|
2019年度は、都市内部構造分析のための機械学習手法の開発を進め、同心円やセクターなどの典型的なパターンの学習を行い、日本のいくつかの大都市圏における実際の居住者特性の分布パターンを適用して、それぞれに対する典型的パターンの適合度を求めた。その結果、機械学習による単一時点の適合度の算出は、必ずしも解釈しやすい結果をもたらさなかった。2020年度は、機械学習手法の一つである、非負値行列因子分解・非負値テンソル因子分解を用いた都市内部構造の分析手法を提示し、人文地理学会において発表した。2021年度は、都市内部の既知の地域を学習したうえで、都市内部の地域分類を行う、畳み込みニューラルネットワークによる分析手法の開発を進めた。事例分析として、東京、大阪、名古屋を対象に、東京を学習したモデル、大阪を学習したモデルを用いて3都市を分類し、各モデルの適合性を検討した。研究成果の一部は、Esri User Conferenceにおいてポスターで発表し、Thematic Map部門で2位の表彰を受け、RGS-IBG Annual International Conference（英国）においてオンラインで、人文地理学会大会で口頭発表した。2022年度は、学習対象とする地域を選定する際の基準を検討するために実施した、東京圏および大阪圏に居住する住民への大規模なアンケート調査結果の集計・分析を行い、論文として公表した。2023年度は、これらの結果をもとに、機械学習の学習対象とする地域の基準を定め、実際に学習地域を検討する作業を進めつつ、これまでの研究成果をまとめて論文として公表する予定であったが、研究代表者に所属機関の異動があり、十分なエフォートを割くことができなかった。本研究課題としては終了とするが、引き続き、さらに研究内容を発展させつつ、論文としての成果公表を進めていく予定である。
|
