@article{oai:ipsj.ixsq.nii.ac.jp:00194380,
 author = {米澤, 拓也 and 新井, イスマイル and 秋山, 豊和 and 藤川, 和利 and Takuya, Yonezawa and Ismail, Arai and Toyokazu, Akiyama and Kazutoshi, Fujikawa},
 issue = {2},
 journal = {情報処理学会論文誌},
 month = {Feb},
 note = {バス運行業者が導入しているデジタルタコグラフで記録されている運行・回送・休憩といった車両状態は現状，運転者の手入力に依存しており，運転者の負担が大きい．本研究では，デジタルタコグラフから得られる車速・エンジン回転数や，GPS等から得られるセンサデータを機械学習することで，バスの運行状態の自動分類を試みる．センサデータに加えて，それらを加工して得た，停留所・事業所までの距離等の特徴量をランダムフォレストの入力とする自動分類手法を提案・実装し，2路線の実運行データで評価した結果，同一路線モデルにおいて92.9%の正答率を得た．このモデルにおいて運行ごとの運転者の手入力データと比較した結果，運転者による手入力よりも提案手法が4.1%～16.9%高い正答率を得た．, The state of the bus such as operation, forwarding, and break recorded in the digital tachograph depends on the manual input by the driver, and the drivers suffer from the burden. In this research, we attempt automatic classification of bus operation status by machine learning of vehicle speed/engine speed, GPS, and etc., which are obtained from digital tachograph, GPS, and etc. In addition to the raw sensor data, we propose additional features such as a distance to a bus stop, a distance to the business office, a distance to a car wash place, and etc., which are obtained by processing the raw data. As a result of the experiments in the real two routes, we obtained a correct answer rate of 0.929 in the same route model. Furthermore, the proposed method gained 4.1% to 16.9% higher correct answer rate than the manual input by the drivers.},
 pages = {561--571},
 title = {ランダムフォレストによる路線バス運行状態分類},
 volume = {60},
 year = {2019}
}