Demand Responded Toll for Urban Expressway with Deep Learning Model

利用深度学习模型实现城市快速路按需收费

基本信息

批准号：
22K04358
负责人：
秋山孝正
金额：
$ 2.25万
依托单位：
Kansai University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
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

项目摘要

本研究では、まず都市高速道路料金設定に関する道路交通流解析を行う「深層学習モデル」を構築した。通常の道路交通流解析を行う場合に、現実規模の都市道路網に対して、(1)都市高速道路の料金設定（対距離料金関数）・OD交通量を設定する、(2)等価な数理計画問題である利用者均衡配分（UE）の算定結果（リンク交通量）を求める、(3)都市道路網道路交通流パターンから経済便益（社会的不便益の減少）の評価指標を算定するということから、比較的計算労力の大きい「道路交通流解析」を実行する必要がある。すなわち、都市道路網構成（ネットワークデータ）と道路区間特性（リンク属性データ）が設定された際に、道路交通流（リンク交通量）を算定する方法である。本研究では、これら特定のネットワーク・リンク属性データが既知である場合の一連の計算手順を、非線形関係として学習した「深層学習モデル」を構築した。すなわち、高度な非線形計画問題の解法手順を入力パターン（OD交通量、都市高速道路料金設定）と出力パターン（代表的経済評価値）の教師データ（ビックデータ）を蓄積した。つぎに、畳み込みニューラルネットワーク（CNN）による「深層学習モデル」を構成して知識獲得を実行した。この結果、料金設定に伴う経済効果を算定する「道路交通流解析モデル」を構築した。すなわち、非線形数理計画を用いた解析手順を簡便化でき、都市高速道路料金に起因する都市道路網に対する交通調整効果を算定した。たとえば、都市高速道路の社会的最適な対距離料金（全路線一律）のパラメータを「深層学習モデル」の評価値に基づいて算定することができた。

在本研究中，我们首先构建了“深度学习模型”来分析与城市快速路收费设置相关的道路交通流量。在进行正常道路交通流分析时，对于真实规模的城市路网，（1）设定城市快速路通行费（距离收费函数）和OD交通量，（2）用户均衡分配（UE）的等效数学计算，这是一个规划问题（3）从城市路网道路交通流模式中计算经济效益（减少社会不便）评价指标，需要进行较大的计算量分析。即，这是在设定了城市道路网结构（网络数据）和路段特性（路段属性数据）时计算道路交通流量（路段交通量）的方法。在本研究中，我们构建了一个“深度学习模型”，当这些特定的网络链路属性数据已知时，该模型将一系列计算过程学习为非线性关系。换句话说，我们积累了用于解决高级非线性规划问题的输入模式（OD交通量、城市高速公路收费设置）和输出模式（代表性经济评价值）的训练数据（大数据）。接下来，他们使用卷积神经网络（CNN）构建了“深度学习模型”来获取知识。因此，我们构建了一个“道路交通流量分析模型”，用于计算与收费设置相关的经济影响。也就是说，简化了非线性数学规划的分析程序，计算了城市快速路收费对城市路网的交通调整效应。例如，我们能够根据“深度学习模型”的评估值计算出城市快速路基于距离的社会最优收费参数（所有路线统一）。