2016 Fiscal Year Annual Research Report
Mining of spatio-temporal patterns of congested traffic in urban areas from traffic sensor data
| Project/Area Number |
26630233
|
|---|
| Research Institution | Tohoku University |
|---|
Principal Investigator |
井上 亮 東北大学, 情報科学研究科, 准教授 (60401303)
|
|---|
| Project Period (FY) |
2014-04-01 – 2017-03-31
|
| Keywords | 渋滞 / 波及過程 / 頻出パターンマイニング / 車両感知器 / 可視化 |
|---|
| Outline of Annual Research Achievements |
都市内部の一般道路で発生する交通渋滞は，季節・天候・曜日・時刻などで異なる交通需要パターンや，交差点に設置された信号による制御などの影響により，複雑な様相を示している。そのため，渋滞の発生場所や時刻，その延伸や縮小の過程，また渋滞継続時間などで表現される渋滞に関する様々な観測データから，渋滞の日常的な発生状況を定量的に把握することは容易ではない。
本研究は，都市内で日常的に発生する渋滞を把握する分析手法として，情報工学分野で発展してきた，大量のデータから典型的なパターンを抽出する頻出パターンマイニングに注目した．既存の頻出パターンマイニングアルゴリズムであるFP-Growthを基に，一般道に設置された車両感知器によって長期間観測された交通データから，日常的に発生する渋滞の時空間推移過程を表す形態（パターン）を効率的に抽出する分析手法を開発・提案した．
この提案手法を，沖縄県那覇市周辺で2年3ヶ月に渡って継続的に観測された車両感知器データに適用し，その適用可能性と分析の有用性の評価を行った．まず，広範囲に渉って連なり長時間継続する渋滞が多数観測されるため，分析に最も多くの計算を要する朝・夕の通勤・帰宅時間帯においても，一般的な性能のPC上で数時間という実行可能な計算時間で，半数以上の日で発生する渋滞の時空間推移過程を抽出できることを示し，提案手法が実行可能性を有することを確認した．また，曜日や降雨の有無など，異なる条件下における渋滞波及過程の抽出，および，その結果の可視化を通して，これまで把握が難しかった都市内の渋滞発生状況の条件毎の違いを抽出・表現できることを示し，提案手法の有用性を確認した．
|
