| Project/Area Number |
21K04535
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 25010:Social systems engineering-related
|
|---|
| Research Institution | Nihon University |
|---|
Principal Investigator |
豊谷 純 日本大学, 生産工学部, 教授 (70459866)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
大前 佑斗 日本大学, 生産工学部, 講師 (00781874)
原 一之 日本大学, 生産工学部, 特任教授 (30311004)
高橋 弘毅 東京都市大学, その他部局等, 教授 (40419693)
権 寧博 日本大学, 医学部, 教授 (80339316)
柿本 陽平 日本大学, 生産工学部, 助教 (90899494)
佐々木 真 日本大学, 生産工学部, 准教授 (70575919)
|
|---|
| Project Period (FY) |
2021-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥3,770,000 (Direct Cost: ¥2,900,000、Indirect Cost: ¥870,000)
Fiscal Year 2025: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2024: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
Fiscal Year 2023: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2022: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2021: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
|
|---|
| Keywords | シミュレーション / マルチエージェント / 機械学習 / 数理工学 / 社会システム工学 / オペレーションズリサーチ |
|---|
| Outline of Research at the Start |
COVI-19の感染拡大を抑制するため，我が国は様々な対策を打ち出してきた．これにより，感染者数は減少傾向に転じたものの，経済活動が大幅に制限され数多くの企業に大打撃を与えることになった．そのため，GOTOキャンペーンなど，経済活動を促す政策が打ち出された．一方これらは感染者数を増加させてしまう可能性がある．ここからもわかるように，バランスのとれた戦略を探索・発見することが重要である．しかし，構成可能な戦略の組み合わせは莫大に存在するため、人の勘や経験でこれを実現することは困難である．そのため本研究では，データ駆動型アプローチにより，状況に依存して異なる適切な社会運営戦略を明らかにする．
|
| Outline of Annual Research Achievements |
昨年度は、カーネル密度推定法により、習志野市内でのコロナウイルス感染のハイリスクエリアを推定するモデルを構築した。今年度はこの継続として、よりミクロなエリアの感染症対策に対する効果検証を行うことのできるシミュレータを開発した。具体的には、外食業における座席割り当てに対する感染リスクの定量化である。本シミュレータでは顧客同士の座席の距離により感染リスクを定量化している。また、感染リスクと経済活動を調整する単一パラメータを用意した座席配置割り当てモデルを構築した。これにより、どの位置に顧客を座らせると感染リスクが抑えられ、かつ、経済的にも望ましいのか、最適化問題として定式化された。この結果は経営工学会論文誌に投稿され、採択・出版された。そのほかの研究としては、習志野市の人流データを用いて、報道された感染者数・ワクチン接種者数・死者数・天候情報・曜日情報・緊急事態宣言・まん延防止条例などから、次の日の人流を予測するモデル構築に着手した（ランダムフォレストやLightGBMのような木ベースの手法、Lasso回帰のような線形モデルベースの方法、両者を検証中である）。これについては現在実施中であるため、来年度の成果公表を目指している。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
実際の人流データを利用した分析を行ない、さらに店舗運営において、ソーシャルディスタンスを考慮した座席割り当てモデルを構築して、その有効性が認められたため。
|
| Strategy for Future Research Activity |
現在、人流を推定するモデルの構築を行なっている。具体的には、メディア報道された感染者と死亡者数、天候状況、平日・休日フラグ、病床逼迫度などを入力すると、将来の人流（明日の1人あたりの平均移動量[メートル単位]）を出力するモデルであり、この構築として、LassoやRidge回帰のような線形モデルとランダムフォレストやXGBoostのような非線形モデルの両者を検討中である。来年度はこの分析に区切りをつけ、査読付き学術論文として外部公表を行う予定である。
|
