文献

J-GLOBAL ID：202202248770356519   整理番号：22A1036256

ADASプローブデータに基づく時空間トラヒック密度推定【JST・京大機械翻訳】

Spatiotemporal Traffic Density Estimation Based on ADAS Probe Data

著者 (5件)： Lim Donghyun (Advanced Institute of Convergence Technology, Gwanggyo-ro 145, Yeongtong-gu, Suwon, Gyeonggi-do 16229, Republic of Korea) ,  Seo Younghoon (Advanced Institute of Convergence Technology, Gwanggyo-ro 145, Yeongtong-gu, Suwon, Gyeonggi-do 16229, Republic of Korea) ,  Ko Eunjeong (The Cho Chun Shik Graduate School of Green Transportation, Korea Advanced Institute of Science and Technology, Daejeon 34051, Republic of Korea) ,  So Jaehyun(Jason) (Department of Transportation System Engineering, Ajou University, Worldcup-ro 206, Yeongtong-gu, Suwon, Gyeonggi-do 16499, Republic of Korea) ,  Kim Hyungjoo (Advanced Institute of Convergence Technology, Gwanggyo-ro 145, Yeongtong-gu, Suwon, Gyeonggi-do 16229, Republic of Korea)
資料名： Journal of Advanced Transportation  (Journal of Advanced Transportation)
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： D0581A  ISSN： 0197-6729  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 本研究は,先進運転者支援システム(ADAS)プローブデータに基づく時空間交通密度推定法を開発することを目的とする。本研究では,サンプルプローブ車両搭載ADASから収集した車両軌道データを用いた。そのような車両軌道データを最初に用いて,特定の道路断面上の車両間の距離ヘッドウェイを推定し,そして,後処理距離ヘッドウェイデータを,最終的に時空交通密度を推定するために使用した。本研究で提案した方法論の革新の側面は,ADASのサポートにおけるデータ点の小さなサイズだけで,交通密度が高精度で推定できることである。一方,既存の密度推定法は,大域的位置決めシステムデータまたは専用短距離通信データのいずれかを含む多数のプローブ車両とその多数のデータセットを必要とする。提案した方法論を検証するために,2段階評価を行い,第1ステップは,模擬車両軌跡データに基づく空間時間交通密度を推定する数値評価であり,第2ステップは,ピークおよび非ピーク期間の両方で実際の道路データに基づく密度を推定する経験的評価である。方法論開発を超えて,本研究はADAS装備車両のサンプリング速度に基づく様々な交通条件の下での交通密度の推定信頼性を検証した。その結果,交通密度推定誤差は,サンプリング速度が増加するにつれて減少した。サンプリング速度が50%以上の場合,全てのシナリオで90%以上の推定精度が観察された。それは,かなり正確な交通密度推定が,道路で駆動する車両の半分に対応するプローブ車両を用いて実現可能であることを示した。したがって,この実用的アプローチは,特にADASと自律車両が一般的である将来の道路システムにおいて,密度推定の負担を緩和することが期待される。Copyright 2022 Donghyun Lim et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 信頼性 ,  *推定 ,  軌跡 ,  道路 ,  交通密度 ,  後処理 ,  *交通
準シソーラス用語： サンプリング速度 ,  推定誤差 ,  推定精度 ,  高精度 ,  位置決めシステム ,  推定法 ,  運転者支援システム ,  プローブ車両 , 【Automatic Indexing@JST】

分類 (1件)： 交通調査  (TB01031B)

引用文献 (24件)：

• V. Butakov, P. Ioannou, "Personalized driver/vehicle lane change models for ADAS," IEEE Transactions on Vehicular Technology, vol. 64, no. 10, pp. 4422-4431, 2015.
• Transportation Research Board (TRB), Highway Capacity Manual 2000, Transportation Research Board, Washington, DC, USA, 2001.
• R. P. Roese, E. S. Prassas, W. R. Mcshane, Traffic Engineering, Pearson Prentice Hall, Upper Saddle River, NJ, USA, 3rd edition, 2004.
• Ministry of Land, Infrastructure and Transport (MOLIT), Research Report on Methods of Collecting and Providing Traffic Information on Urban Arterial Roads, Ministry of Land, Infrastructure and Transport (MOLIT), Jeju, Korea, 2010.
• H. J. Kim, K. T. Jang, "Characteristics of travel time variability in congested traffic," Proceedings of the 23rd ITS World Congress, Melbourne, Australia, October 2016.

タイトルに関連する用語 (6件)： ADAS ,  プローブ ,  時空間 ,  トラヒック ,  密度 ,  推定