ノンパラメトリックな誤差構造を有する非集計交通需要学習理論の構築

• 研究課題/領域番号: 24K17363
• 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: 東京大学
• 研究代表者: 渡邉 萌 東京大学, 大学院工学系研究科(工学部), 助教 (10980518)
• 研究期間 (年度): 2024-04-01 – 2028-03-31
• 研究課題ステータス: 交付 (2024年度)
• 配分額: 4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円); 2027年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円); 2026年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円); 2025年度: 910千円 (直接経費: 700千円、間接経費: 210千円); 2024年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
• キーワード: 交通行動分析 / 離散選択モデル / ノンパラメトリックベイズ / 交通需要予測

研究開始時の研究の概要

伝統的な非集計交通需要予測モデルは，人々の日常的な交通行動に影響を及ぼす要因の (ほぼ) 完全な観測を仮定している場合が多い．観測が不十分な中で予測・分析が行われる実際の実務の現場では，近年開発が進んでいる上述の仮定を採用しているモデルでは不適切な場合が多いと考えられる．本研究の目的は，未観測要因に関する仮定を完全に緩和した形で大規模な非集計交通需要予測モデルを構築し，その有効性を検証することである．これにより，実務においてより高い予測精度を実現するモデルの開発を目指す．