文献

J-GLOBAL ID：202202242897604043   整理番号：22A2271999

GPT-2を用いた位置情報ビッグデータに基づく交通需要推定技術

Traffic Demand Generation Technology Using Location-Based Big Data

著者 (5件)： 小林亮博 (KDDI総合研) ,  上坂大輔 (KDDI総合研) ,  武田直人 (KDDI総合研) ,  南川敦宣 (KDDI) ,  森本章倫 (早稲田大)
資料名： 土木計画学研究・講演集(CD-ROM)  (土木計画学研究発表会・講演集(CD-ROM))
巻： 65  ページ： ROMBUNNO.51-2  発行年： 2022年05月24日 
JST資料番号： X0119B  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 近年発達が目覚ましい深層学習技術を用いて,スマートフォン上で取得した大規模な位置情報(ビッグデータ)をモデル化し,交通需要を予測する試みが始まっている.その多くはRNNベースであり,ユーザ毎の長期間のコンテクストを活用して行動を予測することが困難であった.本研究では自然言語の生成に用いられている言語モデルGPT-2を人流のモデル化に適用するため,訓練タスクの設定方法とコンテクストに基づく行動生成技術を提案する.実際のスマートフォン位置情報から宇都宮市の人流をモデル化し,生成したOD表と観測値を比較したところ,提案手法は従来法に比べて最大で40%高い精度で都市の人流を再現できた.(著者抄録)

シソーラス用語： 交通需要 ,  位置情報 ,  流動 ,  スマートフォン ,  栃木県 ,  *歩行者交通 ,  歩行者 ,  交通行動 ,  シミュレーション ,  交通量 ,  人流 ,  宇都宮市

分類 (1件)： 交通調査  (TB01031B)

引用文献 (15件)：

• 東京都市圏交通計画協議会,「新たなライフスタイルを実現する人中心のモビリティネットワークと生活圏 転換点を迎えた東京都市圏の都市交通戦略 」,2021年(令和3年3月)
• 国土交通省都市局 都市計画課都市計画調査室,「総合都市交通体系調査におけるビッグデータ活用の手引き」,2018年(平成30年6月)
• Yin, M., Sheehan, M., Feygin, S., Paiement,J.F. and Pozdnoukhov, A. 2018. A Generative Model of Urban Activities from Cellular Data. IEEE Transactions on Intelligent Transportation Systems. 19, 6 (Jun. 2018), 1682-1696.
• Lin, Y., Wan, H., Guo, S., Lin, Y.: Pre-training Context and Time Aware Location Embeddings from Spatial-Temporal Trajectories for User Next Location Prediction. Proceedings of the AAAI Conference on Artificial Intelligence, 35 (5), 4241-4248. (2021).
• Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A.N., Kaiser, Ł. ukasz and Polosukhin, I. 2017. Attention is All you Need. Advances in Neural Information Processing Systems (2017).

タイトルに関連する用語 (4件)： 位置情報 ,  ビッグデータ ,  交通需要 ,  推定