リケラボ論文検索は、全国の大学リポジトリにある学位論文・教授論文を一括検索できる論文検索サービスです。

リケラボ 全国の大学リポジトリにある学位論文・教授論文を一括検索するならリケラボ論文検索大学・研究所にある論文を検索できる

リケラボ 全国の大学リポジトリにある学位論文・教授論文を一括検索するならリケラボ論文検索大学・研究所にある論文を検索できる

大学・研究所にある論文を検索できる 「ゲートレス鉄道サービスの実現に向けた移動体軌道の取得とマッチングに関する研究 (本文)」の論文概要。リケラボ論文検索は、全国の大学リポジトリにある学位論文・教授論文を一括検索できる論文検索サービスです。
リケラボ

コピーが完了しました

URLをコピーしました

論文の公開元へ論文の公開元へ
書き出し

ゲートレス鉄道サービスの実現に向けた移動体軌道の取得とマッチングに関する研究 (本文)

根本, 潤 慶應義塾大学

2021.03.23

概要

本研究ではゲートレス鉄道サービスの実現のために必要な基礎技術を開発する．近年，IC カードをかざすことなく改札可能なタッチレスゲートの研究開発が進められている．例えば，近距離無線通信技術を用いたものや，画像認識技術を用いたものがある．これらのタッチレスゲートが，あくまで特定の場所に設置されたものであり，入退場の確認のために必ずその場所を通過する必要があるのに対して，ゲートレス鉄道サービスは改札自体を不要にすることで，柔軟かつ効率的な運賃徴収への道を拓く構想である．

ゲートレス鉄道サービスを実現するためには，利用者がどこからどこまでどの列車を利用したか，乗車区間を判定する必要がある．本研究では，乗車区間判定の一方式として，GPS 位置情報を用いた方式を検討する．具体的には，スマートフォンなどのアプリケーションによりGPS 位置情報を記録し，列車の位置情報とマッチングすることで，どの駅からどの駅まで当該列車に乗車したかを判定する方式である．

GPS 位置情報に基づく乗車区間判定の課題は，大きく 2 つある．1 つは，GPS 位置情報の取得の効率化とプライバシー保護である．常時 GPS 位置情報を取得・送信することは，モバイル端末の消費電力を増大させるだけでなく，サーバ側におけるマッチング候補の軌道データを増大させることにつながる．プライバシーの観点からも鉄道利用の可能性がない場所での位置情報取得は望ましくない．そこで，モバイル端末で一般に提供されているジオフェンシング機能の活用が考えられる．ジオフェンシング機能により，事前に設定した仮想的な境界線 (ジオフェンス) を通ったことを検知できるため，これを利用して駅への接近を契機に位置情報を取得・送信を開始できる．しかしながら，モバイル端末側の制約により従来技術では，効率的にジオフェンスを設定・更新できないという課題がある．

もう 1 つは，高速で正確な乗車区間判定方式の確立である．偽陽性の増大は，利用者が不当に多く運賃を支払う可能性を高め，偽陰性の増大は，鉄道事業者が本来得るべき運賃を取りこぼす可能性を高めるため，課金をともなう乗車区間判定は高い精度が求められる．また，1 日の運行本数は 1 万本以上，IC カード乗車券の普及状況から利用者は数百万から数千万と想定され，マッチングを行うGPS 位置情報のシーケンスの組合せは膨大な数にのぼる．したがって，高い精度の実現とともに処理時間の短縮は不可欠である．

これらの課題を解決すべく本研究では，第一に，k 個の近傍を監視対象としてジオフェンスを設定しつつ，それ以外の監視対象領域が存在しない大きな空円に制御用ジオフェンスを設定するk 近傍アウェア空円方式を提案する．ユーザの一日の移動を表現したオープンデータである OpenPFLOW を用いた大規模なシミュレーションにより，提案方式が，従来方式に対して約 42～76%，更新回数を削減し，GPS 位置情報の取得を効率化できることを示した．

本研究では第二に，軽量で頑健な軌道データのマッチング方式を提案する．提案方式はデータの内挿とユークリッド距離に基づく，移動体間の GPS 位置情報シーケンスのマッチングである．国土交通省が提供する実際の鉄道軌道データを用いた乗車区間判定のシミュレーションにより，欠損をともなうようなデータに対して提案方式が頑健な精度を実現できることを示した．さらに，判定処理の計算コストがシーケンス長に対して線形であること，従来方式に比べて15 倍以上の高速化を達成することを示した．

論文の公開元へ

関連論文

関連論文をもっと見る

参考文献

[1] 篠谷洋一郎, 三田哲也. タッチレスゲートへの応用に向けた人体近傍通信技術の基礎調査研究. JR EAST Technical Review, No. 33, pp. 31–34, 2010 年.

