2017 Fiscal Year Annual Research Report
The study of network analysis for large spatial networks
| Project/Area Number |
17H01826
|
|---|
| Research Institution | Wakayama University |
|---|
Principal Investigator |
風間 一洋 和歌山大学, システム工学部, 教授 (60647204)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
池田 哲夫 静岡県立大学, 経営情報学部, 教授 (60363727)
斉藤 和巳 静岡県立大学, 経営情報学部, 教授 (80379544)
伏見 卓恭 東京工科大学, コンピュータサイエンス学部, 助教 (80755702)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | 空間ネットワーク分析 / 機能クラスタ / 連結中心性 / 集合中心性 / 高速化 / ユーザ行動モデル |
|---|
| Outline of Annual Research Achievements |
空間ネットワークからの機能クラスタ抽出においては，各ノードの機能を高次元のベクトルで表現し，多数の高次元ベクトルを高速にクラスタリングする技術を確立した．さらに，クラスタ内ノードの次数に対してZスコアを計算し，各クラスタでZスコア分布が顕著に異なることを明らかにするとともに，各機能クラスタの特徴を視覚的に表現する可視化法も提案した．これらの提案手法をOpenStreetMapから抽出した実道路ネットワークを対象に体系的に評価し，その成果がジャーナル論文（Journal of Information Processing, Special Issue of Network Science）に採録された．
さらに，機能クラスタ抽出法を，各地域における道路構造の類似性に着目した転移学習アプローチにより，さらに高速化する手法を考案した．この手法では，すでに計算済みの地域の代表ベクトルを活用し，近似メドイドを計算する．オリジナルの手法のクラスタリング結果との一致率（精度）による評価を行い，計算量を削減できると同時に高い精度が得られることを確認し，国際会議（6th International Conference on Complex Networks and Their Applications）で発表した．
災害時の道路閉塞などを道路ネットワークにおけるリンク切断をモデル化した，リンク切断に頑健な中心性指標として，連結中心性を提案した．これにより，災害時に孤立してしまう地域に対して避難地を設定するなどの政策につながる研究成果が得られた．この結果は国内研究会（第115，116回数理モデル化と問題解決研究会）で発表した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
空間ネットワークの機能クラスタ抽出法に関しては，通常の高速化に加えて，新たに転移学習を用いた高速化を実現できた
空間ネットワークの機能クラスタ抽出法へのユーザ行動モデルの導入はまだ未着手である．
集合中心性のさらなる展開に関しては，新たに集合近接中心性と集合媒介中心性を用いたクラスタリング手法を開発した．
リンク切断に頑健な中心性としては，連結中心性を考案した．それを用いた集合中心性も考案・実装は終わっている．
|
| Strategy for Future Research Activity |
リンク切断に頑健な中心性である連結中心性については，集合中心性化して，空間ネットワークと一般的な複雑ネットワークのデータを用いて評価して，国際会議への投稿を目指す．このために，多くの比較手法の実装が必要だが，通常のクラスタリング手法はネットワークが単一連結成分であることを暗黙のうちに仮定しており，ネットワークが分断されるような状況には，たいていはそのまま適用できない．そこで，そのような状況でも動作するように改良して用いる．また，現在は無向ネットワークとしてモデル化しているが，さらに有向ネットワークとしてモデル化することを考える．さらに，OpenStreetMapのランドマークデータや地方自治体が公開している災害情報データなどを活用して，より精緻なユーザ行動モデルと道路閉塞の確率モデルを用いた応用を試みる．
機能クラスタ抽出法に関しては，ユーザ行動モデルや道路閉塞の確率モデルの導入を試みる．また，機能クラスタに関する解釈付与法に関しては，空間ネットワークに適用した最初の研究では，複数の都市に対して個別に抽出した結果を比較したために，異なる都市の機能コミュニティの対応が必ずしも明確ではなかったので，昨年度考案した異なる都市データに転移学習を用いる手法を改良したり，全てのネットワークのノード機能ベクトル群をオブジェクトとして同時にクラスタリングすることを可能にすることで，異なる都市の道路ネットワークに対する機能コミュニティの 抽出結果に統一的な解釈を与えることを試みる．
さらに，上記の研究実現のために，さらなる高速化と，今まで用いていたK-means法やK-medoids法とは異なる利点を持つ新たなクラスタリング手法の考案を計画している．
|
