交通データの情報収集と活用可能性に関する研究

68/80

マップマッチングの方法 （2）マップマッチングアルゴリズムに関する既往研究の例として、三輪（2005）1)は従来のマップマッチング手法の整理・比較を行ったうえで、収集頻度が粗いプローブカーデータに適用できる、より精度が高いマップマッチング手法を提案した。提案した手法を用いて、名古屋市で行われた大規模なタクシープローブカー実証実験で収集されたプローブデータに適用し、アルゴリズムの高い精度とその有効性を示した。しかし、三輪が提案したアルゴリズムは、収集頻度が粗い位置情報を補完するために複数の経路を抽出してマッチングを選択させるため計算時間が長くなってしまうという問題点がある。これらの問題を解決すべく、曹（2011）1)は三輪が提案したマップマッチングアルゴリズムを参考に、短い時間で計算できるアルゴリズムを開発した。 本研究で取り扱うプローブデータの収集間隔は1秒単位であるが、GPS誤差が生じている可能性がある。そこで、曹が提案したアルゴリズムを参考として、近接リンク法ではなく、走行経路をベースとしたマップマッチングアルゴリズムを開発した。マップマッチングアルゴリズムの基本手順を表 4-8に示す。 このようなマップマッチングアルゴリズムをpython言語で作成し、貨物車プローブのマップマッチングを行った。なお本研究で使用するデジタル道路地図は、「ArcGIS データコレクション プレミアム2010 道路網（愛知県版）」である。 【参考文献】 1）三輪富生 (2005)； プローブカーデータを用いた道路ネットワーク上の交通行動分析, 名古屋大学博士論文. 2) Peng Cao (2011)； Research on map matching algorithm for large scale probe vehicle data, Tsinghua University Master Thesis. 66