深層学習によるCOVID-19感染伝播と経済活動を同時制御する社会運営戦略の発見
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, 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, 助手 (90899494)
|
Project Period (FY) |
2021-04-01 – 2026-03-31
|
Project Status |
Granted (Fiscal Year 2022)
|
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 / 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 |
2022年度は、千葉県習志野市のデータを利用した人工密集地の特定、および、マルチエージェントシミュレーションの高速化を行なった。実際の人流データを利用した人工密集地の特定に関しては、千葉県習志野市のデータを利用した。具体的には、経度・緯度で表現される二次元空間上のサンプリング点群からカーネル密度推定法によりノンパラメトリックな確率密度関数(カーネル関数: ガウシアンカーネル)を構成し、閾値を超えるポイントを人工密集地と定義した。その結果、習志野市内での感染のハイリスクエリアを推定することができた。これは汎用的な手法であるため、データさえあればどの地域でも感染のハイリスクエリアを知ることができる。マルチエージェントシミュレーションの高速化については、Support Vector Regression Model により、その入出力関係を学習するアプローチを採択した。入力に関しては感染力や緊急事態宣言の開始・解除条件、出力に関してはシミュレーション期間全体の累計感染者数を採用した。また、推定しやすいデータセットと推定しにくいデータセットを分離させ、汎化誤差を算出した結果、推定しやすいデータセットの決定係数は0.993と非常に高い一方で、推定しにくいデータセットの決定係数は0.762であった。このことから、Support Vector Regression Model によりマルチエージェントシミュレーションを高速化する場合は、ある程度戦略的に教師データセットを構築する必要性があることがわかった。これらの結果は、査読付き論文誌 Mathematical Biosciences and Engineering などに採択され、出版された。
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
実際の人流データを利用した分析を行うことができ、また、マルチエージェントシミュレーションの高速化に関して一定の成果が得られたため。
|
Strategy for Future Research Activity |
今後は、これまでの成果を発展させた研究を実施し、外部公表に努める予定である。
|
Report
(2 results)
Research Products
(6 results)