O-006
長時間バスロケーションデータに対するサポートベクトル回帰及び畳み込みニューラルネットワークによる到着時刻予測

◎山崎将貴・名倉陽太・荒木大輝・豊木博泰（山梨大）

山梨県内のバスの利便性を向上するため、データベース(DB)に蓄積された4年余りにわたるバスロケデータをもとにした機械学習による遅延予測サービスを行うことを目的として、DBのデータと渋滞情報(VICS)を入力とした線形回帰モデル、サポートベクトル回帰、k-最近傍法、リッジ回帰モデル、畳み込みニューラルネットワーク(CNN)による予測精度の比較を行った。予測とは、目的の停留所への到着時刻を予測時点までの位置時系列により推定することを意味する。SVRの精度は路線の特性に依存するが、CNNはほとんどの路線について単回帰による予測精度を上回り、ボトルネックに対する耐性があることがわかった。