|
防災，交通，マーケティングなどの分野で，個人の移動履歴を収集・加工したデータベースを利用して時々刻々と変化する人の流れを解析する研究や調査が盛んに行われている．しかし，これらのデータベースは個人のプライバシ情報を多く含むため，企業や個人などの幅広い層にデータベースを完全な形で公開することは困難である．また，収集した個人の移動履歴データの欠損や不備によりデータベースの構築が困難な場合も少なくない．本研究では，地域内の各地点に配置されたセンサから観測される各時刻の交通量を入力データとし，時空間に拡張された大規模なネットワーク上における組合せ最適化問題を解くことで，限られた観測データから個人の移動履歴を推定する手法を提案する．
本研究では，大規模な都市圏において限られた観測データから数万から数百万の人数の移動履歴を高い精度で推定するために，一部の移動履歴データから各経路候補の利用確率を学習した上で，観測される交通量との誤差を抑えつつ最も利用確率の高い経路候補の組み合わせを求める問題を時空間に拡張したネットワーク上の整数計画問題として定式化した．また，先行研究では，出力した経路と実際の経路が時空間ネットワーク上で完全に一致した場合のみを正解として提案手法の正答率を評価していた．しかし，これは例えば電車乗り換えが１本前後しただけで不正解と判定される非常に厳しい評価基準で，出力した推定結果が適切に評価されているとは言い難い．そこで，出力した経路と実際の経路を類似度にしたがって対応付けることで，出力した推定結果を適切に評価する実用的な評価基準を確立した．
|
