2017 Fiscal Year Annual Research Report
Development and Evaluation of Hierarchical Data Analysis and Optimization System for Realizing Smart City
| Project/Area Number |
16H01707
|
|---|
| Research Institution | Kyushu University |
|---|
Principal Investigator |
藤澤 克樹 九州大学, マス・フォア・インダストリ研究所, 教授 (40303854)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
瀧澤 重志 大阪市立大学, 大学院工学研究科, 准教授 (40304133)
佐藤 憲一郎 関東学院大学, 工学総合研究所, 研究員 (30713531)
|
|---|
| Project Period (FY) |
2016-04-01 – 2021-03-31
|
| Keywords | 数理最適化 / グラフ解析 / 高性能計算 / サイバーフィジカルシステム / IoT / AI / ビッグデータ / 都市OS |
|---|
| Outline of Annual Research Achievements |
超スマート社会実現に向けた取り組みは、第5期科学技術基本計画の中でも重要視されており、ICT が発展し、ネットワーク化やIoT(Internet of Things)の利活用が進む中、ビッグデータの解析・最適化のアルゴリズム開発においては、現代数学の先端的知識を必要としている。近年、最新技術の組合せや融合によって、安心、安全、便利ないわゆるスマートシティを実現するための様々な取り組みが世界中で推進されている。現在推進中の本研究課題においてはIoT やセンサなどの技術によって取得された大量のデータをインターネット経由でデータ及び計算基盤に格納し，数理モデルの構築とアルゴリズムの適用(グラフ解析, 数理最適化, 深層学習等)によって、高速にデータ解析や最適化などの実社会への応用に取り組むことを目的としている。
本研究ではスマートシティ実現のための社会基盤システムとして，道路や電力網などのインフラを含めた都市計画への活用から、ヒト/モノの動きの解析まで多岐にわたる課題を解決していくことを目的とする。特にヒトやモノの移動性（モビリティ）に関する数理モデルの構築と分類されたデータの活用、また高速計算手法の開発と検証に重点をおいて、意思決定のために許容される時間に応じた多階層型のデータ解析及び最適化システムの構築を行う。最終的には関連するプロジェクトや参画企業とも連携し、グラフ解析や数理計画問題等の活用で人流と交通流など多種データの複雑な条件の最適化を行うための都市における社会実装を推進する。さらに、これらに関連する次世代AIに対する取り組みとして、ヒト・モノの移動に関する数理・物理モデルによる現象の表現・ 再現・予測に取り組んでおり、現在の AI が不得意とする見えないデータ・過去のデータにない現象に対して予測や制御を可能するための研究を多数の民間企業と推進している。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
本研究課題では配送業や小売系,製造業などを対象として、ヒト・モノの移動に関する最新の数理モデルによる現象の表現・再現・予測を目指して、現在の機械学習などが苦手とする見えないデータ・過去のデータにない現象への対応を目指している。物理的な制約等により、ヒト・モノの移動に関する範囲や限度を数理モデルで表現し、各施設固有の状態を深層学習等の AI 手法で取得することによって、複雑かつ不確実な現象に関しても、なるべく小さな誤差で対応可能なシステムを構築を行っている。また実用化を目指すために、これらの予測精度だけでなく、費用対効果についても、実証実験環境下での解明を推進していく予定である。平成29年度は以下の民間企業との共同研究による個別の大きな成果を達成することが出来た。
１：ハイブリッドシステムにおける数理的手法を用いた大域的最適制御 （トヨタ自動車との共同研究）& AI(深層学習), 最短路問題, 数理最適化(半正定計画問題(SDP), 混合整数計画問題(MILP),非線形最適化
２：サイバーフィジカルシステムにおけるヒト・モノのモビリティの数理モデルと実験的解析 (パナソニックとの共同研究) & AI(深層学習), 最短路問題, 数理最適化(混合整数計画問題(MILP))
３：Webアクセスデータを用いた潜在的ユーザクラスタリングによるWebサイトの評価指標の提案（Yahoo! Japanとの共同研究) & AI(深層学習), 非負値行列分解(NMF), 数理最適化(混合整数計画問題(MILP))
４：深層学習及び次元圧縮による良品・不良品分類（住友電工との共同研究）& AI(深層学習), 次元圧縮(多様体学習), グラフクラスタリング, Gaussian Process Classification(GPC), Autoencoder
|
| Strategy for Future Research Activity |
今後の研究方策に関しては大きな変更点は無く、従来の計画通りに研究を推進するが、特に社会実装に向けて民間企業との連携を強化 していく.
|
