特徴空間軌跡の追跡による動的交通状況予測

• Item type: Journal(1)
• 公開日: 2012-01-15
• タイトル: 特徴空間軌跡の追跡による動的交通状況予測
• タイトル / 言語: en
• タイトル: Dynamic Prediction of Traffic Congestion by Tracing Feature Space Trajectory
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 特集：新たな展開を迎えるITS、モバイル通信とユビキタスコンピューティング
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• 著者所属: 株式会社日立製作所
• 著者所属: 株式会社日立製作所
• 著者所属: 株式会社日立製作所
• 著者所属: 京都大学
• 著者所属(英): en
• 著者所属(英): Hitachi Ltd.
• 著者所属(英): en
• 著者所属(英): Hitachi Ltd.
• 著者所属(英): en
• 著者所属(英): Hitachi Ltd.
• 著者所属(英): en
• 著者所属(英): Kyoto University
• 著者名: 熊谷, 正俊; 蛭田, 智昭; 奥出, 真理子; 横田, 孝義
• 著者名(英): Masatoshi, Kumagai; Tomoaki, Hiruta; Mariko, Okude; Takayoshi, Yokota
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 自動車をセンサとするプローブカーシステムを用いれば路側インフラに依存せずに交通情報を収集することが可能である．しかしながらプローブカーである車両の分布は必ずしも均一ではないため，プローブカーデータには大規模な欠損がともなう．一方，従来の交通状況予測手法は路側センサのような連続的なデータを前提としており，プローブカーデータはそのような予測手法の情報源として適さない．この問題を解決するため，特徴空間軌跡を用いた新たな交通状況予測手法を開発した．ここで述べる特徴空間はプローブカーデータ履歴の主成分分析により生成されるものであり，疎らなプローブカーデータも，特徴空間内では連続的かつ周期的な軌跡を描く．連続性と周期性は交通状況の動的予測に本質的な要素であり，現況の交通状況に相当する特徴空間座標近傍から軌跡をトレースすることで，特徴空間内での予測座標を得ることができる．この予測座標を元の交通情報データ空間に逆射影したものが，交通情報の予測値である．2,000台のプローブカーを使用した検証により，従来手法に比して予測情報のカバー率拡大と予測誤差の低減が可能であることを確認した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Floating cars can collect traffic information without roadside equipments. However, due to the non-stationary distribution of floating cars, there is large deficiency in floating-car data. It becomes disadvantage when using floating cars as a data source for prediction, since conventional prediction methods are designed to be used with a continuous data source such as roadside sensor data. In an effort to address this problem, we developed a new prediction method by tracing feature space trajectory. The feature space is given by principal component analysis on floating-car data history. Time sequence of sparse floating-car data describes continuous and cyclic trajectory in the feature space. The continuity and the cyclicity are essential for dynamic prediction, i.e., by tracing the trajectory nearby current coordinates, we can estimate predictive coordinates along the trajectory. Inverse projection of the predictive coodinates gives predictive information with no deficiency. We evaluated the method using floating-car data collected from 2,000 vehicles, and found the method enlarges the coverage of predictive information and decreases predictive error in comparison to conventional method.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 53, 号 1, p. 243-250, 発行日 2012-01-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764