CNNを用いたバス運行予測における学習データ数に対する予測精度の基礎検討

カテゴリ: 研究会(論文単位)

論文No: IM24010

グループ名: 【A】基礎・材料・共通部門 計測研究会

発行日: 2024/03/05

タイトル(英語): Basic Study of the Prediction Accuracy for Number of Training Data in Bus Operation Prediction Using CNN

著者名: 盛 佑希(日本大学),小野 隆(日本大学),松村 太陽(日本大学)

著者名(英語): Yuki Mori(Nihon University),Takashi Ono(Nihon University),Taiyo Matsumura(Nihon University)

キーワード: 運行予測|ニューラルネットワーク|ＣＮＮ|ダミーデータ|オープンデータ|ＧＴＦＳ|Operation prediction|Neural Network|Convolutional Neural Network|dummy data|Open data|General Transit Feed Specification

要約(日本語): 本研究はバスの到着予測時刻をリアルタイムに提示することで乗客の利便性向上を目的としている。本稿は運行実績を模したダミーデータを作成し、学習データ数を変化させNeural Network(以降NN)とConvolutional Neural Network(以降CNN)を学習し、損失が最小となるパラメータを選定した。各々で130日分の運行実績を学習させた結果、予測精度はCNNが高いことを示した。

要約(英語): This research aims to improve passenger convenience by providing real-time predicted bus arrival times. In this paper, dummy data simulating actual bus service was created, and the number of training data was varied to train Neural Network (NN) and Convolutional Neural Network (CNN), and the parameter with the minimum loss was selected. The results of training 130 days of operation data for each of the two methods showed that the CNN had the higher forecasting accuracy.

本誌: 2024年3月8日計測研究会

本誌掲載ページ: 1-6 p

原稿種別: 日本語

PDFファイルサイズ: 1,150 Kバイト