Development of a network traffic breakdown prediction method
| Project/Area Number |
21H01457
|
|---|
| 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 | Ehime University |
|---|
Principal Investigator |
吉井 稔雄 愛媛大学, 理工学研究科(工学系), 教授 (90262120)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
坪田 隆宏 愛媛大学, 理工学研究科(工学系), 准教授 (00780066)
塩見 康博 立命館大学, 理工学部, 教授 (40422993)
西内 裕晶 高知工科大学, システム工学群, 教授 (40548096)
川崎 洋 九州大学, システム情報科学研究院, 教授 (80361393)
小野 晋太郎 福岡大学, 工学部, 准教授 (80526799)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥17,420,000 (Direct Cost: ¥13,400,000、Indirect Cost: ¥4,020,000)
Fiscal Year 2023: ¥5,720,000 (Direct Cost: ¥4,400,000、Indirect Cost: ¥1,320,000)
Fiscal Year 2022: ¥4,420,000 (Direct Cost: ¥3,400,000、Indirect Cost: ¥1,020,000)
Fiscal Year 2021: ¥7,280,000 (Direct Cost: ¥5,600,000、Indirect Cost: ¥1,680,000)
|
|---|
| Keywords | 交通流 / ブレイクダウン / ネットワーク / 画像処理 / 予測手法 / 事故リスク / 交通事故 |
|---|
| Outline of Research at the Start |
本研究では，交通事故や自然災害などの突発事象に起因する非日常の激しい交通渋滞（以下”ブレイクダウン”）を未然に防ぐことを目的とし，交通流観測データ，プローブ車両走行軌跡，ドライビングレコーダー画像，天候情報といったフィジカル空間のオンラインデータ，ならびに，これらのデータと交通事故の記録を長期間蓄積したビッグデータを用いて，交通工学の知見である交通流解析手法とAIによる情報解析技術を組み合わせることによって，予測時点直後におけるブレイクダウン発生確率を算定する手法を考案する．
|
| Outline of Annual Research Achievements |
本研究では，交通事故や自然災害などの突発事象に起因する非日常の激しい交通渋滞（以下“ブレイクダウン”）の未然防止に向けて，空間モニタリング技術，交通流解析手法，ならびにAIによる情報解析技術を組み合わせた，道路ネットワーク交通流におけるブレイクダウン発生予測手法を構築することを目的とする．
研究では，まずネットワーク交通流状態を，集計交通密度と集計交通量の2量によってマクロに捉えるエリアトラフィックステートを定義し，交通流観測データとプローブ車両走行軌跡を用いてエリアトラフィックステートを算定する方法を考案し，ネットワーク交通流における集計交通密度と集計交通量の関係を示すMFDを推定する手法を確立した．さらに，長期間蓄積されたこれらのデータと交通事故の記録を用いて，OD交通量の変化や交通事故発生によるMFD形状の変化に関して分析を行い，事故発生によってMFDが下側にシフトすることを示した．続いて，エリアトラフィックステートを指標として，ブレイクダウン発生の有無を判定する手法を開発し，巨視的渋滞領域に属するエリア交通流状態出現の検出手法を考案し，同手法によって検出されるネットワーク交通流のブレイクダウン現象の発生を予測するモデルを開発した．
さらに，交通事故などのインシデント発生によってMFDの形状が変化する．そこで，同変化を検出するために，オンライン観測可能な交通流観測データに基づいて，交通事故発生リスクを評価するAI技術によるモデルを開発し，道路ネットワーク全体が潜在的に有する交通事故発生リスクをリアルタイムで推定する手法を構築した．また，AI技術を用いたインシデント検出技術の開発を行い，道路ネットワーク上を走行するプローブ車両のDR画像を収集し，画像解析を行って急ブレーキ発生の予測，ならびに死角を検出するモデルを開発し，実データを用いたモデルの検証を行った．
|
| Research Progress Status |
令和5年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和5年度が最終年度であるため、記入しない。
|
Report
(3 results)
Research Products
(39 results)
