| 大会名称 |
|---|
| 2023年 総合大会 |
| 大会コ－ド |
| 2023G |
| 開催年 |
| 2023 |
| 発行日 |
| 2023-02-28 |
| セッション番号 |
| D-20 |
| セッション名 |
| 情報論的学習理論と機械学習 |
| 講演日 |
| 2023/3/8 |
| 講演場所(会議室等) |
| 2号館 2401教室 |
| 講演番号 |
| D-20-12 |
| タイトル |
| リンクベース交通流予測タスクにおける深層学習手法の一検討 |
| 著者名 |
| ○美嶋勇太朗, 和田真弥, |
| キーワード |
| 交通流予測, 深層学習, 実時空間データ |
| 抄録 |
| 渋滞緩和，交通事故防止のため交通量予測は重要な研究トピックであり，PEMS-BAY, METR-LA等多数の交通流データと各データに適した予測手法が公開されているが，これらのデータは主にノード（交差点等）単位で構成されているため，特性の異なるリンク（道路）単位のデータに対しても最新の手法が高い予測性能を発揮するかは不明である．ノード単位データとリンク単位データの特性の違いとして最も大きいのは隣接行列の差異である．前者はノード間の距離によって隣接行列に重みを付けることが可能だが，後者は原則としてトポロジカルな接続情報（二値）しか与えられない．このような背景を踏まえて，本稿ではスマートフォン位置情報から推定したリンク単位交通流データを入力とし，複数の最新手法により交通流予測タスクを解きその性能を比較する． |
| 本文pdf |
|
PDF download
|