2022 年度研究成果報告書

An Online Adaptive Boosting Ensemble Approach to Human Mobility Prediction at a Metropolitan Scale

研究課題

PDF

研究課題/領域番号	20K19782
研究種目	若手研究
配分区分	基金
審査区分	小区分60060:情報ネットワーク関連
研究機関	東京大学
研究代表者	FAN ZIPEI 東京大学, 空間情報科学研究センター, 特任講師 (70835397)
研究期間 (年度)	2020-04-01 – 2023-03-31
キーワード	Emergency management / Spatial data mining / IoT in Urban System
研究成果の概要	提案中のオンライン適応型アンサンブル移動予測モデルの開発を終え、このプロジェクトの重要な手法に関連する複数の論文を会議かジャーナルに発表した。不規則交通予測では、不規則交通のノードを正規のものと分離して不規則交通の予測可能性を高めるカリキュラム学習法を提案し、AAAIに掲載されました。不規則性シミュレーションパートでは、可視化ジャーナルTVCGと、オンラインアンサンブルの部分は、データマイニングのジャーナルTKDEに発表されました。また、移動予測システムのリアルタイム実装と不定期イベントのシミュレーション結果に関する論文1本が、空間データの会議であるsigspatialに発表されました。
自由記述の分野	Spatial data mining
研究成果の学術的意義や社会的意義	規則的な移動パターンは、モデル化しやすく、予測しやすい。しかし、花火大会やコミケなどの集客イベントや、大地震や台風などの自然災害時の移動など、現実世界の多くの移動パターンには不規則性が見られます。防災や災害対策など、多くの応用シーンにおいて、人間の不規則な移動は、日常的な移動よりもはるかに重要な役割を担っています。このような背景から、本プロジェクトでは、不規則な移動のモデリングに焦点を当て、不規則な移動の特徴を様々な側面から分析し、適応的なアンサンブルアプローチによって統合します。