| Project/Area Number |
20K04718
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 22050:Civil engineering plan and transportation engineering-related
|
|---|
| Research Institution | Osaka University of Economics (2022-2023)
The University of Tokyo (2020-2021) |
|---|
Principal Investigator |
樫山 武浩 大阪経済大学, 経済学部, 准教授 (10611155)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,420,000 (Direct Cost: ¥3,400,000、Indirect Cost: ¥1,020,000)
Fiscal Year 2022: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2021: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2020: ¥2,600,000 (Direct Cost: ¥2,000,000、Indirect Cost: ¥600,000)
|
|---|
| Keywords | 人流データ / 強化学習 / 人の移動 / 機械学習 / データ同化 / 携帯データ |
|---|
| Outline of Research at the Start |
応募者は、「だれもが制限なく、自由に利用できる人の流れデータセットを開発したい」という思いから、パーソントリップ調査結果をもとに「Open PFLOW」データセットを開発し、一般に公開してきた。しかし、Open PFLOWは、日常の典型的な行動を調査したパーソントリップ調査をもとにしたものであり、さまざまな要因によって日々変化する人の移動を捉えていない。そこで、本研究では、強化学習とデータ同化技術を用いて、複数の携帯電話データをもとに利用者が指定した日の特徴を捉えた人の流れデータを動的に生成するシステム「Dynamic PFLOW」を開発する。
|
| Outline of Annual Research Achievements |
本年度は、以下の項目を達成することを目標に研究を実施した。
【研究項目１：対象の日のトリップチェーンデータの構築】：これまでの研究成果において、PT調査データから構築したTime-inhomogeneous Markov chain modelを用いて、日本全国をカバーする人流データの生成を達成していた。今年度は、その精度の向上を図るために、世帯人口の初期位置精度の向上、目的地候補の多様化、交通手段を加味した移動を可能とすることで、人流データの表現力の向上とその精度の向上を達成した。
【研究項目２：トリップデータにメッシュ人口データを同化】：これまでの研究成果において、パーティクルフィルターを用いたデータ同化手法を提案してきた。今年度は、データ同化処理において尤度計算を見直すことで、精度の向上を図った。具体的には、人口メッシュのRMSEからEMD(Earth Mover’s Distance)に変更した。EMDは分布間に距離尺度の一つであり、メッシュ間の人口の差だけではなく、人口の差とメッシュ間の距離をもとに分布間の距離を求めることができる。これにより、空間的な分布の違いを考慮できるようになり、データ同化精度が期待できる。
【研究期間全体を通じて実施した研究の成果】：強化学習を用いた行動モデルの構築には至らなかったが、マルコフモデルをベースとした人流生成モデルの提案と全国規模の人流データの生成を達成した。また、パーティクルフィルターを用いて、観測されたメッシュ人口データを同化されるための手法の性能評価に至ったことが研究成果である。
|
