運行情報と気象情報の畳み込みによるバス到着時刻予測手法

公共交通機関における利便性は利用者の利用意欲に直接的な影響を与えている．利便性を向上させる方法の1つとして，利用者への到着時刻予測の提供が挙げられる．特に路線バスにおいては，天候，乗降者数，交通状況など様々な要素が複雑に関係しており，正確な予測を行うことは難しい．路線バスにおける到着時刻予測の既存研究の中で，現状，Convolutional LSTMをベースにバス路線の過去の運行データを特徴量として用いた手法が最も有効である．しかしながら，この手法には大きく2つの問題点がある．まず時刻表が存在せず，一定間隔の頻度で走行する路線を対象に評価を行っているため早着によるバス停での意図的な停車など，時刻表ベース特有の特徴が考慮されていない点，次に雨などの天候の影響によって運行が乱れた際に予測精度が大きく低下する点である．本研究ではこれらの問題点を解決するために気象データと過去の運行データをConvolutional LSTMを用いて同時に畳み込み，走行時間と停車時間を別々のモデルで予測する手法を提案する．兵庫県神戸市内のバス路線の9ヶ月間の実運行データを利用し，評価実験を行った．データセットの最後の1週間を対象にConvolutional LSTMを用いた既存研究との予測精度の比較を行った結果，1週間全体で見ると，1.36%の平均絶対パーセント誤差の減少が見られた．特に夕方の時間帯や，雨天時に運行が大きく乱れた場合には，約3%と1週間全体と比べて平均絶対パーセント誤差を大きく減少できた．