| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2017-03-07 15:55 プローブデータから生成した交通状況予測モデルに基づく所要時間予測 ○芦田優太・西岡 到（NEC）  ITS2016-90 |
|
| 抄録 | （和） | 道路交通において，正確な所要時間を出発前に特定できることは一般の道路利用者にとって有用であるとともに，物流などの事業者においても重要となる．しかし，現在普及しているカーナビゲーションなどでは現時刻で観測可能な渋滞状況を主に用いており，未発生の渋滞など将来の状況変化を考慮して所要時間を精度高く計算することは難しい．そこで，本項ではプローブカーデータを用いて各道路の交通状況予測モデルを使って将来の渋滞状況変化を考慮した所要時間の予測手法を提案する． |
| （英） | Trip time prediction is useful for not only private road users but also some business operators, such as logistics providers. Most of present car navigation systems estimate trip time based on present traffic state measured by road side sensors. However, future traffic states which affects an accuracy of trip time prediction need to be considered. In this paper, we propose a trip time prediction method which can take into account future traffic state. In our method, prediction models of traffic states are learned for each road segment from probe car data. These models are used to consider future traffic state of road segment where a vehicle will be during the trip. | |
| キーワード | （和） | プローブデータ / フローティングカーデータ / 渋滞予測 / 機械学習 / / / / |
| （英） | Probe Data / Floating Car Data / Congestion Prediction / Machine Learning / / / / | |
| 文献情報 | 信学技報, vol. 116, no. 502, ITS2016-90, pp. 81-86, 2017年3月. | |
| 資料番号 | ITS2016-90 | |
| 発行日 | 2017-02-28 (ITS) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | ITS2016-90 |
|
| 研究会情報 | |
| 研究会 | ITS IEE-ITS |
| 開催期間 | 2017-03-07 - 2017-03-07 |
| 開催地（和） | 京都大学 |
| 開催地（英） | Kyoto Univ. |
| テーマ（和） | ITS情報処理，一般 |
| テーマ（英） | Information Processing for ITS, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | ITS |
| 会議コード | 2017-03-ITS-ITS |
| 本文の言語 | 日本語 |
| タイトル（和） | プローブデータから生成した交通状況予測モデルに基づく所要時間予測 |
| サブタイトル（和） | |
| タイトル（英） | Trip time prediction using traffic state prediction model derived from probe car data |
| サブタイトル（英） | |
| キーワード(1)（和/英） | プローブデータ / Probe Data |
| キーワード(2)（和/英） | フローティングカーデータ / Floating Car Data |
| キーワード(3)（和/英） | 渋滞予測 / Congestion Prediction |
| キーワード(4)（和/英） | 機械学習 / Machine Learning |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 芦田 優太 / Yuta Ashida / アシダ ユウタ |
| 第1著者 所属（和/英） | 日本電気株式会社 (略称： NEC) NEC Corporation (略称： NEC) |
| 第2著者 氏名（和/英/ヨミ） | 西岡 到 / Itaru Nishioka / ニシオカ イタル |
| 第2著者 所属（和/英） | 日本電気株式会社 (略称： NEC) NEC Corporation (略称： NEC) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2017-03-07 15:55:00 |
| 発表時間 | 20分 |
| 申込先研究会 | ITS |
| 資料番号 | ITS2016-90 |
| 巻番号（vol） | vol.116 |
| 号番号（no） | no.502 |
| ページ範囲 | pp.81-86 |
| ページ数 | 6 |
| 発行日 | 2017-02-28 (ITS) |
[研究会発表申込システムのトップページに戻る]