GraphNeuralNetworkを用いた交通流の予測精度向上に関する研究
完了
浅見 泰司
5Gネットワーク環境の充足、準天頂衛星やLiDARを用いた高精度位置情報により、自動運転(レベル4-5)によるヒト・モノの移動が徐々に現実化してくる。その際、個々のヒト・モノで個別に移動経路を判断するよりも、全体最適を想定した個々への経路指示が管制センターから行われる可能性がある。現在よりも多種・多量の自動・手動の移動体が交通ネットワーク上に混在する中、交通流の短期・長期予測の精度向上は移動体総搬送時間を短縮するのに不可欠である。トラフィックの未来予測にはディープラーニングのGraphNeuralNetworkを適用し、数分後、数時間後、数十時間後の状態を予測する。高速道路上の実プローブデータを利用した広域都市規模を想定し、交通流予測の高精度化を目的とする。
変更のために新しい申請を保存します。 This will save a new application on the system for a modification.
申請中の研究者は表示されません。 / Pending researchers are not shown.
高見 淳史 / 東京大学大学院工学系研究科
本丸 達也 / 東京大学大学院工学系研究科 都市工学専攻
申請中のデータセットは表示されません。 / Pending datasets are not shown.
拡張版全国デジタル道路地図データベース 2015年版
拡張版全国デジタル道路地図データベース 2017年版
高速道路ネットワークデータ
年次報告の内容はメンバーのみ表示されます。