| Project/Area Number |
24K01006
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 22050:Civil engineering plan and transportation engineering-related
|
|---|
| Research Institution | Hiroshima University |
|---|
Principal Investigator |
塚井 誠人 広島大学, 先進理工系科学研究科(工), 准教授 (70304409)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
奥村 誠 東北大学, 災害科学国際研究所, 教授 (00194514)
日比野 直彦 政策研究大学院大学, 政策研究科, 教授 (10318206)
山口 裕通 金沢大学, 地球社会基盤学系, 准教授 (10786031)
須ヶ間 淳 埼玉大学, 理工学研究科, 助教 (70978890)
|
|---|
| Project Period (FY) |
2024-04-01 – 2028-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥18,460,000 (Direct Cost: ¥14,200,000、Indirect Cost: ¥4,260,000)
Fiscal Year 2027: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000)
Fiscal Year 2026: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000)
Fiscal Year 2025: ¥4,810,000 (Direct Cost: ¥3,700,000、Indirect Cost: ¥1,110,000)
Fiscal Year 2024: ¥6,890,000 (Direct Cost: ¥5,300,000、Indirect Cost: ¥1,590,000)
|
|---|
| Keywords | PT調査 / OD表推定 / ネットワーク最適化 / 深層学習 / トリップチェーン / データフュージョン |
|---|
| Outline of Research at the Start |
地方都市鉄道やバスなど公共交通機関の運営費用は，居住者からの運賃収入のみで賄うことは難しい．居住者と来訪者双方の需要に対応する公共交通ネットワーク計画には，都市交通の調査・解析手法の刷新が必要である．本研究では携帯電話滞在人口データ，GPSデータの3種を補完的に用いて，居住者と来訪者のトリップチェーンの推計手法から，両者のOD需要を推計する．さらに須ケ間・奥村（2021）の交通需要が内生的に定まる公共交通ネットワーク計画モデルの計算効率を改善して，上記のOD需要を数十ノードから成る実ネットワークで求解する．これにより，観測・データ処理・最適化・居住者／来訪者政策まで一貫した計画手法を確立する．
|
| Outline of Annual Research Achievements |
2024年度は，先行研究で開発していたトリップチェーンの拡大係数を求める回帰モデルにおいて，説明変数として用いるパーソントリップ（PT）調査の年次と，目的変数として用いるモバイル空間統計データの観測年次を一致させた分析を行うとともに，データ処理方法についても再検討した．具体的には熊本都市圏において2023年に実施されたPT調査データを用いた分析を行った．データ処理方法に関しては，モバイル空間統計の計測地点の空間分布とPT調査のゾーンあたり観測点数のバランスが取れるようにゾーン集計を行うことによって，モバイル空間の滞在人数に回帰分析の精度が高まることが分かった．改善した最新モデルでは，ゾーンサーズが小さな都心と，そもそもトリップチェーンが観測されにくい郊外の滞在人数の精度が低く，それらの中間ゾーンの滞在人数の精度が高いことが分かった．説明変数と目的変数の年次を揃えたことによってOD表の精度比較ができるようになった．その結果，都心部のゾーン間トリップ数が過小評価される傾向がみられた．これは，PT調査の対象になっていない来訪者のトリップチェーン情報が，回帰分析で反映できていないため，と考えられる．
先行研究で開発していた公共交通ネットワークの運賃・需要の最適化モデルの大規模化に関しては，埼玉大学の須ケ間先生を中心に検討を行った．本年度は，モデルを数理最適化アルゴリズムで解くアプローチと並行して，グラフ畳み込みニューラルネットワーク（GCN）法を用いて解く手法を検討した．その結果，小規模なネットワークでは妥当な解を出力できることが分かった．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
トリップチェーンの拡大係数を求める回帰モデルについては，当初予定していた最近年次のPT調査データの取得と，この年次に一致するモバイル空間統計データを用いたモデル推定に関しては，予定通り実施できた．この過程で，ゾーン集計単位に関する留意事項を明らかにできた．またPT調査の拡大係数を真値と見なして，推定した拡大係数の妥当性に関する事後的な確認ができた．これらの点は，研究計画に沿った成果である．来訪者のトリップチェーン情報を含むモデルの同時推計は，時間的な制約から年度内には終えれらなかったが，来訪者の滞在が集中する中心部のトリップが過小評価されたことは，来訪者分のトリップカウントを行うべき証拠と考えられる．
公共交通ネットワークの運賃・需要の最適化モデルの大規模化については，有効な方策を文献レビューに基づいて検討した結果，GCNに基づく深層学習が有望な可能性が明らかとなった．大規模なネットワークへの適用を検討したが，これに先立って提案モデルの有効性を検証する手順を検討しなければならないことが判明した．そこで人工的なデータ作成手順と有効性検証手順を定めた上で分析を行った．GCNの実装に必要なスクラッチ部分のプログラミングも完遂できたこと，モデルのチューニングによって小規模ネットワークに対しては妥当なネットワークが出力できたことは，研究計画の継続根拠が得られた点で，有益な知見だった．
年間を通じて，共同研究者と定期的なオンラインミーティングを実施できたこと，また学会発表の機会をとらえて意見交換できたことから，研究の進捗管理についても順調といえる．
|
| Strategy for Future Research Activity |
2025年度は，トリップチェーンの拡大係数を求める回帰モデルについては，研究計画で予定していた来訪者トリップを表すGPSデータを取得して，そのデータからトリップチェーンを抽出する．このトリップチェーンと，昨年度入手したPT調査から取得したトリップチェーン情報を合わせた回帰分析を行う．モバイル空間統計による滞在人数情報は昨年度入手済であり，データ環境は整っている．推定したモデルは昨年度の分析結果と突合できるので，その比較によってモデル精度に影響するデータ処理やデータ特性を明らかにする．一連の分析を遂行することによって，本課題のタイトルに掲げた「来訪者と居住者」の交通行動を踏まえたOD表推定ができる．
公共交通ネットワークの運賃・需要の最適化モデルの大規模化については，昨年の研究成果を応用して，より大規模なネットワーク構造へのモデル適用と，妥当な最適化ネットワークの出力が可能か否かを検討する．その際に，数理最適化モデルから得られる（実行可能解以外の）実行不能解をモデル学習時に利用する方策についても検討する．これにより，解の精度を高めつつ，深層学習に用いるデータ量を効果的に増す工夫についても検討する．
|
