渋滞は大きな損失を与えるため渋滞を検知し回避することは重要である。渋滞情報は主に道路上の感知器によるものもしくは民間の渋滞予測サービスを使用するユーザの現在地によるものである。しかし、前者は全道路を網羅の低さ、後者は位置データの偏りが問題となる。これらの問題を解決する手法として青柳らは都営バスのデータと機械学習を用いて渋滞・非渋滞の二値分類を行う渋滞検知手法を提案した。しかし、この手法では正解データが不均衡であるためaccuracyに比べF1スコアが低いという課題がある。よって本論文では不均衡データに対するアプローチを行い、都営バスのデータを用いた渋滞検知手法の分類精度向上を目指す。