概要

GLCM(gray level co-occurrence matrix)を用いた画像認識による高速道路の渋滞予測
参考文献
- Hall-Beyer, Mryka. "GLCM texture: a tutorial." National Council on Geographic Information and Analysis Remote Sensing Core Curriculum 3 (2000).
- Zhang, Zhihao, et al. "Probe data-driven travel time forecasting for urban expressways by matching similar spatiotemporal traffic patterns." Transportation Research Part C: Emerging Technologies 85 (2017): 476-493.
土木学会インフラデータチャレンジにて発表(http://committees.jsce.or.jp/cceips17/node/12)

説明

説明資料(.pptx)

https://drive.google.com/open?id=1FaEzoX5fuI5ogpnFaJVqECJeBELwFayW

画像を作成するためのデータセット(削除済み)

chuou.pickle
tomei.pickle
shibuya.pickle
shinjuku.pickle

pythonファイル一覧

main.py
glcm.py
function.py
read_data.py

1. main.py

実行するメインファイル設定する変数は以下の通り

target：対象路線を指定
gakushu：対応する学習路線
day：予測対象日
split_num：分散個数
num_cand：類似している候補日・時間帯として抽出する個数

2. glcm.py

glcmのクラス：タイムスペース図をマトリクスに変換する

3. function.py

glcm内で使用する関数

4. read_data.py

csvを読み込むためのクラス：glcmクラスとともに使用

実行

main.pyを実行することで，ある特定の日における首都高速道路の新宿から，ネクスコ中日本の中央道，首都国則道路の渋谷から，ネクスコ東名道の道路の将来の状態をあてる．