[2] Osaka Metro Group. 2018-2025 年度 中期経営計画について. https://subway.osakametro.co.jp/news/2018_2025_cyukikeieikeikaku.pdf.

[3] 高木 亮. 出改札・乗車券システムの過去・現在・未来. 電気学会誌, Vol. 134, No. 9, pp. 615–618, 2014 年.

[4] 西川健. 信用乗車方式と割増運賃制度について. 運輸政策研究, Vol. 10, No. 2, pp. 2–6, 2007 年.

[5] MaaS Global Oy. Whim. https://whimapp.com/.

[6] 横浜高速鉄道株式会社. 不正乗車防止運動の実施について. http://www.mm21railway.co.jp/info/news/uploads/information_20170511.pdf.

[7] Uber Technologies Inc. How surge pricing works. https://www.uber.com/drive/ partner-app/how-surge-works/.

[8] 松野 由希. 利用者視点を重視した新たな交通政策の展開. 博士論文, 法政大学, 2018 年.

[9] Ulrich Bareth, Axel Ku¨pper, and Peter Ruppel. geoXmart - a marketplace for geofence-based mobile services. In Proceedings of the 2010 IEEE 34th Annual Computer Software and Applications Conference, COMPSAC ’10, pp. 101–106, 2010.

[10] Ranajoy Mallik, Amlan Protim Hazarika, Sudarshana Ghosh, Dilip Sing, and Ra- jib Bandyopadhyay. Development of an android application for viewing covid-19 containment zones and monitoring violators who are trespassing into it using fire- base and geofencing. Transactions of the Indian National Academy of Engineering, Vol. 5, pp. 163–179, 2020.

[11] 篠原雅貴, 田島誠也, 日向慧, 飯塚直亮, 齊藤圭世, 柴原直也, 高橋洸人, 岩井将行.災害時に適応した行動を可能にするジオフェンスチェックラリーアプリケーションの開発. 第 78 回全国大会講演論文集, No. 1, pp. 999–1000, 2016 年.

[12] 板崎輝, 渡邊悠太, 宇式一雅, 藤井彰, 三宅正史. 観光向けアプリケーションを想定した適応的ジオフェンス制御. 研究報告デジタルコンテンツクリエーション 2, 2018 年.

[13] Apple Inc. Monitoring the user’s proximity to geographic regions — ap- ple developer documentation. https://developer.apple.com/documentation/ corelocation/monitoring_the_user_s_proximity_to_geographic_regions.

[14] Google LLC. Create and monitor geofences — android developers. https:// developer.android.com/training/location/geofencing.

[15] Luis Loyola, Fernando Wong, Daniel Pereira, and Horacio Sanson. Extending battery lifetime of mobile devices with geofence capabilities on dynamic-speed ur- ban environments. In Proceedings of the Second ACM SIGSPATIAL International Workshop on Mobile Geographic Information Systems, MobiGIS ’13, p. 51–58, 2013.

[16] Sandro Rodriguez Garzon and Bersant Deva. Geofencing 2.0: Taking location- based notifications to the next level. In Proceedings of the 2014 ACM Interna- tional Joint Conference on Pervasive and Ubiquitous Computing, UbiComp ’14, p. 921–932, 2014.

[17] 東日本旅客鉄道株式会社. 会社要覧 2018-2019. https://www.jreast.co.jp/ youran/pdf/2018-2019/jre_youran_all.pdf.

[18] 東日本旅客鉄道株式会社. ファクトシート. https://www.jreast.co.jp/ investor/factsheet/pdf/factsheet.pdf.

[19] David Montoya, Serge Abiteboul, and Pierre Senellart. Hup-me: Inferring and reconciling a timeline of user activity from rich smartphone data. In Proceedings of the 23rd SIGSPATIAL International Conference on Advances in Geographic Information Systems, SIGSPATIAL ’15, pp. 62:1–62:4, 2015.

