強化学習とデータ同化を用いた携帯データからの日々の変動を捉えた人流データの生成

2020 Fiscal Year Research-status Report

• Project/Area Number: 20K04718
• Research Institution: The University of Tokyo
• Principal Investigator: 樫山 武浩 東京大学, 生産技術研究所, 助教 (10611155)
• Project Period (FY): 2020-04-01 – 2023-03-31
• Keywords: 人流データ

Outline of Annual Research Achievements

本年度は、以下の項目を達成することを目標に研究を実施した。
【研究項目１：（令和２年度～令和３年上旬）対象の日のトリップチェーンデータの構築】
既存の移動データをモチーフ分析することで、人の行動パターンを分析する。この分析では、異なるデータによる分析結果の違いを把握するために、GPSデータと人の流れデータセットの２つのデータを使用する。それぞれの行動パターンに対して、トリップ総量がODデータと一致するように、位置と時間を決定することで、個々のトリップチェーンを生成する。
具体的な実績としては、人々の典型的な行動パターンを把握するためにモチーフ分析プログラムを作成し、GPSデータとパーソントリップ調査を用いて、複数の都市圏における行動パターンの分析を行い、都市圏を通して、4つのパターンほどで約80％程度の移動を表現できることがわかった。また、既往研究を調査し、アクティビティベースのアプローチで利用される目的地選択モデルや滞在時間モデルの精度の検証を行った。目的地選択モデルとしては、パーソントリップデータを学習データとして、重力モデルやMNLモデル、パラメータフリーモデルなどの精度確認を行ったが、いずれも十分な精度が達成できないことがわかり、新たな手法を検討する必要があることがわかった。現在、強化学習モデル構築のための効用関数の設計を進めているが、同時に、LSTMやマルコフモデルといった他のアプローチも参考にしながら、本研究に最適な手法の検討を行っている。

Current Status of Research Progress

4: Progress in research has been delayed.

Reason

本研究では、令和３年上旬までに、研究項目「対象の日のトリップチェーンデータの構築」において、1)モチーフ分析、2)行動モデル構築、3)トリップチェーン構築、4)トリップの出発時間の調整に関する作業の完了を予定している。現在、2)の作業に取り組んでいるが、目的地選択モデルの精度が十分でなく、試行錯誤の段階にあり、予定より進捗が遅れている。本作業を早期に完了し、速やかに3)、4)の作業に入れるように努める。

Strategy for Future Research Activity

本年度は、まずは2)行動モデル構築と3)トリップチェーン構築をできるだけ早い時期で完成させる。その成果があれば、4)トリップの出発時間の調整の作業は速やかに完了できる予定である。そして、研究計画に従い、令和３年度下旬に「研究項目２：トリップデータにメッシュ人口データを同化」を開始することで、研究の遅れを取り戻す。

Causes of Carryover

研究の遅れにより、検証・評価用に購入予定していた携帯データの購入を次年度に変更した。