การแข่งขันทำนายความแออัดที่จัดขึ้น (ผลลัพธ์)

-ท้าทายความซับซ้อนของการทำนายความแออัดบนทางด่วนโดยใช้ข้อมูลค่าผ่านทางพิเศษและ ค้นหา เส้นทาง-

เวอร์ชั่น PDF [PDF: 635KB]

2023年7月26日
東日本高速道路株式会社
東京大学大学院情報学環

NEXCO EAST (ชิโยดะ-คุ โตเกียว) และบัณฑิตวิทยาลัยสหวิทยาการข้อมูลศึกษาแห่งมหาวิทยาลัยโตเกียว (บุงเกียว-คุ โตเกียว) ได้จัดการแข่งขัน "Congestion Prediction Challenge Contest (ประกาศ ณ วันที่ 25 มกราคม 2566) (ต่อไปนี้จะเรียกว่า “การประกวด”)” พิธีตัดสินและมอบรางวัลครั้งสุดท้ายจัดขึ้นในวันที่ 6 กรกฎาคม
ในการแข่งขันมี 163 รายการในแผนกการสร้างแบบจำลองซึ่งแข่งขันกันเพื่อความแม่นยำของแบบจำลอง และ 23 รายการในแผนกไอเดียซึ่งเสนอบริการใหม่โดยใช้ข้อมูล ตัดสินใจแล้ว

ภาพถ่ายของผู้ชนะประเภท Modeling
ชนะเลิศประเภทโมเดลลิ่ง
รูปภาพของผู้ชนะประเภทไอเดีย
ผู้ชนะประเภทไอเดีย

1. ผลการประกวดความท้าทาย

ฝ่ายโมเดลลิ่ง:
当社から提供するデータ(交通量や渋滞の実績データ、ルート検索データ等)を基に渋滞予測アルゴリズムを開発し、2023年4月1日~5月7日間の指定日における予測と実績の乖離が少ない精度の高いモデルを構築した上位3名の方を精度賞として表彰するとともに、その中からルート検索データを活用した最も優れたアルゴリズムを開発した方をモデリング賞として表彰しました。

ผู้ชนะในประเภทโมเดลได้แก่:

รางวัลความแม่นยำ

รหัสผู้ใช้ คุณสมบัติของรูปแบบการพัฒนา ความแม่นยำในการทำนาย *
อันดับที่ 1 ยิ้ม แบบจำลองที่ทำการขยายข้อมูลเพื่อรักษาจำนวนข้อมูลการฝึกอบรม สร้างแบบจำลองหลาย ๆ แบบ และนำค่าเฉลี่ย 0.61235
อันดับที่ 2 team_try แบบจำลองอนุกรมเวลาที่คาดการณ์ช่วงเวลาถัดไปโดยสะท้อนถึงรูปแบบวันหยุดและการคาดการณ์ความคับคั่งในวันและช่วงเวลาก่อนหน้า 0.60976
อันดับที่ 3 isps737 โมเดลที่เน้นความแตกต่างของความเร็วเนื่องจากการมีหรือไม่มีการจราจรติดขัด และรวมเอาความแตกต่างของความเร็วเฉลี่ยจากวันก่อนหน้าไว้ในการเรียนรู้ 0.59816
  • ความแม่นยำในการทำนายคือดัชนีที่พิจารณาทั้งการเรียกคืนและความแม่นยำ และรับค่าระหว่าง 0 ถึง 1 ยิ่งค่าสูง ความแม่นยำก็จะยิ่งสูงขึ้น
    • อัตราการเรียกคืน: เปอร์เซ็นต์ของการจราจรติดขัดที่เกิดขึ้นจริงซึ่งอาจคาดการณ์ได้ว่าจะเกิดขึ้น
    • อัตราที่แม่นยำ: อัตราส่วนของการจราจรติดขัดที่เกิดขึ้นจริงต่อการคาดการณ์ว่าจะเกิดขึ้น

