| 研究実績の概要 |
移動端末の行動パターンに類似性があることに着目し、多量の軌道データをマイニングすることで、将来の軌道パターンを予測することを目標に、移動端末の軌道データを多量に蓄積し、マイニングし、頻出軌道パターンのデータベースを作成する方法を開発した。具体的には、各軌道データを時間軸と空間軸を離散化することで系列パターンに変換し、系列パターンマイニングアルゴリズムであるPrefixSpan法とBIDE法を適用し、マイニングに要する時間、抽出できる軌道パターン数を評価した。
評価にあたっては北京エリアの人の移動データを用いた。本データは182人の5年半に及ぶ移動データで、約18,000の移動データで、総行程は120万km、総時間は48,000時間である。時間粒度を30分とした場合についてPrefixSpan法とBIDE法が抽出する頻出パターンを評価した結果、PrefixSpan法では150,000と5,300となるのに対し、BIDE法では60,000と4,800に抑えられることが明らかになった。また、将来の軌道パターンを予測するため、頻出パターンの類似度を評価するスコア値を計算し、直近のN ステップに滞在したエリアが最も一致するものが最も高いスコア値になるようにスコア値の関数を設計した。予測精度を評価した結果、次の移動先を70%の確率で予測できることが明らかになった。
人流移動の予測をもとに、モデル予測制御によるモバイル資源のエリア割当法を検討した。従来のトラフィック量の測定だけを用いた帯域割り当てを行うと、エリア内にユーザ数が大きく変化した場合に、帯域割り当てが追従できないことが問題であるが、エリアごとのユーザ数を正確に予測することで、問題を解決することが本研究の特徴である。指数平滑と分散を考慮した安全マージンを見込んだ帯域割り当てをすることで、短時間変動がある場合でも適切に資源割り当てを行いうることを明らかにした。
|
