス過程（Traffic State Estimation from Vehicle Trajectories with Anisotropic Gaussian Processes）
1未満 分で読了
0 views

車両軌跡からの交通状態推定と異方性ガウス過程

（Traffic State Estimation from Vehicle Trajectories with Anisotropic Gaussian Processes）

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、最近うちの現場で「車から取れる軌跡データで渋滞をちゃんと把握できる」と聞きました。センサーを大量に入れずに済むなら投資は抑えられますが、本当に実用になるものなのでしょうか。

AIメンター拓海

素晴らしい着眼点ですね！大丈夫、要点は三つです。まず、少ない車両の軌跡から走行速度を穴埋めする技術、次に渋滞の伝播方向を正しく捉えるための”向き”を取り込む方法、最後に予測の不確かさも出せる点です。これらがそろえば現場で実用になりますよ。

田中専務

専門用語は後で教えてください。まずは、どれくらいのデータがあれば実用できるのか、過去にやった例はありますか。5%とか聞きましたが、それでも大丈夫なんでしょうか。

AIメンター拓海

素晴らしい着眼点ですね！実験では接続車（Connected Vehicles）率を模した5%から50%まで試しています。ポイントは単に量ではなく、どこにデータがあるか、つまり空間と時間での分布が重要です。データが偏っていると補完の仕方を工夫する必要がありますよ。

田中専務

なるほど。しかし現場では渋滞が矢印のように伸びたり縮んだりします。そういう”向き”の情報をどうやって取り込むのですか。

AIメンター拓海

いい質問です。ここで登場するのがGaussian Process（GP）

監修者

阪上雅昭（SAKAGAMI Masa-aki）
京都大学　人間・環境学研究科　名誉教授

論文研究シリーズ
前の記事
反事実的公平性を備えた異常検知の実現
（Achieving Counterfactual Fairness for Anomaly Detection）
次の記事
網膜症分類のための信頼性の高い低複雑度深層モデル
（IKD+: Reliable Low Complexity Deep Models for Retinopathy Classification）
関連記事
マルチモーダルクリックベイト検出の因果表現推論によるバイアス除去
（Multimodal Clickbait Detection by De-confounding Biases Using Causal Representation Inference）
フェデレーテッドラーニング対応スマート街路灯監視アプリケーション：利点と将来の課題
（A Federated Learning-enabled Smart Street Light Monitoring Application: Benefits and Future Challenges）
GFlowNetsにおける動的バックトラッキング：報酬依存の調整機構で意思決定過程を強化
（Dynamic Backtracking in GFlowNets: Enhancing Decision Steps with Reward-Dependent Adjustment Mechanisms）
ブロックチェーン対応低高度インテリジェントネットワークの信頼ルーティング
（Trusted Routing for Blockchain-Enabled Low-Altitude Intelligent Networks）
ノイズのある演算子を伴う逆問題のための深い正則化ネットワーク
（Deep regularization networks for inverse problems with noisy operators）
多腕バンディット的アプローチによる多重検定と偽発見率制御
（A Bandit Approach to Multiple Testing with False Discovery Control）
この記事をシェア

有益な情報を同僚や仲間と共有しませんか？

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
（Black hole/quantum machine learning correspondence）
  • 論文研究
生成AI検索における敏感なユーザークエリの分類と分析
（Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System）
  • 論文研究
DiReDi：AIoTアプリケーションのための蒸留と逆蒸留
（DiReDi: Distillation and Reverse Distillation for AIoT Applications）
  • 論文研究

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に！
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
最新記事
音声から「屋外録音」時の3D顔動作を合成する技術
（Synthesising 3D Facial Motion from “In-the-Wild” Speech）
  • 論文研究
大量のツイートに基づく市民の特徴付け
（Characterization of citizens using word2vec and latent topic analysis in a large set of tweets）
  • 論文研究
オミクスデータの統合的コンセンサスクラスタリングのための多重カーネル学習
（Multiple kernel learning for integrative consensus clustering of ’omic datasets）
  • 論文研究
生成モデルの精度と網羅性を分離して評価する手法の改良
（Improved Precision and Recall Metric for Assessing Generative Models）
  • 論文研究
SR-GANによるゼロショット学習の改良
（SR-GAN: SEMANTIC RECTIFYING GENERATIVE ADVERSARIAL NETWORK FOR ZERO-SHOT LEARNING）
  • 論文研究
継続学習の三つのシナリオ
（Three scenarios for continual learning）
  • 論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る