交通速度の予測におけるGraph Neural Network 学習の効率化に関する研究

抄録

渋滞発生の抑制を目的に，リアルタイムの交通速度予測や動的な交通制御を行う必要がある．近年では深層学習手法であるGraph Neural Network (GNN)を用いた例も多く報告されているが，データ規模が大きい場合には，学習時間が長い，メモリ使用量が大きいことが問題となる．そこで，高い精度を目指しつつ，かつ効率的なモデルの学習が重要な課題となる．本稿では，公開されているMETR-LAデータセットとイングランドの道路交通データを用いた交通速度予測において，学習時間を短縮する改良を試みた．モデルにはGNNを用い，隣接行列の初期値を操作的に変化させた場合の学習時間と予測精度の感度分析を行い，データにより最適な初期値が異なるという知見を得た．またイングランドのデータにおいては，本稿で提案した方法は既往手法と比較して精度を犠牲にすることなく，学習時間を短縮する結果が得られた．