Fugu-MT 論文翻訳(概要): Transformer Networks for Predictive Group Elevator Control

論文の概要: Transformer Networks for Predictive Group Elevator Control

arxiv url: http://arxiv.org/abs/2208.08948v1
Date: Mon, 15 Aug 2022 18:07:25 GMT
ステータス: 処理完了
システム内更新日: 2022-08-19 14:18:22.031586
Title: Transformer Networks for Predictive Group Elevator Control
Title（参考訳）: グループエレベータ制御のための変圧器ネットワーク
Authors: Jing Zhang, Athanasios Tsiligkaridis, Hiroshi Taguchi, Arvind Raghunathan, Daniel Nikovski
Abstract要約: 変圧器を用いた目的地予測器から到着した乗客の予測情報を用いて,予測グループエレベータスケジューリングを提案する。平均待ち時間(AWT)の節約は、光の到着ストリームの50%以上になる可能性がある。
参考スコア（独自算出の注目度）: 10.978111689753607
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a Predictive Group Elevator Scheduler by using predictive information of passengers arrivals from a Transformer based destination predictor and a linear regression model that predicts remaining time to destinations. Through extensive empirical evaluation, we find that the savings of Average Waiting Time (AWT) could be as high as above 50% for light arrival streams and around 15% for medium arrival streams in afternoon down-peak traffic regimes. Such results can be obtained after carefully setting the Predicted Probability of Going to Elevator (PPGE) threshold, thus avoiding a majority of false predictions for people heading to the elevator, while achieving as high as 80% of true predictive elevator landings as early as after having seen only 60% of the whole trajectory of a passenger.
Abstract（参考訳）: トランスベース目的地予測器から到着する乗客の予測情報と目的地への残り時間を予測する線形回帰モデルを用いて,予測グループエレベータスケジューラを提案する。その結果,平均待ち時間 (awt) の節約は, 平均待ち時間 (awt) は, 平均到着ストリームでは50%以上, 午後のダウンピークトラフィックでは中到着ストリームでは約15%以上であることがわかった。このような結果は、エレベーター(ppge)のしきい値に予測される確率を慎重に設定した上で得られるため、エレベーターに向かう人の誤った予測の多数を回避でき、また乗客の軌道全体の60%しか見えなかった後でも、真の予測エレベーター着陸の80%以上を達成することができる。

