2020 Fiscal Year Research-status Report
「観測ビッグデータ同化」による大地震時のリアルタイム避難者分布推定技術の開発
| Project/Area Number |
19K04946
|
|---|
| Research Institution | Tokyo Institute of Technology |
|---|
Principal Investigator |
沖 拓弥 東京工業大学, 環境・社会理工学院, 准教授 (40712766)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
小川 芳樹 東京大学, 空間情報科学研究センター, 助教 (70794296)
今泉 允聡 東京大学, 大学院総合文化研究科, 准教授 (90814088)
大山 雄己 芝浦工業大学, 工学部, 助教 (20868343)
大佛 俊泰 東京工業大学, 環境・社会理工学院, 教授 (00211136)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | ビッグデータ / データ同化 / 機械学習 / 防災・減災 / 大地震 / 物的被害 / 避難行動 / リアルタイム予測 |
|---|
| Outline of Annual Research Achievements |
2020年度は，2019年度に構築した避難行動軌跡予測モデルと建物構造・築年代推定モデルをそれぞれ改良し精度向上を図るとともに，本研究課題の最重要部分である，避難者分布を予測する機械学習手法とデータ同化手法の融合に取り組んだ。具体的には以下の通りである。
(1)道路リンク・時間単位の避難者数分布を効率的かつ精度良く予測するために，グラフニューラルネットワーク（GNN）とデータ同化を統合した，データ駆動型の新たな避難者分布予測モデルを構築した。まず，Gretel（Cordonnier et al., 2019）と呼ばれるGNNモデルに，2019年度に蓄積した避難行動軌跡データの一部を学習させ，ノードから接続道路リンクへの移動確率に相当する尤度分布を得る。次に，この尤度分布と初期避難者分布から得られる確率的な予測避難者分布に，データ同化手法の一つであるパーティクルフィルタを適用し，擬似的な観測避難者分布（エージェントベースシミュレーション結果）との誤差を減少させるというものである。そして，構築した避難者分布予測モデルを用いて実際に逐次計算を行い，避難者分布予測の高速化・高精度化がどの程度期待できるかを検証した。
(2)畳み込みニューラルネットワークにより外観画像から推定した各クラスの確率に加えて，属性情報を特徴量としてスパースモデリングによる識別器で判別するモデルを構築した。その結果，構造推定モデルの正解率は，木造・鉄骨造・RC造の3クラス分類の場合には78.6%（木造とRC造に限れば9割前後），木造・非木造の2クラス分類の場合には89.3%と，既往研究に比べて高い精度を示した。築年代推定はより難しく，7クラス分類の場合には37%程度の正解率であったが，建築基準法の耐震基準が大きく改訂された1981年前後の2クラス分類とすると，7割前後の正解率を示した。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
新たな避難者分布予測モデルの仕様検討および実装に想定以上の時間を要したことで，2020年度に完了予定の「機械学習とデータ同化（パーティクルフィルタ）手法の融合」を大規模データで実行する段階には至らなかった。
|
| Strategy for Future Research Activity |
今後は，2019年度に蓄積した多様なエージェントベースの広域避難シミュレーション結果に対して，2020年度に構築した避難者分布予測モデルの有用性を確認するための評価実験を行う。ここでは，GNNに学習させる避難行動軌跡数やデータ同化で用いるパーティクル数と，予測精度や計算コストとの関係などについて，評価実験の結果をもとに議論し，実用上必要なモデルの仕様を検討する予定である。また，発災以降に時々刻々と変化する避難行動傾向を表現できているかどうかの検証も必要である。さらに，災害時の実態をより考慮可能なノード・エッジの情報量の検討や，GNNから得られる尤度分布の解釈なども今後の課題である。
2020年度に引き続き，研究分担者（人工知能応用，データ同化，および交通工学を専門とする若手研究者）との定例ミーティングを実施する。連携を強化することで，2020年度よりも研究実施のスピードをさらに加速させる。
|
| Causes of Carryover |
新型コロナウイルスの影響により，国内外での学会発表が全て中止またはオンライン発表に切り替えられたことにより，旅費の支出機会が無くなったため。
2021年度も引き続きこの影響は続くものと考えられるが，代替として国内外学術論文への投稿を積極的に行い，その投稿費や英文校正費などに充てる予定である。
|
Research Products
(7 results)