[20] Peter Widhalm, Philippe Nitsche, and Norbert Br¨andie. Transport mode detection with realistic smartphone sensor data. In Proceedings of the 21st International Conference on Pattern Recognition, ICPR ’12, pp. 573–576, 2012.

[21] Zhibin Xiao, Yang Wang, Kun Fu, and Fan Wu. Identifying different transporta- tion modes from trajectory data using tree-based ensemble classifiers. ISPRS International Journal of Geo-Information, Vol. 6, No. 3, pp. 57–78, 2017.

[22] Byoung-Kee Yi, Hosagraha V. Jagadish, and Christos Faloutsos. Efficient retrieval of similar time sequences under time warping. In Proceedings of the 14th IEEE International Conference on Data Engineering, ICDE ’98, pp. 201–208, Feb 1998.

[23] Michail Vlachos, Dimitrios Gunopoulos, and George Kollios. Discovering simi- lar multidimensional trajectories. In Proceedings of the 18th IEEE International Conference on Data Engineering, ICDE ’02, pp. 673–684, 2002.

[24] Lei Chen, Tamer M. O¨ zsu, and Vincent Oria. Robust and fast similarity search for moving object trajectories. In Proceedings of the 2005 ACM SIGMOD Inter- national Conference on Management of Data, SIGMOD ’05, pp. 491–502, 2005.

[25] Sayan Ranu, Deepak Padmanabhan, Aditya D. Telang, Prasad Deshpande, and Sriram Raghavan. Indexing and matching trajectories under inconsistent sam- pling rates. In Proceedings of the 31st IEEE International Conference on Data Engineering, ICDE ’15, pp. 999–1010, April 2015.

[26] Xiucheng Li, Kaiqi Zhao, Gao Cong, Christian S. Jensen, and Wei Wei. Deep representation learning for trajectory similarity computation. In Proceedings of the 34th IEEE International Conference on Data Engineering, ICDE ’18, pp. 617–628, 2018.

[27] Axel Ku¨pper and Georg Treu. Efficient proximity and separation detection among mobile targets for supporting location-based community services. ACM SIGMO- BILE Mobile Computing and Communications Review, Vol. 10, No. 3, pp. 1–12, 2006.

[28] NTT ドコモ. モバイル空間統計. https://mobaku.jp/.

[29] 一般財団法人 衛星測位利用推進センター. 鉄道分野における GNSS 利活用に関するガイドライン（第 1.0 版）. http://www.spac.jp/media/pdf/library/ 20170710-01.pdf.

[30] 国土交通省 鉄道局. 鉄道における準天頂衛星等システム活用検討会. https://www.mlit.go.jp/tetudo/tetudo_tk7_000014.html.

[31] 国土交通省 国土地理院 測地部. 屋内測位のための BLE ビーコン設置に関するガイドライン. https://www.gsi.go.jp/common/000198740.pdf.

[32] Lo’ai Ali Tawalbeh, Anas Basalamah, Rashid Mehmood, and Hala Tawalbeh. Greener and smarter phones for future cities: Characterizing the impact of GPS signal strength on power consumption. IEEE Access, Vol. 4, pp. 858–868, 2016.

[33] Takehiro Kashiyama, Yanbo Pang, and Yoshihide Sekimoto. Open pflow: Creation and evaluation of an open dataset for typical people mass movement in urban areas. Transportation Research Part C: Emerging Technologies, Vol. 85, pp. 249– 267, 2017.

[34] 国土交通省 関東運輸局. 鉄道事業者に対する業務監査について. https://wwwtb. mlit.go.jp/kanto/tetudou/tetudou_kansa/index.html.

[35] Elmar Fu¨rst and David Herold. Fare evasion and ticket forgery in public transport: Insights from germany, austria and switzerland. Societies, Vol. 8, pp. 98–113, 2018.

[36] 中国新聞. 『全扉降車で「ただ乗り」増 広電昨春導入、1 日推定 150 人』2019 年 3 月 12 日朝刊. https://www.chugoku-np.co.jp/learning/article/article. php?comment_id=530979&comment_sub_id=0&category_id=1233.

[37] Mark De Berg, Marc Van Kreveld, Mark Overmars, and Otfried Schwarzkopf. Computational Geometry: Algorithms and Applications. Springer, 1997.

[38] Hongmian Gong, Cynthia Chen, Evan Bialostozky, and Catherine T. Lawson. A GPS/GIS method for travel mode detection in New York City. Computers, Environment and Urban Systems, Vol. 36, No. 2, pp. 131–139, 2012.

