PDF版本[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.挑战赛结果

我们将根据我公司提供的数据（交通量、实际拥堵数据、路线搜索数据等）开发拥堵预测模型，并计算4月1日至5月6日指定日期的预测与实际结果的差异， 2024年，用最少数据量构建模型的前10名人员被评选为准确性奖获得者，前三名人员获得奖励。此外，我们还对获奖者的数据处理方法和建模策略进行了定性评估，并向开发出最优秀交通拥堵预测模型的两人颁发了建模奖。

精度奖

	用户ID	预测准确度*
第一名	tomoe	0.56422
第二名	S_O	0.54637
第三名	mameg	0.54557

• 所谓预测精度是指同时考虑再现率和适合率的指标，取0~1的值，越大的值表示精度越高。
  • 再现率:在实际发生的交通堵塞中，预计发生交通堵塞的百分比
  • 适合率:预测发生交通堵塞的项目中实际发生交通堵塞的比例
• 其他获奖者信息请查看大赛网站“SIGNATE”​

模型奖

评委评论 (东京大学信息学教授越冢登)

继第一届比赛之后，我们这次也开发了一个优秀的拥堵预测模型。虽然我们从第一场比赛中更改了提供的数据等，但我们能够从新的角度获得许多想法，例如数据处理方法和建模策略。

秘书处评论（NEXCO东日本管理事业部 ITS 推进部川崎健司）

我们将确认您这次提出的交通拥堵预测模型的特征和想法的有效性，然后努力实现我们对下一代高速公路的愿景（mo Vision）。

2.今后的计划

分析在比赛中获奖的拥堵预测模型，将其应用于盂兰盆节和年末年初等其他交通拥堵期，并推广到其他路线，进一步提高拥堵预测的水平。同时，我们将通过共同研究促进数据清理的自动化，与公司内部系统的合作，提供高精度和及时的拥堵预测信息。

3.审查员

Noboru Koshizuka，东京大学研究生院信息研究跨院系倡议教授
Yuno Shibuya，东京大学研究生院跨学科信息研究科副教授
移动记者 楠田悦子
NEXCO综合研究所交通环境研究部交通研究部主任苏健辛吉恩
Nobuyoshi Nakanishi，NEXCO东日本管理业务总部总经理