| 研究課題/領域番号 |
18H01552
|
|---|
| 研究機関 | 東北大学 |
|---|
研究代表者 |
井上 亮 東北大学, 情報科学研究科, 准教授 (60401303)
|
|---|
| 研究分担者 |
磯田 弦 東北大学, 理学研究科, 准教授 (70368009)
金森 亮 名古屋大学, 未来社会創造機構, 特任准教授 (40509171)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| キーワード | 点事象集積領域検出 / スパースモデリング / 小地域分析 / 空間的異質性 / Generalized lasso / ラプラス分布 / Fused-MCP / NEG分布 |
|---|
| 研究実績の概要 |
各国政府によるオープンデータ施策の進展等に伴い，社会経済活動に関する詳細な地点・時点を記録した地理空間データの公開が進められ，これらの利活用を通して地域の実態を把握し将来計画の立案に反映できる分析環境が整いつつある．地理空間データは，地域モニタリングやエビデンスに基づく政策決定に活用可能な有用な情報を有しており，その分析手法の検討は，現在，都市・地域計画や地理情報科学に関連する分野における重要な研究課題の一つである．
本研究は，地理空間データのうち，犯罪発生や企業立地などの地点・時点を表す点事象データ，および，不動産価格などのある地点・時点の属性を記録した点属性データを対象に，特徴的な傾向を示す小地域を発見・抽出する分析に焦点を絞り，LASSOやMCPなどのスパースモデリング手法を基盤とした新たな地域分析手法の構築を目的とした．
まず点事象データの分析に関して，点事象が集積する小地域を抽出するベイズ統計手法を構築した．スパース性を誘導する事前分布としてラプラス分布を導入したGeneralized lassoに対応した手法，および，NEG分布を導入したFused-MCPに対応した手法を構築した．シミュレーションによる性能評価を通して，ラプラス分布を導入した手法により集積検出結果の信頼性を定量的に示せること，NEG分布を導入した手法によりLassoが有するバイアスを改善した推定ができることを確認した．
次に，点属性データ分析に関して，空間可変係数モデルにGeneralized lassoの正則化を導入した，データの生成要因が特徴的な小地域を発見する分析手法を構築した．提案手法では局地的・離散的に発生する空間的異質性を，従来の空間可変係数モデルで扱う連続的な空間的異質性と区別して抽出できることを確認し，スパースモデリングを活用した空間分析の可能性を示すことができた．
|
| 現在までの達成度 (段落) |
令和2年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
令和2年度が最終年度であるため、記入しない。
|
