| Project/Area Number |
20H02267
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Single-year Grants |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 22050:Civil engineering plan and transportation engineering-related
|
|---|
| Research Institution | Tokyo Institute of Technology |
|---|
Principal Investigator |
瀬尾 亨 東京工業大学, 環境・社会理工学院, 准教授 (90774779)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
山口 裕通 金沢大学, 地球社会基盤学系, 助教 (10786031)
佐津川 功季 金沢大学, 融合科学系, 講師 (40867347)
中西 航 金沢大学, 地球社会基盤学系, 准教授 (70735456)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥17,550,000 (Direct Cost: ¥13,500,000、Indirect Cost: ¥4,050,000)
Fiscal Year 2023: ¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2022: ¥3,900,000 (Direct Cost: ¥3,000,000、Indirect Cost: ¥900,000)
Fiscal Year 2021: ¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2020: ¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
|
|---|
| Keywords | 交通工学 / 推定 / 制御 / シミュレーション / 機械学習 / 交通流理論 / 交通ネットワーク分析 / 統計的推定 / 強化学習 / スパースモデリング / 出発時刻選択問題 / 統計的機械学習 |
|---|
| Outline of Research at the Start |
本研究は，交通工学理論と機械学習を融合した新たな道路交通マネジメント方法論を確立する．まず，理想的状況下での交通システムの最適状態とその達成方法を交通工学理論に基づき導出する．また，現実的な観測データに基づくシステム全体の状態の推定手法，短期将来予測手法等の推定手法を機械学習などに基づきそれぞれ構築する．最後に上記の成果を融合し，部分的に観測される交通データを所与とし，システム状態・利用者選好を逐次的に推定・更新しつつ，理論的な社会最適状態を達成するための方策を探索的に発見する交通システム制御手法を構築する．そして，実際の交通ビッグデータおよびシミュレーションを用い，提案手法の性質を検証する．
|
| Outline of Annual Research Achievements |
2年目の研究計画は以下のようなものであった：ここでは，主に，各方法論を実ビッグデータに基づき個別に検証する．テーマ A では，前年度の研究成果に基づき，動的ネットワーク交通流の最適化手法を理論的に導出する．並行して，モデルベース型交通状態推定手法を交通ビッグデータに適用できるよう拡張し，その性質を実データへの適用を通して検証する．テーマ B では，前年度に開発した需要情報の推定・将来予測手法を実交通ビッグデータに適用し，その結果に基づき手法を改良する．その際，東京オリパラ 2020 時の交通ビッグデータを用い，各種の交通制御・規制に対する需要の反応を分析する．
結果として，予定通りやそれ以上の実績が得られた部分と，予想外の自体により予定通りとはならなかったものの興味深い今後探求すべき現象が見出された部分があった．
テーマAでは，まず，動的交通量配分についての最適配分問題の理論解析と，その利用者均衡との関連付けについて重大な進展があり，国際ジャーナルでの研究成果発表もなされた．また，実交通データを用いたモデルベース型交通状態推定の検証も順調に進んだ．
テーマBでは，需要情報の推定・将来予測手法の実データへの適用が進んだ．特に，COVID-19の影響を受けた交通行動の分析を通し，様々な知見が得られた．一方で，東京オリンピックパラリンピックのデータは，やむを得ない事情により入手が1年遅れたため，予定通りの分析が完了していない．しかし，予備的分析の結果では興味深い現象が発見されたため，今後の研究の方向性の参考となった．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
「研究実績の概要」で述べた通り，予定通りやそれ以上の実績が得られた部分と，予想外の自体により予定通りとはならなかったものの興味深い今後探求すべき現象が見出された部分があった．そのため，総合的に見ておおむね順調に進展していると考える．
|
| Strategy for Future Research Activity |
今後は，COVID-19によって発生したこれまでにない交通現象を考慮しつつ，概ね予定通り研究を推進する予定である．
|
