概要

• GLCM(gray level co-occurrence matrix)を用いた画像認識による高速道路の渋滞予測
• 参考文献
  • Hall-Beyer, Mryka. "GLCM texture: a tutorial." National Council on Geographic Information and Analysis Remote Sensing Core Curriculum 3 (2000).
  • Zhang, Zhihao, et al. "Probe data-driven travel time forecasting for urban expressways by matching similar spatiotemporal traffic patterns." Transportation Research Part C: Emerging Technologies 85 (2017): 476-493.
• 土木学会インフラデータチャレンジにて発表(http://committees.jsce.or.jp/cceips17/node/12)

説明

説明資料(.pptx)

https://drive.google.com/open?id=1FaEzoX5fuI5ogpnFaJVqECJeBELwFayW

画像を作成するためのデータセット(削除済み)

• chuou.pickle
• tomei.pickle
• shibuya.pickle
• shinjuku.pickle

pythonファイル一覧

1. main.py
2. glcm.py
3. function.py
4. read_data.py

1. main.py

実行するメインファイル 設定する変数は以下の通り

• target：対象路線を指定
• gakushu：対応する学習路線
• day：予測対象日
• split_num：分散個数
• num_cand：類似している候補日・時間帯として抽出する個数

2. glcm.py

glcmのクラス：タイムスペース図をマトリクスに変換する

3. function.py

glcm内で使用する関数

4. read_data.py

csvを読み込むためのクラス：glcmクラスとともに使用

実行

main.pyを実行することで，ある特定の日における 首都高速道路の新宿から，ネクスコ中日本の中央道， 首都国則道路の渋谷から，ネクスコ東名道の道路の将来の状態をあてる．