@techreport{oai:ipsj.ixsq.nii.ac.jp:00224880,
 author = {石黒, 太志 and 渡辺, 陽介 and 山田, 峻也 and 高田, 広章},
 issue = {6},
 month = {Mar},
 note = {渋滞は移動時間の増加や燃費の悪化の原因になり，交通業界において問題になっている．近年，交通流を予測し，車両を空いている道路に誘導することで渋滞を回避しようという取り組みが考えられている．背景には，コネクテッドカーやダイナミックマップによる走行データの取得，集積が実現されつつあることと，MaaS によって発展しつつある移動手段のシェアリングサービスに交通流予測を組み込むことで，交通制御が実現できると思われることがある．しかし，交通流予測を大規模なエリアで行うと計算時間の増大及び予測に寄与しない情報の増加によるノイズが問題になる．そのため道路ネットワークをいくつかのサブセットに分割し，分散処理とデータ分割を行う必要がある．また，コネクテッドカー等が道路を走行しないために，走行データの欠損が発生する可能性があり，適切な方法で補完する必要がある．これらの課題を解決するために，本研究では相関分析を用いた道路ネットワーク分割手法を提案する．既存手法では，周辺道路のデータを用いないものや道路間の隣接関係によって分割した道路のデータを用いて予測するものがあるが，相関のある道路ごとに分割することで予測精度の向上が見込める．また欠損値補完においても相関関係のある道路のデータを用いることでより正確な補完が可能になる．評価実験では次の 4 点を示した．1) 相関がある複数道路のデータを用いることで予測精度が向上する．2) 相関がある複数道路のデータを用いて欠損値補完を行うことで予測精度が向上する．3) 隣接関係で分割するよりも相関関係で分割することで予測精度が向上する．4) 相関関係が強いもののみをサブセットの要素にすることで予測精度が向上する．},
 title = {分散型交通流予測のための相関関係に基づいた道路ネットワーク分割手法},
 year = {2023}
}