@techreport{oai:ipsj.ixsq.nii.ac.jp:00045456,
 author = {喜田弘司 and 藤山, 健一郎 and 今井, 照之 and 中村, 鴨達 and Koji, Kida and Ken-ichiro, Fujiyama and Teruyuki, Imai and Nobutatsu, Nakamura},
 issue = {83(2008-ITS-034)},
 month = {Sep},
 note = {車両をセンサーに見立て車両の走行データをサーバで分析することにより渋滞情報などの交通情報を提供するプロープ情報システムが期待を集めている．従来の､プローブ情報システムは地域や車両を限定した高々 1 万台程度の小規模な実証実験システムであり，実用化するためには大規模化へ対応することが重要な技術課題のひとつである．この技術課題の解決を目指し本稿では，大量かつ連続して発生するイベントデータ （データストリーム） を，データベースを使うことなく並列分散処理する基盤ソフトウェア（DSPP）を使った大規模プローブ情報システムを提案する．DSPP の特徴は，(1) データフローアーキテクチャ上でのパイプライン処理，(2) 逐次処理による時系列データ分析，(3) データベースを使わないオンメモリ処理であり，本基盤を用いることで高速化が可能となる．名古屋地区のプローブタクシー 1700 台を使った実証実験システムを，DSPP 上で再構築した結果，データベースを使った従来のシステムと比較し，(1) により 6.0 倍，（2）により 4.6 倍，(3) により 5.8 倍の高速化に成功し，これらの組み合わせで最大 160 倍の高速化の見込みを得た．, Floating car data systems that regard each vehicle as moving sensors and provide traffic, weather information, etc. generated by analyzing floating car data are attracting much attention. In this paper, we propose a high performance floating-car data analyzing technologies for next generation floating-car systems that have an important issue of handling of very large-scale data such as several hundreds of thousands of floating-cars' data on a national basis. To tackle the issues, we apply our data stream processing platform (DSPP) that is based on inbound processing model that data records are processed before they are stored in a repository. The DSPP has following three key technologies: (1) Dataflow architecture and pipe-line processing, (2) Successive analyzing, and (3) On-memory processing. The prototype floating-car system based on the DSPP has successfully worked. The floating-car system estimates traffic jam according to probe data of 1700 floating-taxes in Nagoya. Our experience shows that the performance of our proposal method is excellent since its processing time is only 1/160 of the processing time of a conventional system.},
 title = {データストリーム処理による大規模プローブカーシステムの開発と評価},
 year = {2008}
}