早期群集混雑予報における空間カバレッジ広範化のための都市動態モデリングの研究

点击翻译按钮获取中文摘要

本研究は群衆混雑の早期予報において，予報可能地域の空間的カバレッジを広範化させることに着目し，(1)予報の地点拡大化・精緻化，(2)予報地域の広範囲化の実現が目的である．(2)予報の広範囲化は，(1)で実現される多地点での精緻な予報が前提になることから，本年度は当初の計画通り(1)の実現を目指して，混雑の要因となりうるイベントの開催情報など外部情報の収集を行い，位置履歴情報との統合を行うことで混雑予報の可能地点の拡大化と精緻化を図った．混雑を示すための外部情報としては，ユーザの将来の移動予定を表す乗換検索案内アプリの検索履歴と，混雑を誘発すると考えられるイベントが，いつどこで，どれくらいの時間長で発生するのかを示す，イベント開催時間情報を収集した．これらを用いて群衆混雑予報に適用した結果，混雑予報可能地点の拡大化に効果がある一方，精緻化という観点で困難が発生することがわかった．具体的には，イベント開催時刻と群衆混雑の発生時刻がいつも一致するとは限らず，群衆がイベント会場に来訪し留まることにより発生する「混雑の継続」が捉えられないことである．この課題の解消のために，混雑の発生から終了までを「ライフサイクル」と捉え，それを幾つかのフェーズに分割し，各フェーズの特性を明示的に学習する手法を考案した．具体的には，混雑を生起フェーズ（人々が集まり 始める段階），継続フェーズ（人々が混雑エリアに滞在し，混雑状態が継続する段 階），終了フェーズ（イベントなどの終了に伴い人々が帰っていく段階）に分割し， 各フェーズの時間長や人口増加量を明示的に学習することでモデルである．本手法を実装し，事前実験として人工データを用いた性能評価実験を行った．その結果，単純に外部情報を統合した場合と比較して，混雑の継続時間やその間の活動人口の推移をより正確に捉えられることがわかった．