| データの種類 |
テキスト
数値
時系列
画像
|
| データの変数（パラメーター）の変数名 |
時間|交通量|道のり|信号機の数|街灯の個数|街灯の明るさの値|過去の事故件数|道幅|車線数|交差点の数|坂道の数|坂道の傾斜|運動強度 |
| データの概要説明 |
現在時刻において自分がいる地点の周辺について、安全で効率的(信号にかかりにくいなど)を探索し、複数提案したい。なお、スタートとゴールの位置は近いことを想定。
そのために必要であると予想される情報は以下の通り。
地図データ、交通量データ、信号機の個数やその方式(時差式など)、自転車専用道路の有無、工事情報、街灯の個数と明るさ、事故多発現場の有無、道幅、車線数、見通しの良さ、公園に関する情報(規模、ランニングコースの有無など)、目印となる建物などの情報、交差点の数、坂道に関する情報(数、傾斜など) |
| 想定しているデータの分析・シミュレーションプロセス |
[想定しているデータの分析]
交通量や信号機の個数やその方式(時差式など)、自転車専用道路の有無、街灯の個数と明るさ、事故多発現場の有無、道幅、車線数、見通しの良さ、坂道に関する情報(数、傾斜など)などの情報を入手し、道路に情報を付加していく。
[想定しているシミュレーションプロセス]
ランニング距離や運動強度、時間帯などの条件を変数としてある条件におけるランニングコースを(できれば)全パターン返し、分析に基づく各コースの安全性や効率性の総合ポイントを計算する。
|
| 想定しているデータの分析・シミュレーションプロセスの結果 （データ分析結果／ツールの出力／典型例など） |
総合ポイントの計算の次にその上位いくつかを採用し、再びそれらについて各コースの情報(目印となる建物などの情報など)を参照してユーザーに情報と共に複数提案する。 |
| 上記の分析・シミュレーションプロセス以外に期待する分析 |
ランニングコースの策定以外にも、安全な夜道の探索としても使えるかもしれない。また、この技術を応用して車運転初心者におすすめのルートを提案するナビなどを作成することもできるかもしれない。 |
作成日：2021年01月08日 最終更新日：2021年01月08日
コメントする
いいね
お気に入り
全体に公開
2022年02月13日
あまりランニングをしないのですが、そのような人にもメリットを感じられるような利用方法があれば知りたいです。