@techreport{oai:ipsj.ixsq.nii.ac.jp:00189614,
 author = {綿貫, 圭太 and 下坂, 正倫},
 issue = {5},
 month = {May},
 note = {近年，スマートフォンの普及に伴い，乗換案内アプリケーションの使用機会は増大している．乗換案内アプリケーションは路線バスを対象とするものも多いが，得られる所要時間はダイヤをそのまま使用したものであり，実際の運転状況を反映していない場合がある．本研究では，乗換案内アプリケーションへの応用を目的に，1 日以上先の路線バス所要時間に対して高精度な推定が可能な手法を構築する．長期の所要時間推定においては，直前の路線バス所要時間を推定に用いることができないため，曜日や時間帯といった要因から所要時間を推定することが必要となる．これを踏まえて，本研究では時間帯，曜日，天気などの説明変数から路線バス所要時間の確率分布を求める手法として低ランク双線形ガンマ回帰を提案する．既存の点推定を用いたモデルやポアソン回帰を用いたモデルが抱えていた運行時間の遅延に応じた分散の大きさを考慮できない問題を解決するものであり，アプリケーションへの応用を考えた場合に有益である．推定結果に応じた分散を考慮しているため，例えば 「90 % 確率で成功する乗換」 をより頑健に導出することが可能である．この手法を 5 ヶ月程度の路線バス所要時間の実データを用いて，既存のバス所要時間推定にて使用されている手法である Random Fores tと比較を行い，提案手法の有効性を検証する．, For recent years, opportunities for using transit applications are increasing with spread of smart-phones. Many of transit applications provides bus transition based on bus diagram as well as train transition. However, due to the large difference between its actual travel time and the diagram, it causes low reliability of applications. In this paper, we deal with high-precision long-term bus travel time forecasting for more than 1 day ahead, that is suitable for transit applications. In this study, we propose a low-rank bilinear gamma regression to predict the probability of bus travel time from limited number of explanatory variables such as time of a day, week of days and weather conditions. Compared with the state-of-the-art methods on bus travel time prediction, our method provides both point estimation and probability density itself. Experimental results using web-based bus location service data spanning over 5 months show that our method performs well compared with the state-of-the-art methods including Random Forest.},
 title = {バス運行状況ウェブサービス情報を用いた乗換案内アプリのための路線バス所要時間推定},
 year = {2018}
}