凍結防止剤散布出動タイミングの適正化を目的として，道路管理者が重点的に監視している道路上のIoTセンサから得られるデータと，日々公表される防災気象情報データを組み合わせて，翌日26時間分の路面温度を予測する学習モデルの精度向上を目指す．全結合型・再帰型のニューラルネットワークを構築し，路面温度の予測精度を確認する．また，アンサンブル学習の効果を確認する．結果，気温と風速は路面温度の予測に影響を与えることが分かり，全結合型ニューラルネットワークでは，路面温度・気温・風速・防災気象情報の組み合わせの入力が，最も誤差の小さい予測となった．再帰型ニューラルネットワークでは，GRUを用いた時に最も誤差の小さい予測を行えた．両方のモデルの平均をとることで，予測精度向上に期待できることが分かった．
