2017 Fiscal Year Annual Research Report
Prediction method of spatiotemporal distribution of transient occupants and risk reduction technique after a disaster
| Project/Area Number |
17H00843
|
|---|
| Research Institution | Tokyo Institute of Technology |
|---|
Principal Investigator |
大佛 俊泰 東京工業大学, 環境・社会理工学院, 教授 (00211136)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
沖 拓弥 東京工業大学, 環境・社会理工学院, 助教 (40712766)
|
|---|
| Project Period (FY) |
2017-04-01 – 2021-03-31
|
| Keywords | 都市内滞留者・移動者 / GISデータ / PTデータ / モバイル空間統計 / 国勢調査データ |
|---|
| Outline of Annual Research Achievements |
流動人口の特性を都市レベルで精緻に予測するための基礎技術を開発するために，本年度は，以下の視点から研究を実施し成果を得た。
①GISデータを用いたPTデータの集計単位の変換：PTデータに備わっている都市内滞留者・移動者の移動目的・移動手段をもとに，任意のエリア内に存在する施設情報をGISデータから抽出しこれを活用することで，高精度でエリア内滞留者・移動者人口を推計する方法を開発した。この方法を用いて，モバイル空間統計の集計単位であるメッシュ単位にPTデータを変換した。
②モバイル空間統計の精緻化：モバイル空間統計は，サンプル数が多くデータの信頼性は高いものの，携帯電話利用者のシェア率をもとに滞留者数を推定しており，このシェア率は各都道府県内では一定と仮定している。つまり，局所的に大きく異なる滞留者の属性が考慮されていない（若年層の携帯電話所有率は高齢者よりも高いなど）。そこで，まず，モバイル空間統計で暗黙裡に仮定されている拡大係数の補正を行った。具体的には，滞留者人口として最も信頼できる国勢調査データ（深夜人口分布）を用いて，基準となる拡大係数を推定する方法を開発した。
③PTデータを用いた属性や移動目的等のモバイル空間統計への組込：PTデータには，性別・年齢階級・職業などの属性や移動目的・移動手段，さらに，発着地点・発着時刻の情報が備わっている。人の移動に関するOD情報（どこからどこへ，どのような人が，どれだけ移動しているか）をPTデータから抽出し，この情報をモバイル空間統計のデータに移植する数理統計手法について検討した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本研究においては，流動人口に関する大量の時空間データが必要であり，これらは民間企業から購入する必要があった。データ購入に際しては，仕様策定・入札手続・契約手続・データ作成など，一連の作業に予想外の人的コスト・時間的ロスを伴ったが，事務サイドのサポートを受けて，計画通りのスケジュールで平成29年度の研究を遂行することができた。平成30年度については，この経験をもとに，よりスムースに研究計画を遂行する予定である。
|
| Strategy for Future Research Activity |
当初の研究計画に基づき，平成30年以降は，複数の人口データを統合することで都市内滞留者・移動者の高度な時空間分布データを構築という視点から研究課題を遂行する予定である。このとき，平成29年度における研究過程において明らかとなった興味深い事実や新たな研究課題，さらに，新たに着想した分析手法がある。当初の研究計画には含まれない課題ではあるものの，これらは排除することなく，当初の研究課題を拡張する形で研究課題に組み込み引き続き検討することとしたい。
①現存する人口データでは，移動者の数や発着地点を精度良く把握することは困難であることから，モバイル空間統計やパーソントリップ調査データ（PT データ），国勢調査等を併用することで，都市内滞留者の時空間分布を推定する方法について検討する。
②上記の方法に携帯情報端末に備わるGPSログデータに基づく混雑統計を組み合わせることで，都市内移動者の流出や流入を，細かい時空間単位で推定する手法を構築する。
③詳細な情報を有する建物ポイントデータとPTデータを用いて，モバイル空間統計データに，具体的な滞留施設や滞留目的に関する情報を付与することで，都市内滞留者ビッグデータの高度化を図る手法を構築する。
④高度化した都市内滞留者ビッグデータの応用を見据えて，都市内滞留者の異常な時空間分布を検知する手法について検討する。
|
