2024-03-29T02:54:33Zhttps://ipsj.ixsq.nii.ac.jp/ej/?action=repository_oaipmhoai:ipsj.ixsq.nii.ac.jp:001938882022-10-21T05:24:51Z00581:09633:09634
バス運行実績データの分析に基づく到着時刻予測モデルの提案と精度検証Arrival Prediction Model and Precision Analysis based on Bus Traffic Datajpn[特集:未来の暮らしを支えるパーベイシブシステムと高度交通システム] バスロケーションシステム,重回帰分析,カルマンフィルタ,遅延予測http://id.nii.ac.jp/1001/00193799/Journal Articlehttps://ipsj.ixsq.nii.ac.jp/ej/?action=repository_action_common_download&item_id=193888&item_no=1&attribute_id=1&file_no=1Copyright (c) 2019 by the Information Processing Society of Japan名古屋大学大学院工学研究科/現在,ヤフー株式会社名古屋大学大学院工学研究科/NPO法人位置情報サービス研究機構(Lisra)名古屋大学大学院工学研究科/NPO法人位置情報サービス研究機構(Lisra)/名古屋大学未来社会創造機構今井, 瞳廣井, 慧河口, 信夫情報通信技術の発展により,公共バスの位置情報やバス停出発時刻など,バスに関する様々な情報が容易に取得可能となった.しかし,バスは交通や天候などの様々な要因に影響を受け,運行状況が変化しやすく,正確な到着時刻予測が難しい.本論文では,重回帰分析とカルマンフィルタを併用し,バスの進行に合わせてリアルタイムに運行状況を考慮し予測精度を更新する到着時刻予測モデルを提案する.提案モデルは,過去の運行実績データをもとに算出した重回帰分析を用いた予測結果を,カルマンフィルタの初期値に入力する「MRKFモデル」と,MRKFモデルを改良しバスの進行に合わせて重回帰分析を用いて予測結果をを更新する「EMRFモデル」である.予測結果をもとに,到着予測時刻とその誤差を提示し,バス停での待ち時間における利用者の不安や不満を解消し,利用者の行動選択肢を広げ,よりバスを利用しやすい社会の実現を目的とする.提案モデルについて評価を行い,平均予測誤差が従来手法の約186秒から約17秒となった.さらに,到着予測時刻と誤差の提示方法についてWeb調査を行い,169名の回答結果により,利用者のバス遅延や予測誤差に対する意識を調べ,本提案モデルの有効性を確認した.With the development of information communication technology, it is possible to easily acquire various kinds of information on a bus, such as bus location and departure/arrival time. However, bus traffic is influenced by various factors such as traffic and weather, thus the operation conditions are likely to change, and accurate arrival time prediction is difficult. This paper proposes arrival time prediction models that update the prediction accuracy in real time using the multiple regression model and the Kalman filter simultaneously. The proposed models are an MRKF model that inputs prediction results based on multiple regression models calculated based on past operation record data into the initial value of the Kalman filter, and an EMRF model that updates predictions by multiple regression models according to the bus location data. We evaluated the proposed models based on the analysis of actual bus operation data using prediction error. Our models resulted that the average prediction error from about 186 seconds to about 17 seconds. Furthermore, we conducted a Web survey for 169 answers on the method of presenting the predicted arrival time with errors.AN00116647情報処理学会論文誌6011011172019-01-151882-77642019-01-11