| 研究課題/領域番号 |
20K19859
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分61030:知能情報学関連
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
姜 仁河 東京大学, 情報基盤センター, 助教 (20865266)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2021年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
2020年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
|
|---|
| キーワード | Smart City / Spatiotemporal Data / Deep Learning / Transportation / Urban Mobility / Crowd Flow / Benchmark / Traffic Prediction / Crowd Prediction / Graph Neural Networks / smart city / society 5.0 / crowd density / crowd flow / human mobility / データ駆動型AI / 人流予測 / スマートシティ |
|---|
| 研究開始時の研究の概要 |
ビッグデータや最先端のAI技術を駆使することで、都市規模で群集や交通の密度や流れを予測することが可能になる。これは社会に強く影響する非常に重要な研究テーマであり、緊急管理や交通規制、都市計画など幅広く応用できる。大規模な都市区域を数々のきめ細かいメッシュグリッドへとメッシングすることで、連続的な期間における都市全体の群集や交通情報を映像のように表現し、各タイムスタンプを一枚の映像フレームとして扱うことができる。この考え方に基づき、都市全体の群集や交通に関する映像型の予測に対応するため一連の手法を提案・評価する。
|
| 研究成果の概要 |
大規模な都市区域を数々のきめ細かいメッシュグリッドへとメッシングすることで、連続的な期間における都市全体の人流・交通流を映像のように表現し、各タイムスタンプを一枚の映像フレームとして扱うことができる。この考え方に基づき、都市全体の人流・交通流に関する映像型の予測に対応するため一連の深層学習モデルが提案された。本研究を通じ、複数のオープンデータセットに基づき、メッシュベースの人流・交通流予測問題に対する標準的なベンチマークを構築した。関連成果は国際トップカンファレンスCIKM 2021にて最優秀リソース論文候補賞として授賞された。
|
| 研究成果の学術的意義や社会的意義 |
近年、IoT（Internet of Things：モノのインターネット）、ビッグデータ、人工知能技術の急速な発展に伴い、スマートシティは新しい科学技術分野として各国の学術界、産業界および各国政府から非常に重視されている。そこで、人を中核としたスマートシティの実現に最も重要な研究課題と技術は、都市規模の人流・交通流の知覚、分析、シミュレーション、予測である。本研究提案をスマートシティ構築のためのキーテクノロジーと位置づけ、Japan Society 5.0の実現に大きく貢献し、画像処理と自然言語処理以外の人工知能・データサイエンス研究を大きく発展させることを期待するものである。
|
