我々は交通渋滞緩和や交通事故削減に貢献するべく、正確でリアルタイムな道路交通情報を提供することを目的とし、プローブデータを用いた交通流予測方式を研究している。本稿では、2種類の学習データの拡張方式を説明し、交通集中渋滞を対象とした交通流の予測方式において、学習データとは異なる傾向をもった交通流の予測精度の向上について評価結果を報告する。まず、過去の蓄積データから算出した各日付の交通密度の時間推移を学習し、予測時の直近30分間の交通密度と学習データから統計的に数時間先の交通流を予測する方式を用いて検証実験を行った。しかし、学習パターンから逸脱する交通流に対しては、一定の時間帯における渋滞の発生・解消や一定以上の渋滞長の延伸を予測できず、精度に課題を抱えていた。そこで、渋滞の発生・解消時刻の予測精度向上を目的とした交通密度の変化に応じた学習データの時間拡張方式、および渋滞長の予測精度向上を目的とした学習データの時空間拡張方式を開発し、本予測方式に適用した。その結果、過去に学習していない時間帯における渋滞の発生・解消と渋滞長の延伸の予測が可能であることを確認し、精度向上を達成した。
