経路選択履歴を用いたモンテカルロ木探索による推薦経路探索手法

• Item type: Symposium(1)
• 公開日: 2018-06-27
• タイトル: 経路選択履歴を用いたモンテカルロ木探索による推薦経路探索手法
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: ITS
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_5794
• 資源タイプ: conference paper
• 著者所属: 早稲田大学
• 著者所属: ゼンリンデータコム
• 著者所属: ゼンリンデータコム
• 著者所属: 早稲田大学
• 著者所属: 早稲田大学
• 著者名: 百瀬, 凌也; 石川, 和明; 高山, 敏典; 柳澤, 政生; 戸川, 望
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 現在，インターネット上で提供されている経路推薦・案内サービスは，経路長や所要時間で最適化した経路を推薦する不特定多数向けサービスが主であるが，道路は交通量・幅員・勾配・舗装状態といった特徴があり，例えば高齢者であれば勾配が急な坂や幅員が広い横断歩道の横断を避けた経路，未成年であれば夜は明かりが多く人通りの多い安全な経路，雨天時はできるだけ地下を歩く経路を選択したいといったニーズがある．; そこで，現在の状況やユーザの嗜好に応じて経路を選択することでより個々のユーザにパーソナライズした最適経路を推薦することが考えられる．; 個々のユーザにパーソナライズした経路を推薦するためには，ユーザにとってどれだけ好ましいかをなんらかの方法で評価する必要があるが，好みは曖昧な指標であり個人の主観が大きく影響するため評価が難しい．; そこで本稿では，経路選択履歴を用いたモンテカルロ木探索によるMCTR-RR推薦経路探索手法を提案する．提案手法は，過去にユーザが判定した経路 (経路選択履歴) の特徴量を特徴ベクトルとして機械学習を用いてユーザの潜在的な経路選択傾向を学習することで，特定のユーザにとって好ましい経路かどうかを正しく判定し，モンテカルロ木探索を組み合わせることで途中経過状態の評価関数を必要としない最適経路推薦を実現する．その結果，新宿・高田馬場の2箇所で行った最適経路推薦実験では，2箇所中2箇所でユーザの好みに近い経路を推薦することに成功した．
• 書誌情報: マルチメディア，分散協調とモバイルシンポジウム2018論文集; 巻 2018, p. 1630-1642, 発行日 2018-06-27
• 出版者 / 言語: ja
• 出版者: 情報処理学会