รางวัลการสร้างแบบจำลอง

รหัสผู้ใช้ เหตุผลในการชมเชย
team_try จากมุมมองของการใช้ข้อมูล ค้นหา เส้นทางซึ่งเป็นวัตถุประสงค์ของการแข่งขัน เราได้พัฒนาแบบจำลองที่สะท้อนข้อมูล ค้นหา เส้นทางได้ดีที่สุดเพื่อปรับปรุงความแม่นยำ

審査員コメント(東京大学大学院 情報学環 教授 越塚 登)

เพื่อตอบสนองต่อข้อมูลที่เอนเอียง เราได้พัฒนาแบบจำลองการคาดการณ์ที่ยอดเยี่ยมในช่วงเวลาสั้นๆ โดยอุทิศความเฉลียวฉลาดต่างๆ ให้กับอัลกอริทึมและการประมวลผลข้อมูล การเพิ่มประสิทธิภาพและการปรับความคิดสร้างสรรค์ที่ไม่คาดคิดได้ดำเนินการในแบบจำลองการคาดการณ์ที่นำเสนอ และเราได้รับแนวคิดที่น่าสนใจมากสำหรับการปรับปรุงความแม่นยำของการทำนายความแออัดของการจราจรบนทางด่วน

2. แผนกความคิด

หมวดหมู่ไอเดีย:
นอกเหนือจากข้อมูลที่บริษัทของเราจัดหาให้ (ปริมาณการจราจร ข้อมูลการจราจรติดขัด ฯลฯ) เราจะใช้ข้อมูลเปิดภายนอกด้วย และบุคคล 2 คนที่เสนอแนวคิดที่ยอดเยี่ยมโดยเฉพาะ เช่น บริการใหม่บนทางด่วนจะได้รับรางวัล เป็นรางวัลไอเดีย

ผู้ชนะในหมวดไอเดียได้แก่:

รางวัลความคิดดี

รหัสผู้ใช้ โครงร่างความคิด
สตาร์มี เพื่อจุดประสงค์ในการหลีกเลี่ยงรถติดเพื่อรอที่ชาร์จด่วน ให้ใช้ข้อมูล เช่น สถานะการใช้งานที่ชาร์จด่วนและสภาพการจราจรบนทางด่วน เป็นต้น และแจ้งการคาดคะเนเวลารอที่ชาร์จด่วนเพื่อกระจายการใช้งาน
W5EaSD_2016 เพื่อจุดประสงค์ในการหลีกเลี่ยงรถติด เราจะส่งเสริมการท่องเที่ยวด้วยการให้ข้อมูลสถานที่ท่องเที่ยวโดยรอบโดยใช้ข้อมูล เช่น สภาพการจราจรบนทางด่วนและถนนทั่วไป จุดท่องเที่ยว และข้อมูลกิจกรรมในบริเวณโดยรอบ

ความคิดเห็นของผู้พิพากษา (Noriyoshi Nakanishi ผู้จัดการทั่วไปฝ่ายส่งเสริม ITS สำนักงานใหญ่ NEXCO EAST Management Business)

เราได้รับข้อเสนอมากมายในหัวข้อต่างๆ เช่น การเพลิดเพลินกับการจราจรติดขัด สิ่งแวดล้อม SA/PA และความปลอดภัยในการจราจร หนึ่งในรางวัล Good Idea คือข้อเสนอเพื่อตอบสนองต่อยานยนต์ไฟฟ้าซึ่งกำลังเป็นที่นิยมมากขึ้น ส่วนอีกข้อคือข้อเสนอสำหรับมาตรการส่งเสริมการท่องเที่ยวโดยร่วมมือกับพื้นที่ท้องถิ่น เช่น สิ่งอำนวยความสะดวกสำหรับนักท่องเที่ยวและสิ่งอำนวยความสะดวกทางวัฒนธรรมเพื่อหลีกเลี่ยงรถติด และเกี่ยวข้องกับการใช้ทางด่วน
เราจะศึกษาแบบจำลองการคาดการณ์การจราจรติดขัดที่มีประสิทธิภาพและแนวคิดสำหรับการประยุกต์ใช้จริงต่อไป