関連論文リスト

FengWu-W2S: A deep learning model for seamless weather-to-subseasonal forecast of global atmosphere [53.22497376154084]
本研究では,FengWuグローバル気象予報モデルに基づくFengWu-Weather to Subseasonal (FengWu-W2S)を提案する。我々は,FengWu-W2Sが大気環境を3～6週間先まで確実に予測し,マデン・ジュリア振動 (MJO) や北大西洋振動 (NAO) などの地球表面温度, 降水量, 地磁気高度, 季節内信号の予測能力を向上させることを実証した。日時から季節時の予測誤差成長に関するアブレーション実験
論文参考訳（メタデータ） (2024-11-15T13:44:37Z)
Valeo4Cast: A Modular Approach to End-to-End Forecasting [93.86257326005726]
我々のソリューションはArgoverse 2 end-to-end Forecasting Challengeで63.82 mAPfでランクインした。私たちは、知覚から予測までエンドツーエンドのトレーニングを通じて、このタスクに取り組む現在のトレンドから離れ、代わりにモジュラーアプローチを使用します。私たちは、昨年の優勝者より+17.1ポイント、今年の優勝者より+13.3ポイント、予測結果を+17.1ポイント上回る。
論文参考訳（メタデータ） (2024-06-12T11:50:51Z)
FengWu: Pushing the Skillful Global Medium-range Weather Forecast beyond 10 Days Lead [93.67314652898547]
人工知能(AI)に基づく高度データ駆動型中距離気象予報システムFengWuについて紹介する。 FengWuは大気力学を正確に再現し、0.25度緯度で37の垂直レベルで将来の陸と大気の状態を予測することができる。その結果、FengWuは予測能力を大幅に向上させ、熟練した中距離気象予報を10.75日間のリードまで拡張できることがわかった。
論文参考訳（メタデータ） (2023-04-06T09:16:39Z)
Adaptive Probabilistic Forecasting of Electricity (Net-)Load [0.0]
電力負荷予測は電力システム事業者や電力市場参加者にとって必要な能力である。局所的な発電、需要応答、熱と輸送の電化は、電力負荷の基本的な要因を変えつつある。我々は点予測よりも確率的と考えるが、実際、電気系統を効率的にかつ確実に運用するには不確実性が必要である。
論文参考訳（メタデータ） (2023-01-24T15:56:14Z)
Pangu-Weather: A 3D High-Resolution Model for Fast and Accurate Global Weather Forecast [91.9372563527801]
我々は,世界天気予報を迅速かつ高精度に予測するためのディープラーニングベースのシステムであるPangu-Weatherを紹介する。初めてAIベースの手法が、最先端の数値天気予報法(NWP)を精度で上回った。 Pangu-Weatherは、極端な天気予報や大規模なアンサンブル予測など、幅広い下流予測シナリオをサポートしている。
論文参考訳（メタデータ） (2022-11-03T17:19:43Z)
Exploring the impact of weather on Metro demand forecasting using machine learning method [1.602570550027996]
本研究は,2018年4月から6月にかけてのアジア地下鉄の実際の乗客フローデータを用いた。短時間の交通流予測を用いて, 交通流の時空間分布を解析する。
論文参考訳（メタデータ） (2022-10-24T13:01:47Z)
A two-step machine learning approach to statistical post-processing of weather forecasts for power generation [0.0]
風と太陽のエネルギー源は非常に揮発性があり、グリッドオペレーターの計画が困難である。本研究では、アンサンブル天気予報の校正のための2段階の機械学習に基づくアプローチを提案する。
論文参考訳（メタデータ） (2022-07-15T16:38:14Z)
Meta-Learning over Time for Destination Prediction Tasks [53.12827614887103]
交通分野における公共目的と民間目標の両方を、車両の行動を理解し、予測する必要がある。近年の研究では、時間情報の導入による予測性能の限界改善しか見出されていない。本稿では、ニューラルネットワークが入力に応じて自身の重みを変えることを学習するハイパーネットワークに基づくアプローチを提案する。
論文参考訳（メタデータ） (2022-06-29T17:58:12Z)
Calibration of wind speed ensemble forecasts for power generation [0.0]
過去数十年間、風力発電は欧州連合で2番目に大きな電力供給源となり、電力需要の16%を占めた。そのボラティリティのため、風力エネルギーを電気グリッドにうまく統合するには、正確な短距離風力予測が必要である。生のアンサンブルと比較すると,ポストプロセッシングは常に確率的および精度の高い点予測のキャリブレーションを改善する。
論文参考訳（メタデータ） (2021-04-30T11:18:03Z)
A generative adversarial network approach to (ensemble) weather prediction [91.3755431537592]
本研究では,500hPaの圧力レベル,2m温度,24時間の総降水量を予測するために,条件付き深部畳み込み生成対向ネットワークを用いた。提案されたモデルは、2019年に関連する気象分野を予測することを目的として、2015年から2018年までの4年間のERA5の再分析データに基づいて訓練されている。
論文参考訳（メタデータ） (2020-06-13T20:53:17Z)
Incorporating travel behavior regularity into passenger flow forecasting [11.763229353978321]
本稿では, 生成機構を標準時系列モデルに組み込むことで, 搭乗フローを予測するための新しいフレームワークを提案する。我々は,因果関係を要約し,逆流を推定するリターン確率パラレルグラム(RPP)を開発した。提案手法は,現実の乗客フローデータを用いて評価する。
論文参考訳（メタデータ） (2020-04-02T13:46:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。