タグ

乗換案内に関するwakame1367のブックマーク (2)

  • 【混雑予報】異常混雑検知のしくみについてご紹介ー前編 - Yahoo!路線情報公式ブログ

    いつもYahoo!乗換案内アプリをご利用いただきありがとうございます。 ある日突然電車が異常に混雑することを事前に予報する、電車の「混雑予報」はもうお使いいただけましたでしょうか。 今回は電車の混雑予報の「異常混雑を検知するしくみ」について、2回にわたって解説いたします。 異常混雑ってなに? 一般的に「混雑」といえば車両に対して乗車率100%を超える状態を思い浮かべますが、異常混雑では「普段と比べてどれくらい利用者が増えるか」を想定しています。 電車の「混雑予報」は、「普段は乗車数が少ない時間帯だけれど、今週の金曜はアーティストのライブが開催されるため多くの人が乗車して混雑する」といった突発的に発生する混雑を予報するものになります。 ライブのほかにも、以下のような場合に異常混雑が発生しやすいことが分かっています。 入試 花火大会 野球やサッカーの大会 大規模な講演、セミナー など ではどの

    【混雑予報】異常混雑検知のしくみについてご紹介ー前編 - Yahoo!路線情報公式ブログ
  • 【混雑予報】異常混雑検知のしくみについてご紹介ー後編 - Yahoo!路線情報公式ブログ

    いつもYahoo!乗換案内アプリをご利用いただきありがとうございます。 先日ご紹介した、「【混雑予報】異常混雑検知のしくみについてご紹介-前編」の続きをご紹介いたします。 予測モデルについて 今回の異常混雑検知を実現するにあたり、以下2種類のモデルを利用しています。 概要: 通常時において高精度に予測 学習期間: 最低1ヶ月分 学習手法: 与えられたデータの中から同じ曜日、路線、方面、駅、時間で学習を行う 特徴: 学習時に花火大会やコンサートなどで極端に検索数が増えたデータが含まれる場合、このモデルでは通常時とは異なる波形を描くため除外される 概要: 指定された日付の検索数を高精度に予測 学習期間: 最低1ヶ月分 学習手法: N日前-M日前までの検索数をそれぞれ何倍して足し合わせれば予測対象日の検索数に近づくかを学習(1日の合計数ではなく時間単位) 特徴: bi と異なり、イベントやコンサ

    【混雑予報】異常混雑検知のしくみについてご紹介ー後編 - Yahoo!路線情報公式ブログ
  • 1