●井料：ネットワークの混雑推定:均衡と部分観測 ■発表 ・これまでいかにデータを取得するのかに取り組んできた ・モチベーションは，海外の都市で情報が少ないときにどこが混んでいるかをし りたい ・リンクの旅行時間情報だけで，ネットワークの旅行時間情報を取得したい（逆 推定） ・Tam&Lamでは一部リンクの交通量データ，ヒストリカルデータを用いて，確率 的交通量配分により逆推定している ・今回はネットワーク構造と一部リンクの旅行時間データしか使わない ・Wordropの第一原則を考えると，旅行時間データがないリンクは，使われていないか，使われているかどちらか． ・旅行時間データなしリンクの自由旅行時間が旅行時間データあり経路の旅行時間よりも短い場合はデータなしリンクも使われていることが逆推定される（Wordropの第一原則）．また，その場合の旅行時間はデータありリンクよりも時間がかかるリンクとなる ・この考え方を元にすれば，ネットワークの一部の旅行時間しかない場合でもネットワーク全体のリンクの旅行時間の領域が逆推定できる ・領域の中で，最悪旅行時間，最小旅行時間，最良旅行時間（パレート最両面の中の一つの点，nadia）を逆推定し，結果を比較する ・逆推定の結果，（使ったデータがよくないこともあり）あまり結果よくない 浦田：最悪旅行時間，最小旅行時間を改善する方法はないのか 井料：旅行時間既知リンクと迂回路（旅行時間未知リンクのつなぎ合わせ）の比較から決定しており，最小旅行時間(自由流行時間にちかい)・最悪旅行時間(既知リンクの旅行時間に近い)は幅が広くなってしまう． 羽藤：未知リンクの旅行時間の逆推定結果をリンクの所要時間予測という捉え方をし，個人の認知ベースの経路選択行動に用いることはできないか． 井料：個人の認知という捉え方・モチベーションではないが，この結果を用いて，配分・学習に反映するのはありうるかもしれない． 羽藤：歩行者のflow independentで適用できないか，混雑を考慮することはできないか 井料：歩行者もWardropの第一原則ではリンクを使うか使わないかのどちらかなので，検討はできる．ただ，混雑をどのように定義するかが問題． 今泉：精度がよくなるためのネットワーク構造はどのようなものか 井料：ネットワークが細切れだから，精度が悪くなっている．DRMのデータを作るときもなるべくリンクを接続するようにした．