WEKO3
アイテム
{"_buckets": {"deposit": "fa044556-ae9e-462c-88f8-cca616ed5b57"}, "_deposit": {"id": "4865", "owners": [], "pid": {"revision_id": 0, "type": "depid", "value": "4865"}, "status": "published"}, "_oai": {"id": "oai:repository.dl.itc.u-tokyo.ac.jp:00004865", "sets": ["234", "262"]}, "item_7_alternative_title_1": {"attribute_name": "その他のタイトル", "attribute_value_mlt": [{"subitem_alternative_title": "Estimation of Road Traffic Condition using Mixture Distribution Model"}]}, "item_7_biblio_info_7": {"attribute_name": "書誌情報", "attribute_value_mlt": [{"bibliographicIssueDates": {"bibliographicIssueDate": "2013-03-25", "bibliographicIssueDateType": "Issued"}, "bibliographic_titles": [{}]}]}, "item_7_date_granted_25": {"attribute_name": "学位授与年月日", "attribute_value_mlt": [{"subitem_dategranted": "2013-03-25"}]}, "item_7_degree_name_20": {"attribute_name": "学位名", "attribute_value_mlt": [{"subitem_degreename": "修士(情報理工学)"}]}, "item_7_description_5": {"attribute_name": "抄録", "attribute_value_mlt": [{"subitem_description": "人々が扱うデータは日々巨大化している.また,そのデータを解析することで得られる有用な情報によって,我々の生活も劇的に変化してきている.ただ,こういった有用な情報を得るためには,解析を行うためにデータを保存しておく必要がある.中でも,常時データが流入してくるストリームデータに関しては,そのデータ量に上限はなく,無限に流入してくるため保存することが難しい.外部記憶装置に保存するには,大量の装置を用意するための豊富な資本力が必要となり,現実的ではない.また,限られた外部記憶装置に保存する方法として,時系列に沿って必要な情報のみを残し,それ以外の情報を破棄する研究も行われている.しかしそれでは,必要度の高いデータは得られても,データ全体を把握することはできない.そこで本論文では,ストリームデータに対して,データの圧縮を実現しつつデータ全体の再現を行うことができる手法を提案する.本研究では,対象とするデータをストリームデータであるプローブカーデータとし,その平常時の道路状態を混合正規分布モデルを用いて表す.プローブカーデータとは,車載センサーから得られる速度や位置の情報であり,現在搭載車は増加しつつある.そして推定されたモデルを用いて平常状態のデータを破棄し,圧縮を行うことを目標とする.道路状態は,道路の種別や時間帯によって変化する.また,同じ特徴量であっても,ある箇所ではそれが平常データである一方で,他の箇所ではそれが異常データであることがある.そこで,位置情報と時間情報を用いてプローブカーデータをセグメントに分割する.これにより,セグメントに適応したモデルを推定する.モデルの推定には,EM アルゴリズムを用いる.混合正規分布の平均,分散,混合比率を推定するが,平均と分散に関しては,全てのセグメントで共通のものを用いることにする.共通混合正規分布にすることによって,個々の正規分布が道路状態を表すと捉えることができ,セグメントごとに混合比率を推定することで,そのセグメントがどのような道路状態なのかということがわかる.こうして推定したセグメントごとの個別混合正規分布は,平常状態を表すモデルとなっている.このモデルを用いて,プローブカーデータの圧縮を行う.圧縮を行うにあたって,単にデータ量を削減するだけではなく,元データが再現可能となるような圧縮を行う.個別混合正規分布モデルから再現が可能となるようなデータを破棄することによって,データを圧縮する.事前にある閾値を定めておき,データが流入した際に,流入データの特徴量とその特徴量における個別混合正規分布モデルとを比べ,モデルの確率密度が閾値より大きければ,流入データを破棄する.また,平常状態モデルから外れているような異常データについては圧縮を行わず保持する.こうすることにより,後の解析において有益となる異常データを残しつつ,元データの復元も可能な圧縮を行う.", "subitem_description_type": "Abstract"}]}, "item_7_select_21": {"attribute_name": "学位", "attribute_value_mlt": [{"subitem_select_item": "master"}]}, "item_7_text_24": {"attribute_name": "研究科・専攻", "attribute_value_mlt": [{"subitem_text_value": "情報理工学系研究科・電子情報学専攻"}]}, "item_7_text_36": {"attribute_name": "資源タイプ", "attribute_value_mlt": [{"subitem_text_value": "Thesis"}]}, "item_7_text_4": {"attribute_name": "著者所属", "attribute_value_mlt": [{"subitem_text_value": "東京大学大学院情報理工学系研究科電子情報学専攻"}, {"subitem_text_value": "Department of Information and Communication Engineering, Graduate School of Information Science and Technology, The University of Tokyo"}]}, "item_creator": {"attribute_name": "著者", "attribute_type": "creator", "attribute_value_mlt": [{"creatorNames": [{"creatorName": "山本, 敬介"}], "nameIdentifiers": [{"nameIdentifier": "10567", "nameIdentifierScheme": "WEKO"}]}]}, "item_files": {"attribute_name": "ファイル情報", "attribute_type": "file", "attribute_value_mlt": [{"accessrole": "open_date", "date": [{"dateType": "Available", "dateValue": "2017-06-01"}], "displaytype": "detail", "download_preview_message": "", "file_order": 