权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

次世代交通管制のためのリアルタイム交通状態推定手法の開発

开发下一代交通控制的实时交通状态估计方法

基本信息

批准号：
21K14266
负责人：
安田昌平
金额：
$ 2.83万
依托单位：
The University of Tokyo
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

大規模な道路ネットワーク上の交通状態をリアルタイムに推定することを研究目的とし，2022年度には機械学習と交通流理論を組み合わせたネットワークの交通状態推定手法について開発を進めた．具体的には，代表的なマクロ交通流理論の一つであるkinematic wave理論を活用し，ニューラルネットワークによる推定・予測を補正する方法論の開発を行なった．2021年度に開発したニューラルネットワークに基づく方法論のように，観測データに基づいて過去の渋滞発生パターンを学習・予測する機能は有用であるが，非再起的な渋滞や災害時・施策実施時のような過去に観測されたことのない交通状態を予測することは困難であることが課題であった．本研究では，ニューラルネットワークの学習においてkinematic wave理論のモデル式に関する項を追加することにより，過去に観測されたことのない状態についても交通流理論に基づいて表現可能なモデルとして拡張する方法論を構築した．これにより，逐次得られる観測データに対するモデルの学習の効率化が期待でき，また観測データが得られない状況に対しても交通流理論に基づく推定・予測結果を出力できる堅牢なモデルとなることが期待できる．また2021年度に開発した動的なネットワーク表現と機械学習を用いた交通状態推定手法に関する研究成果について，国際学会や学術論文誌で発表を行い，賞を受賞するなど一定の評価を得た．以上のように，大規模ネットワーク上の交通状態をリアルタイムに推定する目的に対して一定の実績が得られた.

Large-scale traffic conditions on large-scale roads and highways are presumed to be researched, 2022 The degree of mechanical learning and traffic flow theory and the combination of the traffic state estimation technique and the opening of the system. Specifically speaking, the representative traffic flow theory is kinematic Use of wave theory, use of wave theory, and use of wave theory to infer, predict, and correct methods. 2021 annual report of the year , Observe and predict the function of the past and the future. Use であるが, non-recurring な渋 stagnant や disaster・implementation policy のようなpast に観measure されたことのないTraffic statusをPredictionすることはDifficultyであることがQuestionであった． This research is a kinematic study The wave theory's formula is closed and the item is added, and the past is measured and tested. State of the traffic flow theory of the performance of the possible performance of the traffic flow theory of the method of construction of the method.これにより, step by step get られる観test データに対するモデルのlearningのefficiencyがexpectationでき, またmeasure データがget られThe situation is based on the traffic flow theory and the prediction and prediction results are based on the prediction and output of the force and the firmness of the traffic flow theory. In 2021, the performance of the 2021 new year's new movement is based on machine learning and the use of traffic state estimation techniques.るResearch results are the same, the international society's academic papers are written in the table, and the rewards are the rewards. The evaluation is certain. The traffic conditions above are the same as the traffic conditions on the large-scale traffic. It is presumed that the purpose of the traffic is certain.

项目成果

期刊论文数量（2）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Traffic Density Based Travel-Time Prediction With GCN-LSTM

DOI：
10.1109/itsc55140.2022.9922259
发表时间：
2022-10
期刊：
2022 IEEE 25th International Conference on Intelligent Transportation Systems (ITSC)
影响因子：
0
作者：
Hiroki Katayama;Shohei Yasuda;T. Fuse
通讯作者：
Hiroki Katayama;Shohei Yasuda;T. Fuse

Comparative Validation of Spatial Interpolation Methods for Traffic Density for Data-driven Travel-time Prediction