同位相分類を基盤とした大規模情報のためのホットスポットクラスター評価法の新展開

点击翻译按钮获取中文摘要

2022年度は，1.提案手法の実データへの適用，2.エシェロン法のwebアプリケーション改良，3.エシェロン法に基づく空間データ構造の指標化，について重点的に研究を行った。1. 2021年度は，本研究課題の主たる目的の１つである「エシェロン法を基盤としたホットスポット検出のための新手法」について，その新手法を確立するとともに，数値実験等によってその有効性を評価したものを論文で発表した。2022年度は新手法を用いた実データ分析に焦点を定め，実際に日毎・地域毎に収集されたCOVID-19陽性者数に応用を試みた。その結果，従来法では困難であった「大規模データ」に対する「任意形状をしたホットスポット」が「経時的に変化」する様子が捉えられた。その他，各種のCOVID-19に関連した実データに従来法やエシェロン法を適用し，ホットスポットの発現とその要因との関連性等について一定の考察を行った。それら成果を論文（和文誌「統計数理」，欧文誌JJSD）にまとめるとともに，国際学会ECDA2022，国内の学会・研究会で発表した。2. 公開中のwebアプリケーションに対し，アウトプットされるホットスポット数を任意に設定できるようにした。これは，主に大規模データを扱う場合において，高リスクなホットスポットのみを地図上に表現したい場合に役立つ。本件に関連して，国際学会IFCS2022では，約3000領域からなる米国郡別COVID-19陽性者数に対し，実際に本アプリケーションでホットスポット検出を行う様子を実演した。3. エシェロン法で得られる空間データ構造の位相的な関係性を「パターン」や「ステージ」といった新しい概念で指標化することを検討した。これは，時間変化に伴う空間データ構造の変化の原因把握に利用できると考える。この成果を論文（和文誌「計算機統計学」）にまとめた。