| 研究課題/領域番号 |
23K26331
|
|---|
| 補助金の研究課題番号 |
23H01637 (2023)
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 基金 (2024)
補助金 (2023) |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分25010:社会システム工学関連
|
|---|
| 研究機関 | 鳥取大学 |
|---|
研究代表者 |
桑野 将司 鳥取大学, 工学研究科, 教授 (70432680)
|
|---|
| 研究分担者 |
細江 美欧 鳥取大学, 工学研究科, 助教 (00907777)
谷本 圭志 鳥取大学, 工学研究科, 教授 (20304199)
南野 友香 鳥取大学, 工学研究科, 准教授 (30778014)
森山 卓 横浜市立大学, データサイエンス学部, 准教授 (30823190)
|
|---|
| 研究期間 (年度) |
2023-04-01 – 2027-03-31
|
| 研究課題ステータス |
交付 (2024年度)
|
| 配分額 *注記 |
18,200千円 (直接経費: 14,000千円、間接経費: 4,200千円)
2026年度: 4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2025年度: 2,990千円 (直接経費: 2,300千円、間接経費: 690千円)
2024年度: 6,240千円 (直接経費: 4,800千円、間接経費: 1,440千円)
2023年度: 4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
|
|---|
| キーワード | ビッグデータ / 地方中小都市 / データ利活用 |
|---|
| 研究開始時の研究の概要 |
人口減少と財政難に直面する地方中小都市では，データ源の希少性とサンプル数の希少性の問題から，低密度で少量サンプルの小規模ビッグデータが多い．本研究課題では，そのような小規模ビッグデータの個別データ分析方法を開発するとともに，情報量不足を補完するために複数データを組み合わせた分析方法を開発する．これにより，活用されることが少なかった地方都市の小規模ビッグデータを用いて，地域活性化施策に資する情報を導出する．
|
| 研究実績の概要 |
初年度である2023年度は，地方中小都市で蓄積されている小規模ビッグデータの特性に応じた分析方法を開発することを目的に各種データの収集と基礎的なモデルの構築を行った．まず，時系列モデル，多変量状態空間モデリング，深層学習などに関する最先端の分析手法，スパースモデリングや次元圧縮などの小規模データに適したモデル選択方法，および小売業や金融業，製造業，運輸業，観光業などにおけるデータの利活用方法等について包括的なレビューを進めた．次に，研究課題の目的達成のために必要となるデータを収集し，本格的な分析に向けたデータ整理・加工とデータベースの構築を行なった．具体的には，鳥取県を対象に，スマートフォンから得られるGPSの位置情報や属性情報をもとに推計された人流データ，県内の主要施設の入り込み客数データ，公共交通の運行状況を表すGTFSデータ，外出計画段階のニーズを表す経路検索データなど，交通行動や消費行動を表現する複数のデータを収集し，サンプル数や属性数（項目数），データ取得頻度，データ取得期間など，データごとの特性の把握と整理を行なった．そして，地方中小都市でも比較的データの取得が容易と考えられる経路検索データを対象に，区分線形モデルや多変量状態空間モデルを適用することで，時系列変動に関する特徴量の抽出を行い，新型コロナウイルス感染拡大前後における件数や起終点などの検索特性の変化を分析した．これにより新型コロナウイルス感染拡大による影響量や影響期間の把握が可能となり，コロナ前との比較によって現状を評価できることを示すことができた．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
本研究は，地方中小都市で蓄積されている小規模ビッグデータの特性に応じた分析方法を開発することを目的としている．2023年度は当初研究計画で予定していた通りに，分析に使用するデータを取得することができ，基礎的な集計が完了した．また，地方自治体との連携により，現在，収集が可能なデータと今後に収集が見込まれるデータを整理することができた．そのため，予定通り2024年度からのデータ分析のための本格的なモデル構築に取り組むことが可能である．
|
| 今後の研究の推進方策 |
公共交通計画の立案に資する情報を得ることを目的に，引き続き関連データの収集を行う．また，初年度に収集した複数のデータについて，それぞれのデータ特性の把握も行う．そして，個別データに対して，これまでに構築したモデルを適用し，時系列変動の特徴量の抽出を行うとともに各モデルの得失の把握とモデルの改良を行う．これによりトレンドの把握と変動成分，および変動を引き起こす要因を明らかにするための分析システムの構築を試みる．
|
