| 研究課題/領域番号 |
19K04946
|
|---|
| 研究機関 | 東京工業大学 |
|---|
研究代表者 |
沖 拓弥 東京工業大学, 環境・社会理工学院, 准教授 (40712766)
|
|---|
| 研究分担者 |
小川 芳樹 東京大学, 空間情報科学研究センター, 助教 (70794296)
今泉 允聡 東京大学, 大学院総合文化研究科, 准教授 (90814088)
大山 雄己 芝浦工業大学, 工学部, 准教授 (20868343)
大佛 俊泰 東京工業大学, 環境・社会理工学院, 教授 (00211136)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| キーワード | 避難行動 / 物的被害 / グラフニューラルネットワーク / データ同化 / シミュレーション |
|---|
| 研究実績の概要 |
2020年度には，Gretel [Cordonnier et al. 2019]と呼ばれるグラフニューラルネットワーク（GNN）モデルと，データ同化手法の一つであるパーティクルフィルタを統合した，データ駆動型の新たな避難者分布予測モデルを提案した。
2021年度は，上述の避難者分布予測モデルを改良するとともに，擬似的な観測避難者分布の生成に用いていているエージェントベースシミュレーションの結果と比較することで，主に計算時間と予測精度の観点からモデルの有用性を検証することを試みた。
具体的には，第一に，2020年度時点では十分に考慮できていなかった時刻情報を考慮できるよう，入力データの仕様や計算プログラムの改良を行った。時刻情報は，データ同化を行うにあたって重要であるため，発生からの経過時間に応じた道路閉塞状況のみならず，各避難者の位置情報も時刻情報とセットで扱うようにした。加えて，ベースとして用いているGretelは局所的な状況に基づき将来予測を行うものであるが，この特性は目的地（避難場所）をもって行動する避難行動とは乖離がある。そこで，道路ネットワーク上の各交差点（ノード）から各避難場所までの距離をノードの特徴量として組み込むことで，より大局的な避難行動の傾向を考慮した予測を可能とすることを目指した。
また，GNNに学習させる避難行動軌跡数やデータ同化で用いるパーティクル数と，計算コストや予測精度との関係を分析し，リアルタイム予測に求められる要件や期待できる精度について検討を試みた。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
4: 遅れている
理由
入力データの仕様や計算プログラムの改良，パラメータ調整等に当初の想定以上の時間を要したため。また，他の業務（教育活動など）との兼ね合いで，思うように本研究の遂行に時間を割くことができなかった。
|
| 今後の研究の推進方策 |
研究期間を1年延長し，研究分担者（人工知能応用，データ同化，および交通工学を専門とする若手研究者）との連携をさらに強化しながら研究目標達成を目指す。最終成果は国内外の学術ジャーナルへの投稿を検討している。
|
| 次年度使用額が生じた理由 |
新型コロナウイルスの影響により，国内外での学会発表が全て中止またはオンライン発表に切り替えられたことにより，旅費の支出機会が無くなったため。
2022年度も引き続きこの影響は続くものと考えられるが，代替として国内外学術論文への投稿を行い，その投稿費や英文校正費などに充てる予定である。
|
