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.

我们研究的目的是实时估计大规模道路网络的交通状况，到2022年我们将开发一种结合机器学习和交通流理论的估计网络交通状况的方法。具体来说，我们利用具有代表性的宏观交通流理论之一的运动波理论，开发了一种修正神经网络估计和预测的方法。 2021 年开发的基于神经网络的方法等功能，可以根据观测数据学习和预测过去的拥堵发生模式，但它们对于基于观测数据学习和预测过去的交通拥堵模式很有用，但它们对于学习很有用根据观测数据预测过去的交通拥堵模式面临的挑战是很难预测过去从未观察到的交通状况。在本研究中，通过在神经网络学习中添加与运动波理论模型方程相关的术语，我们创建了一种可以扩展为模型的方法，该模型可以基于交通流理论表达过去未观察到的条件。做过。预计这将提高基于连续获得的观测数据的模型学习效率，并且即使在无法获得观测数据的情况下，也可以创建一个可以输出基于交通流理论的估计和预测结果的鲁棒模型。它。此外，我们还在国际会议和学术期刊上展示了2021年开发的利用动态网络表示和机器学习的交通状态估计方法的研究成果，并获得了一定的好评，包括获奖。如上所述，在实时估计大规模网络上的流量状况方面已经取得了一定程度的成功。

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