| 研究課題/領域番号 |
18H01552
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分22050:土木計画学および交通工学関連
|
|---|
| 研究機関 | 東北大学 |
|---|
研究代表者 |
井上 亮 東北大学, 情報科学研究科, 准教授 (60401303)
|
|---|
| 研究分担者 |
磯田 弦 東北大学, 理学研究科, 准教授 (70368009)
金森 亮 名古屋大学, 未来社会創造機構, 特任准教授 (40509171)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
17,290千円 (直接経費: 13,300千円、間接経費: 3,990千円)
2020年度: 5,720千円 (直接経費: 4,400千円、間接経費: 1,320千円)
2019年度: 5,590千円 (直接経費: 4,300千円、間接経費: 1,290千円)
2018年度: 5,980千円 (直接経費: 4,600千円、間接経費: 1,380千円)
|
|---|
| キーワード | 点事象 / 集積領域検出 / スパースモデリング / 空間的異質性 / 地域分析 / 点事象集積領域検出 / 小地域分析 / Generalized lasso / ラプラス分布 / Fused-MCP / NEG分布 / 空間統計解析 / Fused lasso / Fused MCP / 点事象集積 / 地理空間データの可視化 / ポアソン点過程モデル / 集積検出 / 空間解析 |
|---|
| 研究成果の概要 |
本研究は，地理空間データの一種である，事象（イベント）の発生地点や時点を記録した点事象データから，周辺と異なる高い事象発生確率を有する地域や期間を検出する新たな解析手法を構築した．提案手法は，機械学習手法の一つであるスパースモデリングに基づいている．また，ベイズ統計手法への拡張も行い，既往手法では不可能な推定結果の信頼性を明示できる方法を構築した．模擬データによる検証から，提案手法が既往手法を超える検出能力を持つことを，犯罪発生地点データなど実データへの適用から，地域分析手法としての有用性を有することを確認した．
|
| 研究成果の学術的意義や社会的意義 |
地域の社会経済活動を記録した地理空間データは，地域現況のモニタリングやエビデンスに基づく政策決定に活用可能な情報を有しており，その解析手法開発は地理情報科学における重要課題の一つである．本研究では，事件・事故の発生や感染症発症など，事象が発生した地点・時点を記録する点事象データから，周辺と異なる高い事象発生確率を有する地域・期間を発見・抽出する手法を開発した．結果の信頼性を明示できる提案手法の分析結果は，科学的妥当性の高い評価を可能にする．本成果は，点事象データに基づく地域の実態把握の高度化に貢献できると期待される．
|
