| 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, 講師 (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 / グラフニューラルネットワーク / データ同化 / 深層学習 / 大地震 / 物的被害 / 予測 / データ駆動 |
|---|
| 研究実績の概要 |
大地震発生直後，人々の滞留や避難状況をリアルタイムに把握することは，二次被害を防止する上で重要である。2021年度までに，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，データ駆動型の避難者分布予測モデルを提案した。
2022年度には，後者のモデルをベースに，時間経過とともに変化する建物の延焼や倒壊による道路閉塞の状況を特徴量として組み込むことで，大局的な避難行動の傾向を考慮した避難者分布の予測を可能とするモデルへと拡張した。そして，東京都足立区千住地域を実験対象地域として，擬似的な避難者分布の生成に用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した。250mメッシュ単位で避難者数分布の予測精度を見たところ，発災から2時間程度は精度を維持できているものの，その後，避難開始人数の増加とともに精度が低下していくことが判明した。より詳細に見ると，特定のメッシュを過大・過小に予測している影響が表れていた。その原因として，(1)予測に用いる「事前軌跡」が短く，比較的長距離の避難行動を正しく予測しづらいこと，(2)モデルの仕様上，最初に通過した一時集合場所で避難を完了してしまうこと，が考えられる。また，グラフ構造を利用して予測を行う本手法の長所を生かし，道路リンク単位の交通量の観点からも精度を検証したところ，発災から1時間経過時点でR^2=0.358と，現時点では精度は十分高いとはいえない。
最終年度までに，ある程度，避難行動軌跡を予測するための基礎技術は確立することができたが，当初予定していたデータ同化との融合は十分に果たせなかった。しかし，災害時避難行動に特有の不確実な挙動を十分に考慮するためには，データ同化は重要であり，GNNモデルとの相互作用を考慮した実装に引き続き取り組んでいく予定である。
|
