• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 前のページに戻る

ディープラーニングによる交通事故リスク予測モデルの開発

研究課題

研究課題/領域番号 20K14851
研究種目

若手研究

配分区分基金
審査区分 小区分22050:土木計画学および交通工学関連
研究機関愛媛大学

研究代表者

坪田 隆宏  愛媛大学, 理工学研究科(工学系), 講師 (00780066)

研究期間 (年度) 2020-04-01 – 2022-03-31
研究課題ステータス 完了 (2021年度)
配分額 *注記
4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2021年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2020年度: 2,470千円 (直接経費: 1,900千円、間接経費: 570千円)
キーワードTraffic accident / Traffic engineering / Deep learning / 畳込みニューラルネットワーク / Accident prediction / Accident Risk / Deep Learning / 畳込ニューラルネットワーク / Traffic Safety / 交通事故リスク / 深層学習 / 高速道路 / 交通マネジメント / ビッグデータ
研究開始時の研究の概要

本研究では,動的に変動する事故リスクを考慮した交通マネジメントの実装を念頭に,交通事故リスクをリアルタイムに評価可能なディープラーニングモデルを構築するとともに,同モデルの有効性を実ネットワークにおいて検証する.具体的には,都市内,および都市間高速道路を対象とし,交通流観測データや天候データ,ならびに事故データ等を長期間蓄積したビッグデータを活用して研究を遂行する.2020年度は交通工学の知見を援用しつつ,交通事故発生リスク推定モデルの構築に有効な変数の選択,および同モデルの構築に取り組む.2021年度には実道路ネットワークの実交通流を対象に,構築したモデルの推定精度を検証する.

研究成果の概要

本研究は、ディープラーニングモデルを活用した交通事故リスク予測モデルの構築を行い、同モデルの予測精度向上に資する入力データを明らかにすることを目指すものであり、都市間高速道路を対象とする近未来の交通事故リスク予測モデルを構築した。モデルは畳込みニューラルネットワークを基本とし、入力には車両感知器の速度・交通量・時間占有率(OCC)を使用した。また、入力データの質による影響を検討するために、交通状況の時間変動成分を考慮した分析を実施した。その結果、予測精度向上には、交通量とOCCの時間変動成分が有効であるとの知見を得た。また、構築したモデルの出力は実際の事故発生確率と概ね一致することを確認した。

研究成果の学術的意義や社会的意義

交通事故は物的・人的に多大な損失をもたらす為、事故の起こりやすさ、すなわち事故リスクを予測し、ドライバーへの情報提供や交通対策により事故の発生を未然に防ぐことが重要となる。本研究で構築した事故リスク予測モデルは近未来の事故リスクを高精度に予測する為、事故リスク低減を目指した交通管制に活用可能であると期待される。また、深層学習モデルの精度向上において、交通工学分野の知見が有用であることを示した点においても、同分野におけるAI技術の活用において重要な示唆を与えたといえる。

報告書

(3件)
  • 2021 実績報告書   研究成果報告書 ( PDF )
  • 2020 実施状況報告書
  • 研究成果

    (7件)

すべて 2021 2020

すべて 雑誌論文 (1件) (うち査読あり 1件、 オープンアクセス 1件) 学会発表 (6件) (うち国際学会 3件)

  • [雑誌論文] PREDICTION OF TRAFFIC ACCIDENT LIKELIHOOD ON INTERCITY EXPRESSWAY BY CONVOLUTIONAL NEURAL NETWORK2020

    • 著者名/発表者名
      Takahiro TSUBOTA, Toshio YOSHII, Jian XING
    • 雑誌名

      AI・データサイエンス論文集

      巻: 1 号: 1 ページ: 11-17

    • DOI

      10.11532/jsceiii.1.1_11

    • NAID

      130007940725

    • ISSN
      2435-9262
    • 年月日
      2020-11-11
    • 関連する報告書
      2020 実施状況報告書
    • 査読あり / オープンアクセス
  • [学会発表] Effect of the Multicollinearity of Interaction Terms on the Performance of the ANN Model2021

    • 著者名/発表者名
      Celso Luis FERNANDO, Toshio YOSHII, Takahiro TSUBOTA, Hirotoshi SHIRAYANAGI
    • 学会等名
      Proceedings of the Eastern Asia Society for Transportation Studies
    • 関連する報告書
      2021 実績報告書
    • 国際学会
  • [学会発表] A Factor Extraction Method using Deep Learning Technique on Traffic Accident Risk2021

    • 著者名/発表者名
      Celso Luis Fernando, Toshio Yoshii, Takahiro Tsubota, Hirotoshi Shirayanagi
    • 学会等名
      2021 International Symposium on Transportation Data & Modelling (ISTDM 2021)
    • 関連する報告書
      2021 実績報告書
    • 国際学会
  • [学会発表] Deep Learning Model for Predicting Traffic Accident Risk on an Expressway2021

    • 著者名/発表者名
      Takahiro Tsubota, Mamoru Shimmizu, Toshio Yoshii, Hirotoshi Shirayanagi
    • 学会等名
      2021 International Symposium on Transportation Data & Modelling (ISTDM 2021)
    • 関連する報告書
      2021 実績報告書
    • 国際学会
  • [学会発表] 交互作用項の多重共線性が ANN モデルのパフォーマンスに及ぼす影響2020

    • 著者名/発表者名
      Celso Luis FERNANDO, 吉井稔雄, 坪田隆宏, 白柳洋俊
    • 学会等名
      第18回ITSシンポジウム2020
    • 関連する報告書
      2020 実施状況報告書
  • [学会発表] 首都高速道路におけるAIを用いたオンライン事故リスク算定モデルの構築と活用可能性の検証2020

    • 著者名/発表者名
      田中淳, 吉井稔雄, 坪田隆宏, 田畑大, 川松祐太, Chhatkuli Subas, 城所貴之
    • 学会等名
      第18回ITSシンポジウム2020
    • 関連する報告書
      2020 実施状況報告書
  • [学会発表] CNNを用いた都市間高速道路の交通事故リスク予測モデル2020

    • 著者名/発表者名
      坪田 隆宏, 吉井 稔雄, XING Jian
    • 学会等名
      第40回交通工学研究発表会
    • 関連する報告書
      2020 実施状況報告書

URL: 

公開日: 2020-04-28   更新日: 2023-01-30  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi