舉辦第二屆擁堵預測挑戰賽 (結果)
-使用高速公路收費和路線搜索數據挑戰高速公路擁堵預測的複雜性-
2024年7月31日
東日本高速道路株式会社
東京大学大学院情報学環
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。
（中左/中：S_O，中右：巴）
1.挑戰賽結果
我們將根據我公司提供的數據（交通量、實際擁塞數據、路線搜索數據等）開發擁塞預測模型，併計算4月1日至5月6日指定日期的預測與實際結果的差異，2024年，以最少數據量建構模型的前10名人員被評選為準確性獎得主，前三名人員獲得獎勵。此外，我們還對獲獎者中的資料處理方法和建模策略進行了定性評估，並向開發出最優秀交通擁堵預測模型的兩人頒發了建模獎。
精度獎
| 用戶ID | 預測準確度* | |
|---|---|---|
| 第一名 | tomoe | 0.56422 |
| 第二名 | S_O | 0.54637 |
| 第三名 | mameg | 0.54557 |
- 所謂預測精度是指同時考慮再現率和適合率的指標，取0~1的值，越大的值表示精度越高。
- 再現率:在實際發生的交通堵塞中，預計發生交通堵塞的百分比
- 適合率:預測發生交通堵塞的項目中實際發生交通堵塞的比例
- 其他獲獎者資訊請查看大賽網站“SIGNATE”
模型獎
| 用戶ID | 表彰理由 |
|---|---|
| tomoe | 該模型按路線和方向分開，選擇和設置的特徵反映了交通擁堵期間一周中各天的安排、擁堵發生的模式和位置 ，該模型與NEXCO東日本的方式接近交通預報員認為。 |
| S_O | 考慮到造成交通擁堵的主要原因是早晚搜索連續節假日等“時間因素” DraPla以及距離旅遊點遠近、上坡等“地理因素”，該模型表現出了一些巧妙之處，比如根據不同的交通條件進行分組設定等。 |
評委評論 (東京大學信息學教授越冢登)
繼第一屆比賽之後，我們這次也開發了一個優秀的擁堵預測模型。雖然我們從第一場比賽中更改了提供的數據等，但我們能夠從新的角度獲得許多想法，例如數據處理方法和建模策略。
秘書處評論（NEXCO東日本管理事業部 ITS 推廣部川崎健司）
對於這次提出的擁塞預測模型，我們將確認其特徵和想法的有效性，然後為實現我們的「下一代高速公路願景」（mo Vision）而努力。
2.今後的計劃
分析在比賽中獲獎的擁堵預測模型，將其應用於盂蘭盆節和年末年初等其他交通擁堵期，並推廣到其他路線，進一步提高擁堵預測的水平。同時，我們將通過共同研究促進數據清理的自動化，與公司內部係統的合作，提供高精度和及時的擁堵預測信息。
3.審查員
Noboru Koshizuka，東京大學研究所資訊研究跨系所倡議教授
Yuno Shibuya，東京大學研究生院跨學科資訊研究科副教授
移動記者 楠田悅子
NEXCO綜合研究所交通環境研究部交通研究部主任蘇健辛吉恩
Nobuyoshi Nakanishi，NEXCO東日本管理業務總部總經理
要查看PDF文件，您需要Adobe系統外掛程式軟體「Acrobat Reader（日語版）」。如果你沒有在這裡下載（免費）請使用它。