Recomendados
Mais conteúdo relacionado
Mais procurados
Mais procurados (20)
Destaque
Destaque (20)
Semelhante a 交通ビッグデータ分析の事例紹介と活用に向けた議論@交通関連ビッグデータの社会への実装研究小委員会
Semelhante a 交通ビッグデータ分析の事例紹介と活用に向けた議論@交通関連ビッグデータの社会への実装研究小委員会 (20)
Mais de Kohei Ota
Mais de Kohei Ota (20)
交通ビッグデータ分析の事例紹介と活用に向けた議論@交通関連ビッグデータの社会への実装研究小委員会
- 6. コンシューマサービスの規模 6 日本の全通信キャリア・ほぼ全ての端末にて ナビゲーションサービスを提供しています 月間利用者数 約2,000 万ユニークユーザ/月 提供端末（全通信キャリアに対応）
- 7. ナビタイムのもつデータ・技術 地点 情報 技術 路線推定 技術 公共交通 時刻表 常タ 補完タ 道路 NW 公共交通 時刻表 経路探索 プローブ マッチング 施設 時刻表 分析観点 分析結果 道路 路線推定 補完分析 来訪予測 プローブ 渋滞分析 路線推定 技術 経路検索 実績 基本データ ユーザログデータ 経路補完技術 関連技術 ナビゲーションサービスで培った技術・データを、交通分析にも活かしています。 本日ご紹介
- 9. 概要 9 データ取得対象サービス ナビタイムジャパンが運営する 下記サービスのデータを使用 スマート フォン • ドライブサポーター • カーナビタイム for Smartphone • au助手席ナビ フィーチャー フォン • ドライブサポーター • EZ助手席ナビ 専用端末 • カーナビタイム プローブデータの取得方法 • 1～6秒間隔で測位したGPS座標から 速度等を算出する • 匿名化の上各種分析に利用 100m 座標のプロット
- 12. • 右左折方向別の交差点通過時間を、 経路毎のリンク列データから推定した。 • 対象期間：2012年9月 7-19時 • 対象地域：東京西部(右図) 全信号交差点 右左折方向別の交差点分析 ～研究概要～ 概要 評価区間の概要 • 信号前後の評価区間の 通過時間から、 自由流(30km/h)相当の 所要時間を差し引いて算出。 交差点通過時間の算出方法 直進評価区間 250m 共通区間200m 右折評価区間 250m 延長区間 50m 12 下記論文より タイトル 携帯カーナビのプローブ交通情報を活用した道路交通分析 発表先 第47回土木計画学研究発表会 2013/06/02 著者 ナビタイムジャパン 太田 恒平，大重 俊輔／計量計画研究所 矢部 努／国土技術政策総合研究所 今井 龍一，井星 雄貴
- 13. 右左折方向別の交差点分析 ～地図表示～ 13 評価区間線の凡例： 平均交差点通過時間（t[s]） 別に色分け ➔：t ≦15 ➔：15＜t ≦30 ➔：30＜t ≦60 ➔：60＜t ≦90 ➔：90＜t 通過数が多いほど 線幅が太い Quantum GIS による地図表示例 一般的なGIS上で方向別の交差点通過時間を一覧可能
- 14. 0% 5% 10% 15% 20% 25% 30% ≦0 ≦40 ≦80 ≦120 ≦160 ≦200 ≦240 ≦280 ≦320 ≦360 ≦400 ≦440 交差点通過時間[s] 左折(平均149s, 219台) 直進(平均55s, 717台) 0 60 120 180 240 300 360 420 7 8 9 10 11 12 13 14 15 16 17 18 交差点通過時間[s] 時間帯 左折時間（平均±標準偏差） 直進時間（平均） 車線割り当て 右左折方向別の交差点分析 ～詳細分析（西巣鴨）～ 14 交差点通過時間の分布 時間帯別の交差点通過時間 信号待ちが 2・3回発生 15～16時頃がピーク • 直進との通過時間差が最大となった西巣鴨 交差点の国道17号上り→明治通り外回りの 左折について詳細分析を行った。 概要 信号現示(実測) サイクル長 139s 直進・左折 36s 右折 17s 交差点構造の変更や信号制御の見直しのための分析が可能
