疎な観測に基づくネットワークの交通状態予測を目的とした交通流理論と深層学習の融合

• Project/Area Number: 24K17364
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 22050:Civil engineering plan and transportation engineering-related
• Research Institution: The University of Tokyo
• Principal Investigator: 安田 昌平 東京大学, 大学院工学系研究科(工学部), 助教 (00899247)
• Project Period (FY): 2024-04-01 – 2028-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥4,420,000 (Direct Cost: ¥3,400,000、Indirect Cost: ¥1,020,000); Fiscal Year 2027: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000); Fiscal Year 2026: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000); Fiscal Year 2025: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000); Fiscal Year 2024: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
• Keywords: 交通ネットワーク / 交通流理論 / 深層学習 / 交通状態推定

Outline of Research at the Start

道路ネットワークの渋滞を予測することは適切な交通制御にとって不可欠な要素である．特に近年は高速道路の修繕を目的とした大規模な工事が頻繁に実施されており，このような未観測状況下におけるネットワークの交通状態を予測する方法論の重要性が増している．本研究は，未観測状況下におけるネットワークの交通状態予測を適切に行い，また当該状況の観測が僅かでも得られた際に事前の予測結果を補正する方法論の開発を目的とし，交通流の変動を記述可能な物理情報付き深層学習モデルの開発，複雑なネットワークから交通状態の特徴を効率的に抽出する手法の開発，疎な観測に基づいて深層学習モデルの補正を行う手法の開発を行う．