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

画像解析技術を用いたSEVの行動パターン分析と充電インフラ設備配置計画の検討

利用图像分析技术分析SEV行为模式并考虑充电基础设施布局规划

基本信息

批准号：
22K14338
负责人：
葉健人
金额：
$ 2.33万
依托单位：
Osaka University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22K14338/
关键词：
行動パターン分析電動二輪車小型電動車画像解析

项目摘要

最終的な目的である画像解析技術を用いたSEVの行動パターン分析手法の開発のための準備段階として2022年度は得られたSEV（ここではバッテリー交換型2輪EV）のGPSログデータから，（１）トリップおよび１日のトリップチェーンの生成，（２）画像解析による分析の比較対象としてのトリップの図形的特徴に基づく類型化，および（３）画像解析技術を用いたトリップチェーンの類型化方法の検討を行った．以下にその概要を述べる．（１）得られたSEVのログデータを概観し，位置・時間精度が低いと思われるデータを取り除いた．次に，時系列の位置情報と停車時間からトリップを生成し，各ユーザーの１日のトリップチェーンとして整理した．この結果，１トリップの距離，トリップチェーン内での多目的地の数のばらつきが見られ，ユーザーによりSEVの利用方法が多様であることが分かった．（２）トリップチェーンを可視化し，その図形的特徴を数値化した．具体的には，出発地と最終到着地が一致するトリップチェーンの目的地間を順に直線で結び生成した閉じた多角形に対し，頂点の個数，始終点から最遠頂点までの距離，多角形の面積などの8つの図形的な尺度を算出した．これらに加え，総走行距離や滞在時間などの数値情報を加え，主成分分析を適用し，情報量の縮約を行った．この結果をクラスター分析することでトリップチェーンを類型化した．この結果，一定の解釈が可能なトリップチェーン類型を得た．これに基づき，ユーザーの時系列的なトリップチェーンの変化を捉えることができた．（３）機械学習を用いた画像解析技術について文献調査を行い，本データに適用可能な手法を検討した．

The most popular method of image analysis is to use the method of SEV action to analyze the image in preparation for the year 2022. In the year 2022, you will get a copy of the SEV (communication type 2 EV). (1) the image will be generated on the first day of the day. (2) Portrait analysis is more accurate than image analysis. (3) Portrait analysis techniques are used in image analysis. The following is a summary of the description of the image. (1) the general description of the SEV image. The location time precision is very low, and the location precision is low. In the second time, the series of location conditions, stop time, stop time, save time, generate data, and the results of the test show that the number of multiple destinations in each cluster is less than one day. The result of the test is that the number of multiple destinations in the system is different. This method can be used to analyze multiple data sets. (2) use the SEV method to generate multiple data sets, which can be customized. For a specific cluster, you can use the most accurate data from the ground to the ground. The results of the straight line between the destinations are generated in a polygonal shape with the number of points. At the starting point, the most expensive point is separated, and the scale of the polygonal profile is calculated on the scale of the 8-shaped cutaway, the travel distance increases, the travel distance lags in the time, the principal component analysis is used, and the volume of the report is limited to the number of lines. the results show that the data is typed and typed. Be sure to understand that the type of the machine may be correct, and that the series of information on the machine may be correct. (3) the mechanical mechanics may use portrait analysis techniques to analyze the literature, and this instrument may use the possible techniques.