| 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 | 2020-01-31 10:00 ［ポスター講演］車速制御による渋滞緩和への応用に向けた複数地点での交通量時系列予測手法の基礎評価 ○渡邊 聖・相浦龍青・森野博章（芝浦工大）  SeMI2019-107 |
|
| 抄録 | （和） | 我々は高速道路のサグ部に代表される自然渋滞が発生しやすい箇所において，渋滞車群の手前を走行する車両が適切な速度制御を行うことで渋滞を早期に解消する手法を提案している．本手法では何らかの手段で渋滞車群の発生をなるべく早期に検出することが重要となる．これを踏まえて本研究では，同一道路の比較的距離の近い(～1km程度)複数の地点で車両平均速度を測定できる環境を仮定し，複数の地点の測定データをリアルタイムでサーバに収集し時系列予測を行うことで，最も上流に位置する地点で発生する渋滞時刻を高い精度で予測する手法について基礎的な検討を行った結果を報告する．複数の時系列データを扱う予測手法として，自己回帰モデルの一つであるVAR(Vector Auto-regression model)を利用する方法と多変量LSTM(Long Short Time Memory)を用いる方法を評価した．実際の高速道路走行車両データを使った交通流シミュレーションにより得られた速度データを対象として評価した結果，両手法ともほぼ同じ予測精度を実現できること，一つの時系列データ(この場合，予測対象の地点の過去の時系列データ)のみからARモデルや一変量LSTMを用いて予測する場合と比べて予測精度が向上することをそれぞれ確認した． |
| （英） | We previously proposed a method to solve a traffic jam early by carrying out an appropriate speed control of a vehicle running behind congested vehicle platoon at a place where natural traffic congestion is likely to occur, such as the highway sag. In this method, it is important to detect the occurrence of congested vehicle platoon as early as possible by some means. In this paper, we report a basic study on a method to predict the congestion time at a location in real time by time series forecasting using velocity data collected at two locations including the target location and its downstream one. Here, we assume distance between two locations is relatively small (Approximately 1 km). As a prediction technique to deal with multiple time series data, we focus on VAR (Vector Auto-regression model) which is one of the autoregressive models and multivariate LSTM (Long Short Time Memory). Evaluation results using velocity data obtained by traffic flow simulation with actual highway vehicle data show that both methods achieve the same level of prediction accuracy, and that the prediction accuracy is improved in comparison with the case of predicting only from one time series data (In this case, the past time series data of the point to be predicted) using AR model and univariate LSTM. | |
| キーワード | （和） | サグ部 / 時系列予測 / 機械学習 / VAR / LSTM / / / |
| （英） | Sag sections / Time series prediction / Machine Learning / VAR / LSTM / / / | |
| 文献情報 | 信学技報, vol. 119, no. 406, SeMI2019-107, pp. 43-44, 2020年1月. | |
| 資料番号 | SeMI2019-107 | |
| 発行日 | 2020-01-23 (SeMI) | |
| ISSN | 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 | SeMI2019-107 |
|
| 研究会情報 | |
| 研究会 | SeMI |
| 開催期間 | 2020-01-30 - 2020-01-31 |
| 開催地（和） | ことひら温泉琴参閣 |
| 開催地（英） | |
| テーマ（和） | センシング，モビリティ，モバイル・ユビキタスコンピューティング，センサ・アドホック・モバイルネットワーク，アプリケーション，一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | SeMI |
| 会議コード | 2020-01-SeMI |
| 本文の言語 | 日本語 |
| タイトル（和） | 車速制御による渋滞緩和への応用に向けた複数地点での交通量時系列予測手法の基礎評価 |
| サブタイトル（和） | |
| タイトル（英） | Preliminary study on time series forecasting of road traffic at multiple locations for applying to traffic congestion mitigation with adaptive vehicle speed control |
| サブタイトル（英） | |
| キーワード(1)（和/英） | サグ部 / Sag sections |
| キーワード(2)（和/英） | 時系列予測 / Time series prediction |
| キーワード(3)（和/英） | 機械学習 / Machine Learning |
| キーワード(4)（和/英） | VAR / VAR |
| キーワード(5)（和/英） | LSTM / LSTM |
| 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） | 渡邊 聖 / Satoshi Watanabe / ワタナベ サトシ |
| 第1著者 所属（和/英） | 芝浦工業大学大学院理工学研究科 (略称： 芝浦工大) Shibaura Institute of Technology (略称： SIT) |
| 第2著者 氏名（和/英/ヨミ） | 相浦 龍青 / Ryusei Aiura / アイウラ リュウセイ |
| 第2著者 所属（和/英） | 芝浦工業大学工学部 (略称： 芝浦工大) Shibaura Institute of Technology (略称： SIT) |
| 第3著者 氏名（和/英/ヨミ） | 森野 博章 / Hiroaki Morino / モリノ ヒロアキ |
| 第3著者 所属（和/英） | 芝浦工業大学大学院理工学研究科 (略称： 芝浦工大) Shibaura Institute of Technology (略称： SIT) |
| 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 | 2020-01-31 10:00:00 |
| 発表時間 | 90分 |
| 申込先研究会 | SeMI |
| 資料番号 | SeMI2019-107 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | no.406 |
| ページ範囲 | pp.43-44 |
| ページ数 | 2 |
| 発行日 | 2020-01-23 (SeMI) |
[研究会発表申込システムのトップページに戻る]