[39] Leon Stenneth, Ouri Wolfson, Philip S. Yu, and Bo Xu. Transportation mode detection using mobile phones and gis information. In Proceedings of the 19th ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems, GIS ’11, pp. 54–63, 2011.

[40] Fan Zhang, Juanjuan Zhao, Chen Tian, Chengzhong Xu, Xue Liu, and Lei Rao. Spatiotemporal segmentation of metro trips using smart card data. IEEE Trans- actions on Vehicular Technology, Vol. 65, No. 3, pp. 1137–1149, 2016.

[41] Google LLC. Google maps platform. https://cloud.google.com/ maps-platform/.

[42] 国土交通省. 国土数値情報ダウンロードサービス. https://nlftp.mlit.go.jp/ ksj/.

[43] 高橋 三雄. 連載「フリーソフトによるデータ実践 GIS」東京都コンビニエンスストアの緯度経度データ. https://www.sinfonica.or.jp/kanko/estrela/refer/ s29/.

[44] The CGAL Project. The computational geometry algorithms library. https://www.cgal.org/.

[45] Jon Louis Bentley. Multidimensional binary search trees used for associative searching. Communications of the ACM, Vol. 18, No. 9, p. 509–517, 1975.

[46] Joao Dinis and Margarida Mamede. Updates on voronoi diagrams. In Proceedings of the 2011 Eighth International Symposium on Voronoi Diagrams in Science and Engineering, ISVD ’11, pp. 192–199, 2011.

[47] Google LLC. Safetynet attestation api. https://developer.android.com/ training/safetynet/attestation.

[48] 柚原 誠. 東洋経済オンライン: 路面電車の弱点「運賃支払い時間」は解消可能 - ICカードを使った「セルフ乗車」のすすめ. https://toyokeizai.net/articles/-/259128, 2019 年.

[49] David A Hensher, Corinne Mulley, Chinh Ho, Yale Wong, G¨oran Smith, and John D Nelson. Understanding Mobility as a Service (MaaS): Past, present and future. Elsevier, 2020.

[50] Andreas M Antonopoulos and Gavin Wood. Mastering ethereum: building smart contracts and dapps. O’reilly Media, 2018.

[51] Friedhelm Victor and Sebastian Zickau. Geofences on the blockchain: Enabling de- centralized location-based services. In Proceedings of the 2018 IEEE International Conference on Data Mining Workshops, ICDM Workshops, Singapore, Singapore, November 17-20, 2018, pp. 97–104, 2018.

[52] S2 Geometry. https://s2geometry.io/.

[53] Thanawin Rakthanmanon, Bilson Campana, Abdullah Mueen, Gustavo Batista, Brandon Westover, Qiang Zhu, Jesin Zakaria, and Eamonn Keogh. Searching and mining trillions of time series subsequences under dynamic time warping. In Proceedings of the 18th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, KDD ’12, p. 262–270, 2012.

[54] Diego F. Silva, Rafael Giusti, Eamonn Keogh, and Gustavo E. Batista. Speeding up similarity search under dynamic time warping by pruning unpromising align- ments. Data Mining and Knowledge Discovery, Vol. 32, No. 4, p. 988–1016, 2018.

[55] Stan Salvador and Philip Chan. Toward accurate dynamic time warping in linear time and space. Intelligent Data Analysis, Vol. 11, No. 5, p. 561–580, 2007.

[56] Lei Chen and Raymond Ng. On the marriage of lp-norms and edit distance. In Proceedings of the Thirtieth International Conference on Very Large Data Bases, VLDB ’04, pp. 792–803. VLDB Endowment, 2004.

[57] Swaminathan Sankararaman, Pankaj K. Agarwal, Thomas Mølhave, Jiangwei Pan, and Arnold P. Boedihardjo. Model-driven matching and segmentation of trajec- tories. In Proceedings of the 21st ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems, SIGSPATIAL’13, pp. 234–243. Association for Computing Machinery, 2013.

[58] Elias Frentzos, Kostas Gratsias, and Yannis Theodoridis. Index-based most similar trajectory search. In Proceedings of the 23rd IEEE International Conference on Data Engineering, ICDE ’07, pp. 816–825, 2007.

参考文献をもっと見る

全国の大学の
卒論・修論・学位論文
を
一発検索！

この論文の関連論文を見る