3. ผู้พิพากษา

ศาสตราจารย์ Noboru Koshizuka, Interfaculty Initiative in Information Studies, University of Tokyo
Yuya Shibuya รองศาสตราจารย์ ศูนย์วิทยาศาสตร์สารสนเทศเชิงพื้นที่ มหาวิทยาลัยโตเกียว
Etsuko Kusuda นักข่าวด้านการเคลื่อนไหว
NEXCO Research Institute Traffic Environment Research Department, Traffic Research Manager เคนซิง ชิน แจน
Noriyoshi Nakanishi ผู้จัดการทั่วไป ฝ่ายส่งเสริม ITS สำนักงานใหญ่ NEXCO EAST Management Business

สี่ การแข่งขันท้าทายคืออะไร?

การประกวดนี้เป็นส่วนหนึ่งของ "การวิจัยร่วมกันเกี่ยวกับความพยายามในการใช้ข้อมูล" ตาม "ข้อตกลงความร่วมมือด้านการวิจัยเกี่ยวกับโครงสร้างพื้นฐานของสังคมสารสนเทศ" ที่สรุปในปี 2554 โดย NEXCO EAST และบัณฑิตวิทยาลัยสหวิทยาการข้อมูลมหาวิทยาลัยโตเกียว
สิ่งหนึ่งที่ NEXCO EAST กำลังดำเนินการเพื่อสร้างอนาคตการขนส่งที่ปลอดภัยและมั่นคงยิ่งขึ้นคือการทำนายความแออัดของการจราจร ในการวิจัยเกี่ยวกับปัญหาการจราจรติดขัด แม้ว่าจะพบสาเหตุและวิธีบรรเทาปัญหาแล้ว แต่การคาดการณ์ก็เกิดขึ้นจากประสบการณ์ที่สั่งสมมาหลายปี การประกวดนี้เป็นหนึ่งในโครงการลำดับความสำคัญ (6) และ (29) ของ "เป้าหมายของทางด่วนยุคต่อไปที่เร่งให้เกิดสังคมการขับขี่อัตโนมัติ (แนวคิด)" ของบริษัท (ประกาศเมื่อวันที่ 28 เมษายน 2564) เราคือ เรียกร้องกรณีและแนวคิดการวิเคราะห์ข้อมูลที่เป็นนวัตกรรมเพื่อวัตถุประสงค์ในการปรับปรุงความแม่นยำของการทำนายความแออัดของการจราจรโดยใช้ข้อมูลขนาดใหญ่

NEXCO EAST Group ได้กำหนดช่วงเวลาตั้งแต่ปี 2021 ถึง 2025 เป็น "ช่วงเวลาที่จะนำไปสู่ความสำเร็จของ SDGs และเปลี่ยนไปสู่สังคมแห่งอนาคตใหม่" และกำลังใช้ความพยายามต่างๆ
เราเชื่อว่าการจัดการแข่งขันท้าทายการคาดการณ์ความแออัดนี้จะมีส่วนช่วยให้เป้าหมาย SDGs 3 และ 9 เป็นกิจกรรมทางธุรกิจที่จะนำไปสู่การจัดหาพื้นที่ถนนที่ปลอดภัยโดยการบรรเทาปัญหาการจราจรติดขัด

ภาพของโลโก้เป้าหมายการพัฒนาที่ยั่งยืนและเป้าหมายการพัฒนาที่ยั่งยืนคือโลโก้ที่ 3 และ 9
ลิงค์รูปภาพ (ลิงค์ภายนอก) ไปยังหน้าดาวน์โหลดของ Adobe Acrobat Reader

ในการดูไฟล์ PDF คุณต้องมีซอฟต์แวร์ปลั๊กอิน Adobe Systems "Acrobat Reader (เวอร์ชั่นภาษาญี่ปุ่น)" หากคุณไม่มีดาวน์โหลดที่นี่ (ฟรี)โปรดใช้มัน