| Project/Area Number |
24K21021
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 80020:Tourism studies-related
|
|---|
| Research Institution | Osaka Sangyo University |
|---|
Principal Investigator |
藤本 雄紀 大阪産業大学, デザイン工学部, 講師 (40711015)
|
|---|
| Project Period (FY) |
2024-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2025: ¥2,210,000 (Direct Cost: ¥1,700,000、Indirect Cost: ¥510,000)
Fiscal Year 2024: ¥2,470,000 (Direct Cost: ¥1,900,000、Indirect Cost: ¥570,000)
|
|---|
| Keywords | 地域モビリティ / AI / 公共交通政策 / SNS / LLM / 利用実態 |
|---|
| Outline of Research at the Start |
地方の観光地は，二次交通の不便さや周遊観光におけるアクセス手段不足など，モビリティに関する課題がある．持続可能な観光を実現するためには，観光交通だけでなく，地域住民の生活交通も含めた利用実態および潜在需要を明らかにする必要がある．そこで本研究では，AIを活用することで各地方に応じた公共交通施策の提案と評価を行うことを目的とする．そのために，SNSのデータを収集し，各地域鉄道の利用実態を明らかにするためのユーザ分析を行う．さらに，全国の地域鉄道を比較することで需要パターンを分類し，潜在需要も明らかにする．その上で抽出したデータの可視化手法を検討することで施策の提案や評価に繋げる．
|
| Outline of Annual Research Achievements |
本研究は、地方観光地が抱える二次交通の不便さやアクセス手段不足といったモビリティの課題に対し、地域鉄道の有効活用を目指している。その一方策として、AIを活用して各地方に応じた公共交通施策を提案・評価するため、SNSデータから利用実態や潜在需要を明らかにすることを試みている。
2024年度は、地域鉄道に関するデータの蓄積および利用者属性の分析技術の開発を主要な目標とした。Instagramの投稿を対象として、大規模言語モデル（LLM）を用いた地域鉄道の利用目的分類に関する研究を実施した。のと鉄道と神戸電鉄に関するInstagram投稿を収集し、LLMを用いて投稿が日常利用、観光利用、その他のいずれに該当するかを分類する性能を検証した。実験の結果、のと鉄道のような、ラッピング車両や駅舎など鉄道自体が観光資源となっているような特徴的な鉄道では、LLMによる利用目的の分類が可能であることが確認できた。
この成果の意義は、研究計画で掲げたSNSデータの活用による利用実態の分析の実現可能性を示し、特にLLMを用いた分析手法の有効性と限界を具体的に示した点にある。今回の結果は、今後、より多様な地域鉄道へ分析対象を拡張する上で、どのような点に注意し、どのような技術的工夫（例えば、ユーザー属性分析、マルチモーダルLLM、ファインチューニングなど）が必要かを明確に示唆しており、研究計画全体を推進する上で不可欠な知見をもたらした。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
現在までの進捗として、Instagramの投稿を対象とした、大規模言語モデル（LLM）を用いた地域鉄道の利用目的分類に関する実験を実施した。具体的には、のと鉄道と神戸電鉄のInstagram投稿を収集し、LLMを用いて投稿内容が日常利用、観光利用、その他のいずれに該当するかを分類する性能を検証した。
実験の結果、のと鉄道のような、鉄道自体が観光資源となっている特徴的な路線では、LLMによる利用目的の分類が約7割の精度で可能であることが確認された。一方、多様な利用目的を含む神戸電鉄では、運行情報や「撮り鉄」による投稿などがノイズとなり、LLM単独での分類精度は比較的低いという課題が明らかになった。
そのため、マルチモーダルLLMを用いたシステムへ改良を進めつつ、その他の全国の代表的な路線を中心に同様の傾向があるのかを確認している。
|
| Strategy for Future Research Activity |
まず、分析技術のさらなる精度向上を目指す。2024年度の成果から見えた課題に対し、LLMのファインチューニングや、投稿に含まれる画像や動画も考慮するマルチモーダルLLMの適用も検討する。
次に、改良した分析手法を全国95社の地域鉄道へ順次拡張し、各地域の利用実態と潜在需要を詳細に明らかにする。
そして、これらの分析結果を地方自治体等が活用しやすいよう、Webベースの可視化システムを開発し、GIS上で分かりやすく提示する。これにより、地域の実態に即した公共交通施策や観光振興策の提案・評価を支援する。
|
