| 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。
|