- 15. 交通流分析 ～新設ICの利用状況（高尾山IC）～ 15 高尾山IC入口 凡例 流入 対象 流出 数字は 流入・流出率[%] 2012年10月(1か月)のデータを基に作成 橋本駅付近→八王子JCT (n=608) (n=2254) 至 厚木 至 町田 橋本駅 R16八王子IC→経 由から 町田・厚木 方面から 約30%流入 町田街道経由の 相模原以南から 62%流入 ICの利用圏・経路選択の分析によりIC設置の効果測定が可能 八王子BP・ 八王子IC 経由28% 町田街道・ 高尾山IC 経由70% 橋本駅 八王子IC (n=258) 断面抽出データ 複数箇所抽出データ
- 20. データの可視化 ～ヒートマップ～ 2013年4月13日 16時台 「ももいろクローバーZ」 のライブ（開演17時）が 西武ドームで 始まる1時間前 20 西武球場前 駅 ヒートマップにより移動が集中する場所を見つけることができます。 描画条件： 1時間に600回以上 発着地に指定されている駅を描画。 多いほど赤い。 データ元： NAVITIME, 乗換NAVITIME, PC-NAVITIME
- 21. 0 500 1000 1500 2000 2500 5 6 7 8 9 1011121314151617181920212223 累積経路検索数[件] 検索対象時刻 リアルタイム 10分前 2時間前 15時間前 4日前 定常検索数 突発的移動需要の検出 ～具体例（西武球場前）～ 21 輸送力調整、混雑回避の誘導、駅付近店舗の供給調整に活用可能。 2013年04月13日に西武球場前を到着指定した検索数 グッズ 販売前 開演前 ４日前から 普段の８倍 経路検索の際には数時間～数日先の日時を指定されることが多いため、 近未来の移動需要を検出することができます。
- 22. 突発的移動需要の検出 ～検出方法～ 22 4日前 15時間前 2時間前 10分前 検索実施日時 ？件 検索指定日時 平常日の2倍以上の 検索数が予測されたら 「突発的移動需要」 平常日の検索数 過去の傾向を元に 検索の伸びを予測 下記論文より タイトル 経路検索サービスの実績データに基づく近未来の突発的移動需要の検出 発表先 第47回土木計画学研究発表会 2013/06/01 著者 ナビタイムジャパン 石村伶美， 太田恒平， 千葉工業大学 富井規雄 経路検索実績データを基に未来の突発的移動需要検出を試みた。 学習期間：2013年2月1日～3月17日(6週間) 予測対象期間：2013年3月18日～4月14日(4週間) 予測対象単位：1,762,880＝駅数(1574)×日数(28)×時間帯数(20)×発着区分数(2)
- 23. 突発的移動需要の検出 ～検出結果～ 23 分類 小分類 検出数 例 レジャー コンサート 62 西武球場前、水道橋/後楽園（東京ドーム）… スポーツ 17 浮間舟渡/蓮根/京成佐倉（市民マラソン）、 浦和美園（埼玉スタジアム2002） その他イベント 12 国際展示場正門、横須賀中央（横須賀基地） 行楽地・施設 28 九段下（お花見）、高尾山口、東京ディズニーシー 業務・ 教育 オフィス街 36 日本大通り（神奈川県庁）、都庁前、霞ヶ関… 教育イベント 47 九段下（日本武道館）、日吉（慶応義塾大学）… 交通 ダイヤ改正 15 和光市/新宿三丁目/北参道/元町・中華街 （東横線/副都心線） 空港 2 羽田空港、羽田空港第1ビル 不明 - 48 - 合計 267 - 予測対象期間：2013年3月18日～4月14日(4週間) 突発的移動需要発生回数：全12,268回（4日前検出率2.2%）
- 25. OD分析 ～成田 V.S. 羽田～ 0-25% 25-35% 35-45% 45-55% 55-65% 65-75% 75-100% 各エリアから成田・羽田への 車経路検索のうちの成田検索シェア y = -0.003x + 0.627 R² = 0.2967 0% 20% 40% 60% 80% 100% -90分-60分-30分 0分 30分 60分 90分 各エリア内で 最もアクセスが多い地点への 所要時間を計算。 所要時間計算基準： ・11/29 8:00着の渋滞考慮 ・高速道路優先 円の大きさは 成田+羽田の検索数を表す。 競合交通・施設との比較分析が可能 10分短縮で シェア3%増 ←成田が近い 羽田が近い→ 常磐・東北・北関東・ 関越・上信越道の 沿道でのシェアが高い。 圏央道開通で勢力図は大きく変わる？ 各エリアから成田・羽田への車経路所要時間差 と成田検索シェアの関係
