強化学習とデータ同化を用いた携帯データからの日々の変動を捉えた人流データの生成

Research Project

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) 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	Granted (Fiscal Year 2022)
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	強化学習 / 人の移動 / 機械学習 / 人流データ / 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：（令和２年度～令和３年上旬）対象の日のトリップチェーンデータの構築】昨年度は複数の都市圏のPT調査データをもとにTime-inhomogeneous Markov chain modelを構築し、その精度評価を行った。本年度は、その成果をもとに、人口の初期分布生成、目的地選択のための離散選択モデルなどを組合わせることで、都市空間的にシームレスな人流データを構築する手法と提案した。この成果については、「Pseudo-PFLOW: Development of nationwide synthetic open dataset for people movement based on limited travel survey and open statistical data」というタイトルにおいて、プレプリントサイトであるarXivにおける論文公開を行っている。また、査読国際ジャーナルへの掲載に向けて、作業を進めている。【研究項目３：（令和４年度）システム化とデータセットの評価】研究項目１の成果と研究項目２の成果を統合するには至っていない。しかし、研究項目１のモデルについては、Javaによるプログラム実装を行い、Github上で管理を行っている。現在は、Privateでの公開ではあるが、将来的には一般公開に向けて、コードを整理する予定である。
Current Status of Research Progress	Current Status of Research Progress 3: Progress in research has been slightly delayed. Reason 本年度は、Time-inhomogeneous Markov chain modelによるデータ生成を実現するとともに、強化学習によるトリップチェーンの構築手法についても検討を進めてきた。しかし、提案手法の実装と評価には至っていない。そのため、研究期間を延長した。来年度は、本年度の検討した手法とこれまでの成果を統合することで、研究の目的である日々の変動を再現した人流の生成を実現する。
Strategy for Future Research Activity	強化学習を用いた人流生成手法の実装と評価を実施することで、研究目的を達成する。本年度は、所属機関の異動により、計画通りに研究時間を確保できなかった。来年度は、所属機関での研究環境を見直すことで、本年度に比べ、十分な研究時間の確保が可能となった。加えて、これまでの研究期間において断片的であるが十分な研究成果が蓄積されている。これらのことから、来年度は本研究を加速させることが可能である。