A study of route recommendation for longtail users based on features of urban and crowd
Project/Area Number |
19K12240
|
Research Category |
Grant-in-Aid for Scientific Research (C)
|
Allocation Type | Multi-year Fund |
Section | 一般 |
Review Section |
Basic Section 62020:Web informatics and service informatics-related
|
Research Institution | Kyoto Sangyo University |
Principal Investigator |
河合 由起子 京都産業大学, 情報理工学部, 教授 (90399543)
|
Project Period (FY) |
2019-04-01 – 2024-03-31
|
Project Status |
Granted (Fiscal Year 2022)
|
Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2021: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2020: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2019: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
|
Keywords | SNSデータ分析 / ユーザ特性抽出 / 経路案内 / 時空間分析 / 情報推薦 / ビッグデータ分析 / ナビゲーション / ユーザ特性 / 行動分析 / 経路推薦 / ビッグデータ / 機械学習 / 情報検索 |
Outline of Research at the Start |
本研究では、SNS、画像、地理データ等のビッグデータを収集し、機械学習を最適に組み合わせ分析し、街の特性およびユーザ特性を抽出し、地物と通りに対するユーザの認識率を高める経路推薦を研究開発し、ロングテールに対する安全性と快適性の向上を明らかにする。本研究課題で取り組むべき範囲として、次の4つの課題を設定する。 課題イ.陽に明らかでない地物と通りの雰囲気特性の抽出(平成31, 32年度) 課題ロ.地物と通りに対する興味と関心に基づくユーザ特性の抽出(平成31年度) 課題ハ.街の特性と相関性抽出に基づく多様なランドマークの生成(平成32年度) 課題ニ.アダプティブな経路案内生成と検証(平成32,33年度)
|
Outline of Annual Research Achievements |
本研究の目的は、ビッグデータを最新の機械分類と深層学習を利用しつつ、陽に明らかでない地物や通りの特性を抽出する技術、地物や通りをユーザの興味と関心に基づき分類し、ユーザ特性を抽出する技術、街ごとのそれら特性の相関性からユーザごとに認知しやすいLMを生成する技術、それらを用いた経路をアダプティブに生成し推薦する技術により、外国人観光客や夜間移動するユーザなど、多様なユーザのLMに対する認識率を向上させることで、常時画面を見ることなく目的地へ辿り着ける経路の推薦システムを開発し、社会実験を通して安全性と快適性、有用性の大幅な向上を達成することである。
当該年度は、4つの課題、課題イ「陽に明らかでない地物と通りの雰囲気特性の抽出」、課題ロ「地物と通りに対する興味と関心に基づくユーザ特性の抽出」、課題ハ「街の特性と相関性抽出に基づく多様なランドマークの生成」、課題ニ「アダプティブな経路案内生成と社会実験による検証」のうち、課題二を主体に実施した。これまで実施した課題イ、ロ、ハを基盤として、ユーザごとのランドマークを用いた多様な経路案内を開発し、ユーザ特性に対応した快適な経路案内を実装し、検証した。特に当該年度は、社会状況から京都で実施し、ユーザフィードバックを分析、検証した。検証結果より、快適な経路案内の有効性を確認できた。また、同一地点の複数の地物(ランドマーク)や路面の状況が経路案内の快適さに影響を与えることが明らかとなった。以上より、有用性を確認でき、社会実験による検証に取り組めた。
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本研究では、Twitter、Foursquare、Flickr、Google Street View(GSV)、Open Street Map(OSM)、Wi-Fiパケットデータのビッグデータを収集し、機械分類、深層学習を最適に組み合わせて分析することで、街の特性およびユーザ特性を抽出し、地物と通りに対するユーザの認識率を高める経路推薦を研究開発し、ロングテールに対する安全性と快適性の向上を明らかにする。このために本研究課題で取り組むべき範囲として、イから二までの4つの課題を設定した。 現在までに当初計画していた、課題二の「アダプティブな経路案内生成と社会実験による検証」を全て実施できた。しかしながら、COVID-19の影響により、国際会議の投稿および開催スケジュールが変更になったことにより、当該研究内容の発表を一部実施できなかったため、本研究の成果発表を次年度に全て実施する。
|
Strategy for Future Research Activity |
COVID-19の影響により実施できなかった当該研究内容の成果発表を実施する。
|
Report
(4 results)
Research Products
(26 results)