|
早稲田大学
亀山 渉
教授
機関別共同研究
Discovery Saga
論文分野別Discovery Saga
研究テーマDiscovery Saga
協賛企業
共同研究先:National Taiwan University
Academic
共同研究数 1
Conference Paper
2019 12
IEEE : Institute of Electrical and Electronics Engineers
Detection of Anomaly State Caused by Unexpected Accident using Data of Smart Card for Public Transportation
(Last author)
公共交通機関のスマートカードデータを用いた予期せぬ事故による異常状態の検出
Sakura Yamaki, Shou De Lin, Wataru Kameyama
【抄録】
The railway is an indispensable means of transportation for people living in urban areas in Japan. However, unexpected accidents or disasters disturb the train operation. People usually check the operation status of trains on the official websites or Twitter of each railway company. However, it is still unclear whether such information is provided in realtime, when it is updated and which station is severely affected. Therefore, we tackle a real-world application of transportation big data using 8 months' data collected by smart cards for public transportation in Keikyu Line operating in Tokyo and Kanagawa Prefectures. We propose a method to detect the anomaly state by using the number of train users every 10 minutes in major 9 stations in Keikyu Line. In the method, outlier detections by interquartile range, interval estimation and Hotelling's theory are utilized to detect anomaly points. As the results, our proposal detects anomaly state better than the official announcement by Twitter on some points in terms of realtimeness, update frequency and geographic detail. © 2019 IEEE.
【抄録日本語訳】
日本の都市部に住む人々にとって、鉄道は欠かすことのできない交通手段です。しかし、予期せぬ事故や災害によって、鉄道の運行が乱されることがあります。鉄道の運行状況は、各鉄道会社の公式サイトやTwitterで確認するのが一般的です。しかし、それらの情報がリアルタイムで提供されているのか、いつ更新されるのか、どの駅で大きな被害が出ているのか、などはまだ不明です。そこで、東京都と神奈川県で運行されている京急線の公共交通機関のICカードで収集した8ヶ月分のデータを用いて、交通ビッグデータの実世界への応用に取り組みます。京急線の主要9駅の10分ごとの利用者数を用いて、異常状態を検出する手法を提案します。本手法では、四分位範囲、区間推定、Hotellingの理論による外れ値検出を利用し、異常点を検出する。その結果,本提案は,Twitterの公式発表よりも,リアルタイム性,更新頻度,地理的な詳細さにおいて優れている点があることが確認できた.© 2019 IEEE.