文献

J-GLOBAL ID：202002267178690039   整理番号：20A1722298

CNNを用いた渋滞発生予測モデル

The Model for Predicting the Traffic Jam by CNN

著者 (3件)： 道原侑也 (愛媛大 工) ,  吉井稔雄 (愛媛大 大学院理工学研究科) ,  坪田隆宏 (愛媛大 大学院理工学研究科)
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： 61  ページ： ROMBUNNO.PS1-46  発行年： 2020年05月29日 
JST資料番号： X0119B  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 本研究では,渋滞発生を予測するCNNモデルを構築し,モデルが有するパラメータ数と入力変数の質がモデルの予測精度に与える影響を分析する.具体的には,予測時点の直前1時間に車両感知器から得られる5分間平均速度,交通量,オキュパンシーのデータを用いて,予測時点から30分後までに渋滞が発生する確率を出力するCNNモデルを構築する.首都高速道路4号線上り道路ネットワークを対象とした分析を行った結果,モデルの説明力を高める最適なパラメータ数が存在する可能性が示された.また,適切な入力変数を追加することによってモデルの説明力が向上する,との結果が得られた.(著者抄録)

シソーラス用語： ニューラルネットワーク ,  *交通混雑 ,  予測モデル ,  都市高速道路 ,  道路網 ,  機械学習
準シソーラス用語： CNN ,  交通渋滞 ,  首都高速道路 ,  道路ネットワーク ,  深層学習

分類 (1件)： 交通調査  (TB01031B)

引用文献 (2件)：

• 舟橋尚平・小根山裕之・柳原正実・山本隆:「感知器データに基づく都市間高速道路における渋滞・事故発生確率予測モデルの構築」,『第60回土木計画学研究発表会・講演集』,2019
• NEXCO東日本,NTTドコモ:AI渋滞予知実証実験 URL=https://www.driveplaza.com/area/kanto/traffic/ai_traffic_prediction.html

タイトルに関連する用語 (2件)： CNN ,  予測モデル