เวอร์ชั่น PDF [PDF: 423KB]

　NEXCO東日本（東京都千代田区）と東京大学大学院情報学環（東京都文京区）は、渋滞予測モデルの精度を競う『第2回渋滞予測チャレンジコンテスト（以下、コンテスト）』を2024年1月31日に発表し、最終審査及び表彰式を6月27日に開催しました。
　コンテストでは、211件の応募があり、この中から精度賞10名、モデリング賞2名の入賞者を決定しました。

1. ผลการประกวดความท้าทาย

เราจะพัฒนาแบบจำลองการทำนายความแออัดตามข้อมูลที่บริษัทของเราให้ไว้ (ปริมาณการจราจร ข้อมูลความแออัดจริง ข้อมูล ค้นหา เส้นทาง ฯลฯ) และจะคำนวณความแตกต่างระหว่างการคาดการณ์และผลลัพธ์จริงตามวันที่ที่ระบุตั้งแต่วันที่ 1 เมษายนถึง 6 พฤษภาคม พ.ศ. 2567 บุคคล 10 อันดับแรกที่สร้างแบบจำลองที่มีข้อมูลน้อยที่สุดได้รับเลือกให้เป็นผู้ชนะรางวัลความแม่นยำ และบุคคลสามอันดับแรกได้รับรางวัล นอกจากนี้ เรายังประเมินวิธีการประมวลผลข้อมูลและนโยบายการสร้างแบบจำลองในเชิงคุณภาพในหมู่ผู้ชนะ และมอบรางวัลการสร้างแบบจำลองให้กับบุคคลสองคนที่พัฒนาแบบจำลองการทำนายความหนาแน่นของการจราจรที่ยอดเยี่ยมที่สุด

รางวัลความแม่นยำ

	รหัสผู้ใช้	ความแม่นยำในการทำนาย *
อันดับที่ 1	โทโมเอะ	0.56422
อันดับที่ 2	ดังนั้น	0.54637
อันดับที่ 3	มาเม็ก	0.54557

• ความแม่นยำในการทำนายคือดัชนีที่พิจารณาทั้งการเรียกคืนและความแม่นยำ และรับค่าระหว่าง 0 ถึง 1 ยิ่งค่าสูง ความแม่นยำก็จะยิ่งสูงขึ้น
  • อัตราการเรียกคืน: เปอร์เซ็นต์ของการจราจรติดขัดที่เกิดขึ้นจริงซึ่งอาจคาดการณ์ได้ว่าจะเกิดขึ้น
  • อัตราที่แม่นยำ: อัตราส่วนของการจราจรติดขัดที่เกิดขึ้นจริงต่อการคาดการณ์ว่าจะเกิดขึ้น
• สำหรับข้อมูลผู้ชนะรางวัลอื่นๆ โปรดตรวจสอบ เว็บไซต์การแข่งขัน "SIGNATE"​

รางวัลการสร้างแบบจำลอง

ความคิดเห็นของผู้พิพากษา (ศาสตราจารย์ Interfaculty Initiative in Information Studies, University of Tokyo, Noboru Koshizuka)

ต่อจากการแข่งขันครั้งแรก คราวนี้เราได้พัฒนาแบบจำลองการทำนายการจราจรติดขัดที่ยอดเยี่ยมอีกครั้ง แม้ว่าเราจะเปลี่ยนแปลงข้อมูลที่ให้ไว้ตั้งแต่การแข่งขันครั้งแรก แต่เราได้รับแนวคิดมากมายจากมุมมองใหม่ๆ เช่น วิธีการประมวลผลข้อมูลและนโยบายการสร้างแบบจำลอง

ความคิดเห็นของสำนักเลขาธิการ (เคนจิ คาวาซากิ แผนกส่งเสริม ITS สำนักงานใหญ่ธุรกิจการจัดการ NEXCO EAST)

เราจะยืนยันประสิทธิภาพของคุณลักษณะและแนวคิดของแบบจำลองการทำนายการจราจรติดขัดที่คุณเสนอในครั้งนี้ จากนั้นจึงดำเนินการเพื่อให้บรรลุวิสัยทัศน์ของเราสำหรับทางด่วนรุ่นต่อไป (mo Vision)

2. แผนการในอนาคต

เราจะวิเคราะห์แบบจำลองการทำนายความแออัดที่ชนะการแข่งขัน และทำงานเพื่อปรับปรุงการทำนายความแออัดเพิ่มเติมโดยนำไปใช้กับช่วงการจราจรติดขัดอื่น ๆ เช่น โอบง และวันหยุดปีใหม่ และนำไปใช้กับเส้นทางอื่น ๆ นอกจากนี้เรายังจะทำการล้างข้อมูลโดยอัตโนมัติด้วยมุมมอง เราจะสำรวจวิธีทำงานร่วมกับระบบอื่นๆ และระบบภายใน และให้ข้อมูลการคาดการณ์การจราจรติดขัดที่แม่นยำและทันท่วงทีผ่านการวิจัยร่วมกัน

3. ผู้พิพากษา

Noboru Koshizuka ศาสตราจารย์ Interfaculty Initiative in Information Studies บัณฑิตวิทยาลัยมหาวิทยาลัยโตเกียว
Yuno Shibuya รองศาสตราจารย์ บัณฑิตวิทยาลัยสหวิทยาการสารสนเทศศึกษา มหาวิทยาลัยโตเกียว
นักข่าวด้านการเคลื่อนไหว เอตสึโกะ คูสุดะ
ผู้อำนวยการฝ่ายวิจัยการขนส่ง ฝ่ายวิจัยสิ่งแวดล้อมการขนส่ง สถาบันวิจัย NEXCO เคน ซู ชิน จิน
โนบุโยชิ นาคานิชิ ผู้จัดการทั่วไป สำนักงานใหญ่ธุรกิจการจัดการ NEXCO EAST