疎な観測に基づくネットワークの交通状態予測を目的とした交通流理論と深層学習の融合

• 研究課題/領域番号: 24K17364
• 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: 安田 昌平 東京大学, 大学院工学系研究科(工学部), 助教 (00899247)
• 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: 4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円); 2027年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円); 2026年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円); 2025年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円); 2024年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
• キーワード: 交通ネットワーク / 交通流理論 / 深層学習 / 交通状態推定

研究開始時の研究の概要

道路ネットワークの渋滞を予測することは適切な交通制御にとって不可欠な要素である．特に近年は高速道路の修繕を目的とした大規模な工事が頻繁に実施されており，このような未観測状況下におけるネットワークの交通状態を予測する方法論の重要性が増している．本研究は，未観測状況下におけるネットワークの交通状態予測を適切に行い，また当該状況の観測が僅かでも得られた際に事前の予測結果を補正する方法論の開発を目的とし，交通流の変動を記述可能な物理情報付き深層学習モデルの開発，複雑なネットワークから交通状態の特徴を効率的に抽出する手法の開発，疎な観測に基づいて深層学習モデルの補正を行う手法の開発を行う．