バス乗客数予測におけるポリゴン（空間）ベース手法とグローバル型機械学習モデルの比較分析

Abstract

バスの利用者数（乗客数）の正確な予測は、公共交通システムを効率的に管理し、最適化するために重要である。従来の予測モデルは、都市全体を単一の均質な地域として扱うことで、異なる都市部に固有で局所的なダイナミクスを十分に捉えられないことが多い。本論文では、空間クラスタリング手法と多次元の特徴量解析を統合することで、バスの利用者数予測を高精度化する新しい枠組みを提案する。提案する枠組みは、バスの利用者数データ（路線番号、時間、バス停ごと）に加えて、魅力的な目的地などの空間的特徴、気象条件（気温、降雨など）、時間的パターン（日中の時間帯、曜日など）といったさまざまなオープンソースデータを含む、多様なデータ集合を利用する。都市部を、近い距離にあるバス停は同様の利用者数特性を共有するという原則に基づいて異なる地域にクラスタリングし、これらのクラスタごとに別個のローカル予測モデルを学習する。この局所化アプローチは、グローバルモデルと同等の精度を示す。得られた結果は、空間を考慮した局所的なモデリング戦略が公共交通の予測に有効であり、より的確で効率的なサービス改善へとつながることを示唆している。