| 研究課題/領域番号 |
19K04946
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分25030:防災工学関連
|
|---|
| 研究機関 | 東京工業大学 |
|---|
研究代表者 |
沖 拓弥 東京工業大学, 環境・社会理工学院, 准教授 (40712766)
|
|---|
| 研究分担者 |
小川 芳樹 東京大学, 空間情報科学研究センター, 講師 (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, 准教授 (20868343)
大佛 俊泰 東京工業大学, 環境・社会理工学院, 教授 (00211136)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2021年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2020年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2019年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
|
|---|
| キーワード | 避難行動 / 物的被害 / グラフニューラルネットワーク / データ同化 / シミュレーション / 予測 / 深層学習 / 大地震 / データ駆動 / ビッグデータ / 機械学習 / 防災・減災 / リアルタイム予測 / リアルタイム推定 / 避難シミュレーション |
|---|
| 研究開始時の研究の概要 |
本研究では，まず，大地震時の物的被害や避難者一人ひとりの行動を記述する精緻な都市内広域避難シミュレーションに基づく，計算量の少ないAI行動モデルの構築手法を開発する。次に，観測ビッグデータ（大規模携帯電話GPSデータや被害情報）を用いたデータ同化により，AI行動モデルに基づく予測結果を補正し，リアルタイムに避難者分布を推定する手法を開発する。さらに，実際の観測データに適用し本手法の有用性を示すとともに，観測時間間隔やシミュレーションの計算時間間隔が，リアルタイム性や推定精度に及ぼす影響も明らかにする。
|
| 研究成果の概要 |
大地震時のリアルタイム避難者分布推定の実現に向けて，尤度ベースのグラフニューラルネットワークであるGRETEL[Cordonnier 2019]とデータ同化（粒子フィルタ）を組み合わせた避難者分布予測手法を開発した。時々刻々と変化する物的被害状況に対応した道路の通行可能性をエッジの特徴量に追加することで，災害時特有の行動予測を可能とした。擬似観測軌跡を用いた検証の結果，個々の避難行動軌跡や，250mメッシュ単位で集計した避難者数の予測誤差の観点で見ると，発災から2時間後までは良好な予測精度を示した。また，発災から6時間後までの避難者分布を44秒で予測するなど，計算効率性の高さも確認できた。
|
| 研究成果の学術的意義や社会的意義 |
【学術的意義】グラフニューラルネットワーク(GNN)が，災害時に特有の状況（複雑な行動や，被害状況が時々刻々と変化することなど）における避難者分布の予測にも有効であるとわかり，GNNの応用範囲の拡大につながる可能性がある。また，不確実性を含む経路選択や，特定の状況での学習結果が他の被害ケースや地域にも適用できるかという点など，今後の課題を明らかにしたことも学術的に意義がある。
【社会的意義】避難者の観測軌跡が（準）リアルタイムで得られさえすれば，大地震時のリアルタイム避難者分布推定がある程度可能であることを示すことができ，携帯電話人口統計データ等のさらなる活用の促進につながる可能性がある。
|
