TRAINING DEVICE, PREDICTION DEVICE, TRAINING PREDICTION DEVICE, PROGRAM, TRAINING METHOD, PREDICTION METHOD, AND TRAINING PREDICTION METHOD

A congestion prediction device (120) comprises: a correction model generation unit (152) that employs, as input data, values that were detected in the past by one or more sensors installed in n sections included among m sections and that are indicated by past sensor data for indicating the aforementioned values, and employs, as correct-answer data, congestion-related information that includes past degrees of congestion in each of the m sections and that is indicated by past congestion section data for indicating the congestion-related information, thereby generating a correction model that is a training model for predicting, from the values detected by the one or more sensors, congestion-related information at the time when the one or more sensors perform detection; and a model training unit (162) that employs, as input data, congestion-related information at a first point of time as indicated by past congestion section data, and employs, as correct-answer data, the degree of congestion included in congestion-related information at a second point of time later than the first point of time as indicated by the past congestion section data, thereby generating a prediction model that is a training model for predicting, from the congestion-related information, the degree of congestion in the future. Un dispositif de prédiction de congestion (120) comprend : une unité de génération de modèle de correction (152) qui utilise, en tant que données d'entrée, des valeurs qui ont été détectées dans le passé par un ou plusieurs capteurs installés dans n sections comprises parmi m sections et qui sont indiquées par des données de capteur antérieures pour indiquer les valeurs susmentionnées, et utilise, en tant que données de réponse correcte, des informations relatives à l'encombrement qui comprennent des degrés de congestion antérieurs dans chacune des m sections et qui sont indiquées par des données de section de congestion antérieures pour indiquer les informations relatives à la congestion, générant ainsi un modèle de correction qui est un modèle d'entraînement pour prédire, à partir des valeurs détectées par le ou les capteurs, des informations relatives à l'encombrement au moment où le ou les capteurs effectuent une détection; et une unité d'entraînement de modèle (162) qui utilise, en tant que données d'entrée, des informations relatives à l'encombrement à un premier instant comme indiqué par les données de section de congestion antérieures, et utilise, en tant qu