機械学習モデルによる高速道路の流入交通量予測の検討

カテゴリ: 部門大会

論文No: GS13-4

グループ名: 【C】2019年電気学会電子・情報・システム部門大会プログラム

発行日: 2019/08/28

タイトル(英語): A study of Inflow Traffic Volumes Forecasting on Expressways with Machine Learning

著者名: 若江 智秀(東芝インフラシステムズ),大場 義和(東芝インフラシステムズ),成瀬 浩輔(東芝インフラシステムズ),村野 剛教(東芝インフラシステムズ)

著者名(英語): Tomohide Wakae|Yoshikazu Ohba|Kosuke Naruse|Takenori Murano

キーワード: 渋滞|流入交通量|予測|機械学習|高速道路|Traffic Jam|Inflow Traffic Vaolume|Prediction|Machine Learning|Expressway

要約(日本語): 交通渋滞とは，「前後区間と比較して相対的に交通容量が低い場所(ボトルネック)にその交通容量を超える交通需要が流入し，ボトルネック上流に車両列が滞留する現象」と説明できる。多くの交通シミュレータにおいても，交通現象を模擬するにあたって，必要な入力データの一つとして交通需要データが求められる。本研究では，高速道路を対象に，渋滞予測の精度向上に寄与すると考えられる，高速道路入口における流入交通量(交通需要データの一部)の分析を行っている。本稿では，高速道路の路側センサデータの実績値から学習した機械学習モデルを用いて，高速道路入口における流入交通量の予測を試行した結果を報告する。また，その結果のうち，予測誤差が大きくなった特定日時における予測誤差改善に向けて，機械学習モデルの説明変数として，流入交通量と関連があると考えられる情報を付与することで，予測誤差を低減できる可能性があることを示す。

PDFファイルサイズ: 907 Kバイト