[論文レビュー] Transport-domain applications of widely used data sources in the smart transportation: A survey

Sina Dabiri, Kevin Heaslip|arXiv (Cornell University)|Mar 29, 2018

Traffic Prediction and Management Techniques被引用数 18

ひとこと要約

本調査は、スマート交通システムにおける6つの広く使われているデータソース—交通センサー、ビデオプロセッサ、GPS/プローブ車両、モバイルネットワーク、ソーシャルメディア、スマートカード、環境データ—の輸送ドメイン応用を体系的にレビューする。既存の応用を分類し、移動行動の理解を向上させるためのデータ統合アーキテクチャを提案するとともに、知的で費用対効果の高い交通管理のための主な課題と今後の研究方向性を特定する。

ABSTRACT

The rapid growth of population and the permanent increase in the number of vehicles engender several issues in transportation systems, which in turn call for an intelligent and cost-effective approach to resolve the problems in an efficient manner. Smart transportation is a framework that leverages the power of Information and Communication Technology for acquisition, management, and mining of traffic-related data sources, which, in this study, are categorized into: 1) traffic flow sensors, 2) video image processors, 3) probe people and vehicles based on Global Positioning Systems (GPS), mobile phone cellular networks, and Bluetooth, 4) location-based social networks, 5) transit data with the focus on smart cards, and 6) environmental data. For each data source, first, the operational mechanism of the technology for capturing the data is succinctly demonstrated. Secondly, as the most salient feature of this study, the transport-domain applications of each data source that have been conducted by the previous studies are reviewed and classified into the main groups. Thirdly, a number of possible future research directions are provided for all types of data sources. Moreover, in order to alleviate the shortcomings pertaining to each single data source and acquire a better understanding of mobility behavior in transportation systems, the data fusion architectures are introduced to fuse the knowledge learned from a set of heterogeneous but complementary data sources. Finally, we briefly mention the current challenges and their corresponding solutions in the smart transportation.

研究の動機と目的

• スマート交通システムにおける広く使われているデータソースの輸送ドメイン応用を特定および分類すること。
• 交通センサー、GPSプローブ、モバイルネットワーク、ソーシャルメディアを含む各データソースの運用メカニズムと制限要因を分析すること。
• 異種のデータソースを統合するデータ統合アーキテクチャを提案し、移動行動モデリングと交通意思決定の改善を図ること。
• データ品質、プライバシー、統合に関する現在の課題を強調し、スケーラブルで知的な交通解決策を実現するための今後の研究方向性を提示すること。
• 研究者および実務家がデータを活用してスマートな移動を実現するための、包括的かつ根拠に基づいた既存研究のレビューを提供すること。

提案手法

• 交通フロー・センサー、ビデオ画像プロセッサ、GPS/モバイルプローブデータ、位置ベースのソーシャルネットワーク、公共交通スマートカードデータ、環境センサーの6つの主要なデータソースを分類する。
• 交通状態推定、インシデント検出、ルート計画、公共交通最適化などの応用分野に基づいて、先行研究をレビューおよび分類する。
• 互いのデータの限界を補完するための補完的データソース統合を目的としたデータ統合フレームワークを提案する。
• データの疎らさ、遅延、匿名化を含む、データ収集および統合における技術的およびプライバシー上の課題を分析する。
• 52ページにわたる研究から得られた知見を統合するための体系的文献レビュー手法を用い、10枚の図および153件の参考文献を支援資料として提供する。
• リアルタイムデータ処理、AI駆動分析、プライバシー保護型データ共有メカニズムなどの今後の研究方向性を同定する。

実験結果

リサーチクエスチョン

• RQ1 スマート交通システムにおける広く使われているデータソースの主な輸送ドメイン応用は何か？
• RQ2 GPS、モバイルネットワーク、スマートカードなどの異なるデータソースは、都市内移動行動の理解にどのように独自に貢献するか？
• RQ3 個々のデータソースが包括的な交通行動を捉える上で直面する主な制限要因は何か？
• RQ4 異種のデータソースを効果的に統合するデータ統合アーキテクチャは、どのように交通分析を向上させることができるか？
• RQ5 データドリブンなスマート交通システムを導入するにあたり、主な課題は何か。今後の研究は、それらをどのように解決すべきか？

主な発見

• GPSプローブデータとモバイルネットワーク信号は、リアルタイムでの交通速度および交通量推定に広く用いられており、他のデータソースと統合することで精度が向上する。
• 公共交通機関のスマートカードデータは、公共交通需要のパターンと輸送網の効率性を詳細に分析可能にする。
• ビデオ画像プロセッサと交通センサーは、高分解能の空間的・時間的データを提供するが、設置および保守コストの高さが制限要因となる。
• 位置ベースのソーシャルネットワークは、人の移動行動やイベントに起因する交通変化の洞察を提供するが、空間的・時間的精度は低い。
• データ統合アーキテクチャは、個々のデータソースのバイアスや欠落を補うことで、移動行動モデリングの信頼性と包括性を顕著に向上させる。
• 技術の進展にもかかわらず、データプライバシー、リアルタイム処理、異種データシステム間の相互運用性に関する課題は依然として残っており、安全でスケーラブルな統合フレームワークの研究が今後さらに必要である。