次世代交通管制のためのリアルタイム交通状態推定手法の開発

2021 Fiscal Year Research-status Report

• Project/Area Number: 21K14266
• 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): 2021-04-01 – 2024-03-31
• Keywords: ネットワーク表現 / 空間統計学 / グラフニューラルネットワーク

Outline of Annual Research Achievements

大規模な道路ネットワーク上の交通状態をリアルタイムに推定することを研究目的とし，2021年度には空間統計学を用いたネットワーク表現手法の拡張および機械学習を用いたパターン認識による交通状態の推定手法の開発を行なった．具体的には，研究代表者が過去に開発した実観測に基づくネットワーク表現手法について，事前情報として入力していた当該空間の道路ネットワークの接続情報を必要としない方法論へと拡張し，所与のネットワークデータの解像度や最新情報の未反映等に依存しない方法論とした．またこれにより従来の解析においては必須とされていた事前のマップマップ処理を不要とし，動的かつ高速なネットワーク表現の可能性が示唆された．大規模ネットワークを対象とした交通状態の推定・予測を高速に行うため，グラフ構造を持つデータの時空間的な相関を考慮した機械学習（パターン認識）手法であるGraph Convolutional NetworkとLong Short-Term Memoryを組み合わせた方法論の検証を行なった．
交通シミュレーション (Simulation of Urban Mobility)を用いた検証，および近畿圏の実観測データ (ETC2.0および車両検知器データ)を用いた検証をそれぞれ行い，提案手法の計算時間および推定・予測結果と真値の誤差を調査した．検証の結果，計算時間および誤差ともに実用に足るレベルを達成することができ，大規模ネットワーク上の交通状態をリアルタイムに推定する目的に対して一定の実績が得られた．

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

研究実施計画で挙げていた３つの要件である(A) 空間統計学を用いた動的なネットワーク表現，(B) 交通流理論および機械学習を用いた交通状態推定手法の開発，(C) ベイズ統計学を用いた観測データのリアルタイム解析手法の開発のうち，ネットワーク表現と交通状態推定の２つで一定の成果が得られた．特に動的なネットワーク表現については方法論の開発が概ね完了し，残すは実観測データを用いた検証結果および研究目的であるアプリケーションの要件を踏まえ改善を施す程度となっている．交通状態推定手法の開発においては機械学習（パターン認識）を用いた方法論の実装および検証が完了しており，今後は交通流理論を用いてよりミクロなスケールでの状態推定を行い，推定・予測結果の補正を行う計画としている．最後にベイズ統計学を用いたリアルタイム解析手法の開発では，動的なネットワーク表現を解析対象の基準とし，交通状態推定結果を実際の観測結果に近づけるよう較正する方法論を開発するものであり，(A)および(B)の成果がまとまった最終年度に取り組む予定であるので，当初計画どおり研究は順調に進展している．

Strategy for Future Research Activity

現在までの進捗状況で述べた通り，研究実施計画のうち動的なネットワーク表現の方法論はすでに開発しており，今後はリアルタイム交通状態推定の実用化を想定した入出力のフローおよび実観測データの特性を考慮した検証を進める予定である．交通状態推定については既に検証を行なっているパターン認識手法の結果を補正すべく，交通流理論を用いたミクロスケールな状態推定・予測手法を組み合わせる検討を行う．特にパターン認識手法の検証において推定・予測精度が低かった部分について交通流理論を活用する予定であり，研究計画において交通流理論の一例として挙げていたkinematic waveモデルの活用については他の方法論へ変更する可能性がある．上記により2022年度に研究実施計画の３つのうち２つの方法論開発および検証を終え，2023年度でこれらを組み合わせたリアルタイム解析手法の開発へ進む予定である．