トピックモデルと時空間深層学習を用いたトラフィック予測法に関する研究

• Project/Area Number: 23K28077
• Project/Area Number (Other): 23H03387 (2023)
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Multi-year Fund (2024); Single-year Grants (2023)
• Section: 一般
• Review Section: Basic Section 60060:Information network-related
• Research Institution: Tokyo City University
• Principal Investigator: 塩本 公平 東京都市大学, 情報工学部, 教授 (00535750)
• Co-Investigator(Kenkyū-buntansha): 神野 健哉 東京都市大学, 情報工学部, 教授 (50286762) ; 大歳 達也 大阪大学, 大学院経済学研究科, 助教 (60804458)
• Project Period (FY): 2023-04-01 – 2026-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥18,590,000 (Direct Cost: ¥14,300,000、Indirect Cost: ¥4,290,000); Fiscal Year 2025: ¥5,460,000 (Direct Cost: ¥4,200,000、Indirect Cost: ¥1,260,000); Fiscal Year 2024: ¥6,890,000 (Direct Cost: ¥5,300,000、Indirect Cost: ¥1,590,000); Fiscal Year 2023: ¥6,240,000 (Direct Cost: ¥4,800,000、Indirect Cost: ¥1,440,000)
• Keywords: トラフィック予測 / 機械学習 / トピックモデル / トラフィック計測 / 人流分析 / 時空間深層学習 / 情報ネットワーク

Outline of Research at the Start

B5G/6Gではサイバーフィジカルシステム（CPS）の実現により産業の発展・創造や都市・交通問題などの社会課題の解決を目指している．人流や交通流などの移動体を含めさまざまなモノが通信を行うCPSでは，通信トラフィック需要は時空間で複雑に変化するため，従来の予測技術では対応が困難である．そこで，本研究課題では，人口の時空間変動をモデル化し，人口と通信トラフィックの関係をモデル化して予測する方法に取り組む．トピックモデルと時空間深層学習モデルを応用して，トラフィック需要とその変化の背後にあるメカニズムをモデル化し，通信トラフィック需要を予測する方法を研究する．