- 26. 順位 発駅 期間中の 検索数 1池袋 105 2大宮 79 3新宿 72 4渋谷 65 5北千住 57 6横浜 45 7蒲田 44 8葛西 40 9上野 40 10中目黒 40 対象データ： 一部公式サービスにおいて 2013年5月13日～20日(8日間) に実行された検索実績 OD分析 ～終電検索 六本木発～ 26 色 1日あたり の検索数 ● 6＜n ● 3＜n≦6 ● 1＜n≦4 ● 0.8＜n≦1 六本木発終電検索回数：6,645回 終電検索のデータから、 昨今話題の終夜・深夜バスの 潜在需要が分かります。 北方面への 深夜バスの 需要あり？
- 27. 交通の ビッグデータ整理 27
- 28. 対象 データ単位 挙動 点列 断面 リンク 交差点 リンク数本 交通流 リンク列 OD トリップ 回遊 トリップチェーン 行動圏 面 時間と精度で整理するプローブデータ分析 28 国交省 民間プローブの 主な研究領域 常時測位 （プローブパーソン） での主な研究領域 今回のご紹介 プローブデータを用いた分析の領域は今回のご紹介以外にもまだまだあります。 高精度 長時間
- 29. 道路 公共交通 シーン ナビゲーション サービス その他インター ネットサービス 行きたい どこに どうやって 行ってる どうだった まだまだある交通のビッグデータ 29 道路 公共交通 シーン ナビゲーション サービス その他インター ネットサービス 行きたい 広告・レコメンド 広告・レコメンド SNS・検索 どこに 施設検索 予約・観光情報 SNS・検索 予約 どうやって 経路検索 経路選択 予約 トラカン ETC 道路プローブ ICカード/改札 乗車人員 運行状況 行ってる プローブ 常時測位 SNS どうだった 口コミ SNS これまで主に移動実績データが研究対象となっていましたが、 移動の各シーンにおいて蓄積されたビッグデータはまだまだたくさんあります。 これまでの主 な研究対象 紹介 紹介 今後 今後 上流の意思決定のデータを分析結果を、大胆な交通施策に活かせないか
- 31. ビッグデータ 活用のために 31
- 32. ビッグデータの特質 ～3つの V ～ 32 •例)プローブ：8GB/日, 経路検索：600万回/日 •情報が多い分扱いは大変 Volume: 量 •様々なプレーヤーから得られる •特定の分析目的用ではない •項目は様々, 誤差・偏りは当然ある Variety: 種類 •基本的に常時取得される Velocity: 頻度 うまく扱えば、多くのことが、広いエリアで、 高頻度に、低コストに、正確にわかる 飛躍ゆえに課題も多い
- 33. 実務者から見た課題 33 ① IT技術の浸透 ② 標準化による流通促進 ③ 各手法の改善 技術者コミュニティの形成
- 34. 課題①IT技術の浸透 34 交通の現場 ・事業者 ・行政 交通分析者 ・研究機関 ・コンサル ビッグデータ関連のIT技術者 ・データ提供者 ・数値分析, システム提供者 何を言っているかわからない… なぜ要件通りにデータを取れないの？ やりたいことができるデータなの？ データが大量すぎて扱えない… Excelで見れないの？ ITの標準用語や図表で説明してるのに… ログデータの限界を理解して… 何をしたいのかわからない… 色々分析するというから非集計なのに… DB,XMLくらい使えてくれ… データを減らしたら安くなる？ 集約・抽出条件が増えると作業増… 交通 ビッグデータ 一般的な IT 間をつなげる 人が少ない 交通業界全体のIT技術の底上げもしていきたい 共通領域に したい 交通とITの両使いの技術者を増やしたい 固有分野の 相互理解 データを作ったので使ってください 一つずつDL、Excelセル結合、ID無い… 実績を元に定型化してツールを整備
- 38. お問い合わせ先 メールアドレス consulting@navitime.co.jp (交通コンサルティング事業 宛) kohei-ota@navitime.co.jp (太田恒平 宛) 電話番号 03-3402-0712 （法人営業部 宛） 38 会場にいる弊社メンバーにぜひお声がけください