[4I2-GS-2] 機械学習: 暮らしとAI

[4I2-GS-2-04] 過去の車の在/不在パターンに基づくサポートベクターマシンを用いた車の在/不在予測

〇島田 拓哉¹、西垣 貴央¹、小野田 崇¹ (1. 青山学院大学)

キーワード：機械学習、サポートベクターマシン、エネルギー管理システム、電気自動車

近年，エネルギー不足や環境問題が懸念される中で，都市や地域においてエネルギー管理システム（EMS）の導入が検討されている． EMSにおいて，電力の変動を充放電によって即時的に補う蓄電池の存在が重要とされている．そこで，一般家庭の電気自動車（EV）やプラグインハイブリッド車（PHV）に搭載されている大容量蓄電池が注目されている．EVやPHVの車載蓄電池をEMSに活用するには，車の在/不在状況を予測する必要がある．本研究では予測するにあたり，車の過去の在/不在パターンに基づき入力を設定．機械学習手法には，少数のデータでも有効なサポートベクターマシン（SVM）を使用．車の在/不在状況を24時間後まで予測した．比較対象となる従来手法は，マルコフモデルに基づく予測手法である．また，予測性能の評価基準となるのは再現率と一致率であり，EMSにおいては再現率が高い方が好ましい．従来手法と比較すると，再現率と一致率ともに予測性能を上回っていることが確認できた．