| Project/Area Number |
24K01000
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 22050:Civil engineering plan and transportation engineering-related
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
小川 芳樹 東京大学, 空間情報科学研究センター, 准教授 (70794296)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
藤原 直哉 東北大学, 情報科学研究科, 准教授 (00637449)
柴崎 隆一 東京大学, 大学院工学系研究科(工学部), 准教授 (50323514)
樫山 武浩 大阪経済大学, 経済学部, 准教授 (10611155)
関本 義秀 東京大学, 空間情報科学研究センター, 教授 (60356087)
|
|---|
| Project Period (FY) |
2024-04-01 – 2027-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥18,460,000 (Direct Cost: ¥14,200,000、Indirect Cost: ¥4,260,000)
Fiscal Year 2026: ¥6,110,000 (Direct Cost: ¥4,700,000、Indirect Cost: ¥1,410,000)
Fiscal Year 2025: ¥6,110,000 (Direct Cost: ¥4,700,000、Indirect Cost: ¥1,410,000)
Fiscal Year 2024: ¥6,240,000 (Direct Cost: ¥4,800,000、Indirect Cost: ¥1,440,000)
|
|---|
| Keywords | インターモーダル輸送 / 海運 / 陸運 / 物流動態データ / ツアー分析 / 港湾 / 空間結合 |
|---|
| Outline of Research at the Start |
本研究では、全球のAISのデータと全国の車流データを用いて、港湾における船舶と貨物車の貨物積み替え行動特性を分析する。それを踏まえて、個別船舶・貨物車単位でAISと車流データを統合する手法を開発し、シームレスかつ時空間粒度の高い、国土スケールの海運・陸運の物流動態データを整備する。さらに整備した物流動態データの貨物流量を統計データと比較することで精度検証する。最後に、整備した物流動態データを分析し、コロナ禍における物流変動や、海運または陸運の物流停滞が他方に与える影響とその要因を明らかにする。
|
| Outline of Annual Research Achievements |
2024年度の目的は、船舶および貨物車両の軌跡データを用いて、港湾における貨物車両と船舶の貨物積み替え（トランシップ）に関する時空間的な輸送特性および貨物流量の関係を明らかにすることであった。これまでの研究において、船舶と貨物車両の両データを活用して港湾を対象とした分析事例は存在していない。
本研究では、まず定性的な評価が行いやすく、データ量も比較的少ない仙台港と従来より分析していた東京港を対象フィールドとし、港湾地区における貨物車両の行動と船舶のトランシップの関係性を分析した。この分析にあたっては、AIS（自動船舶識別装置）およびETC2.0データを用い、コンテナターミナルを発着する貨物車両に特有の輸送経路や行動パターンを抽出した。
具体的には、ETC2.0データから港湾ポリゴンを活用して、対象ターミナル内で位置情報が確認された貨物車両を抽出し、そのターミナル外の発地点を起点として車両ごとのトリップデータを作成した。さらに、1日単位での貨物車両のトリップの連続性を把握するためにツアーデータを作成し、物流関連施設への立ち寄り地点などを特定可能とした。
加えて、時間帯や曜日によるトリップおよびツアーパターンの違いを分析し、これを船舶の寄港データと比較することで、トランシップにおける地理的・時間的な関係を定量的に明らかにした。さらに、この手法により、コンテナターミナルへのアクセス前後の訪問地点に基づき、空コンテナを輸送する貨物車両と、貨物入りコンテナを輸送する車両とを特徴付けることが可能となった。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
2024年度は船舶および貨物車両の軌跡データを用いて、港湾における貨物車両と船舶の貨物積み替え（トランシップ）に関する輸送の時空間的特性を明らかにした。そのためにAIS（船舶自動識別装置）およびETC2.0データを活用し、コンテナターミナルを発着する貨物車両に特有の輸送経路および行動パターンを抽出した。
具体的には、全国規模のETC2.0データから港湾ポリゴンを用いて対象ターミナル内に位置情報が確認された貨物車両を抽出し、ターミナル外の発地点を起点として車両ごとのトリップデータを作成した。これをもとにデータ量が比較的少なく分析がしやすい仙台港と従来より分析をしていた東京港を対象として時間帯や曜日によるトリップパターンの違いを分析した。
さらに得られた貨物車両データと船舶の寄港情報、ならびにバースごとのコンテナ位置データとを比較することでトランシップにおける地理的・時間的関係を定性的・定量的の両面から明らかにした。
|
| Strategy for Future Research Activity |
本研究は三段階の計画で構成されている。
第一段階では港湾におけるコンテナ貨物に関して、貨物車両と船舶それぞれの貨物流動特性を明らかにする。第二段階では、海運・陸運の物流データを統合し、両者の動態をシームレスに把握可能なデータ統合技術の構築と、その手法の検証を行う。第三段階では、新型コロナウイルス感染拡大時に生じた海運および陸運双方の物流変動や停滞の実態を分析し、その相互作用を解明することを目的とする。
2024年度は、仙台港および東京港を対象として、船舶および貨物車両の軌跡データを活用し、港湾発着の貨物車両と船舶間の積み替え（トランシップ）に関する輸送の時空間特性を明らかにした。
2025年度は、これまでに得られた港湾における貨物車両と船舶の特性をもとに地理的・時間的・貨物流量の関係を数理的に記述する評価関数を構築する予定である。その上で最尤推定手法を用いて、個々のETC2.0データに対応する船舶データをAISデータから検索・結合し、海運と陸運を一体化した物流ネットワークを、より高い時空間解像度でシームレスに把握する手法を検討する。
ただし各種データに内在する観測誤差や観測頻度の違いによって、船舶と貨物車両のデータ結合には一定の誤差が生じる可能性がある。そのため、データ結合手法については試行錯誤を重ねながら、精度向上を図る必要がある。
さらに貨物車両データに船舶情報、事業所データ、物流施設データを重ね合わせることで、貨物車両のツアー分析の高度化を図る。加えて、出発地と目的地の情報が断片的な場合にも対応できるよう、個々のトリップ（出発地-目的地ペア）の推定および、それを束ねたOD（起終点間移動）推定を行い、地域間の貨物流動を可視化・分析する。
|