0, "filename": "48116445.pdf", "filesize": [{"value": "2.2 MB"}], "format": "application/pdf", "future_date_message": "", "is_thumbnail": false, "licensetype": "license_free", "mimetype": "application/pdf", "size": 2200000.0, "url": {"label": "48116445.pdf", "url": "https://repository.dl.itc.u-tokyo.ac.jp/record/4865/files/48116445.pdf"}, "version_id": "49843376-d193-40a1-b787-ea28d0fe6c66"}]}, "item_language": {"attribute_name": "言語", "attribute_value_mlt": [{"subitem_language": "jpn"}]}, "item_resource_type": {"attribute_name": "資源タイプ", "attribute_value_mlt": [{"resourcetype": "thesis", "resourceuri": "http://purl.org/coar/resource_type/c_46ec"}]}, "item_title": "混合分布による道路状態推定", "item_titles": {"attribute_name": "タイトル", "attribute_value_mlt": [{"subitem_title": "混合分布による道路状態推定"}]}, "item_type_id": "7", "owner": "1", "path": ["234", "262"], "permalink_uri": "http://hdl.handle.net/2261/54210", "pubdate": {"attribute_name": "公開日", "attribute_value": "2013-05-07"}, "publish_date": "2013-05-07", "publish_status": "0", "recid": "4865", "relation": {}, "relation_version_is_last": true, "title": ["混合分布による道路状態推定"], "weko_shared_id": null}
混合分布による道路状態推定
http://hdl.handle.net/2261/54210
http://hdl.handle.net/2261/54210ae4b639e-f3dc-4003-8fe6-0759d963d007
名前 / ファイル | ライセンス | アクション |
---|---|---|
48116445.pdf (2.2 MB)
|
|
Item type | 学位論文 / Thesis or Dissertation(1) | |||||
---|---|---|---|---|---|---|
公開日 | 2013-05-07 | |||||
タイトル | ||||||
タイトル | 混合分布による道路状態推定 | |||||
言語 | ||||||
言語 | jpn | |||||
資源タイプ | ||||||
資源 | http://purl.org/coar/resource_type/c_46ec | |||||
タイプ | thesis | |||||
その他のタイトル | ||||||
その他のタイトル | Estimation of Road Traffic Condition using Mixture Distribution Model | |||||
著者 |
山本, 敬介
× 山本, 敬介 |
|||||
著者所属 | ||||||
著者所属 | 東京大学大学院情報理工学系研究科電子情報学専攻 | |||||
著者所属 | ||||||
著者所属 | Department of Information and Communication Engineering, Graduate School of Information Science and Technology, The University of Tokyo | |||||
Abstract | ||||||
内容記述タイプ | Abstract | |||||
内容記述 | 人々が扱うデータは日々巨大化している.また,そのデータを解析することで得られる有用な情報によって,我々の生活も劇的に変化してきている.ただ,こういった有用な情報を得るためには,解析を行うためにデータを保存しておく必要がある.中でも,常時データが流入してくるストリームデータに関しては,そのデータ量に上限はなく,無限に流入してくるため保存することが難しい.外部記憶装置に保存するには,大量の装置を用意するための豊富な資本力が必要となり,現実的ではない.また,限られた外部記憶装置に保存する方法として,時系列に沿って必要な情報のみを残し,それ以外の情報を破棄する研究も行われている.しかしそれでは,必要度の高いデータは得られても,データ全体を把握することはできない.そこで本論文では,ストリームデータに対して,データの圧縮を実現しつつデータ全体の再現を行うことができる手法を提案する.本研究では,対象とするデータをストリームデータであるプローブカーデータとし,その平常時の道路状態を混合正規分布モデルを用いて表す.プローブカーデータとは,車載センサーから得られる速度や位置の情報であり,現在搭載車は増加しつつある.そして推定されたモデルを用いて平常状態のデータを破棄し,圧縮を行うことを目標とする.道路状態は,道路の種別や時間帯によって変化する.また,同じ特徴量であっても,ある箇所ではそれが平常データである一方で,他の箇所ではそれが異常データであることがある.そこで,位置情報と時間情報を用いてプローブカーデータをセグメントに分割する.これにより,セグメントに適応したモデルを推定する.モデルの推定には,EM アルゴリズムを用いる.混合正規分布の平均,分散,混合比率を推定するが,平均と分散に関しては,全てのセグメントで共通のものを用いることにする.共通混合正規分布にすることによって,個々の正規分布が道路状態を表すと捉えることができ,セグメントごとに混合比率を推定することで,そのセグメントがどのような道路状態なのかということがわかる.こうして推定したセグメントごとの個別混合正規分布は,平常状態を表すモデルとなっている.このモデルを用いて,プローブカーデータの圧縮を行う.圧縮を行うにあたって,単にデータ量を削減するだけではなく,元データが再現可能となるような圧縮を行う.個別混合正規分布モデルから再現が可能となるようなデータを破棄することによって,データを圧縮する.事前にある閾値を定めておき,データが流入した際に,流入データの特徴量とその特徴量における個別混合正規分布モデルとを比べ,モデルの確率密度が閾値より大きければ,流入データを破棄する.また,平常状態モデルから外れているような異常データについては圧縮を行わず保持する.こうすることにより,後の解析において有益となる異常データを残しつつ,元データの復元も可能な圧縮を行う. | |||||
書誌情報 | 発行日 2013-03-25 | |||||
学位名 | ||||||
学位名 | 修士(情報理工学) | |||||
学位 | ||||||
値 | master | |||||
研究科・専攻 | ||||||
情報理工学系研究科・電子情報学専攻 | ||||||
学位授与年月日 | ||||||
学位授与年月日 | 2013-03-25 |