| 研究課題/領域番号 |
21K04535
|
|---|
| 研究機関 | 日本大学 |
|---|
研究代表者 |
豊谷 純 日本大学, 生産工学部, 教授 (70459866)
|
|---|
| 研究分担者 |
大前 佑斗 日本大学, 生産工学部, 講師 (00781874)
原 一之 日本大学, 生産工学部, 教授 (30311004)
高橋 弘毅 東京都市大学, その他部局等, 教授 (40419693)
権 寧博 日本大学, 医学部, 教授 (80339316)
柿本 陽平 日本大学, 生産工学部, 助手 (90899494)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2026-03-31
|
| キーワード | シミュレーション / 機械学習 |
|---|
| 研究実績の概要 |
2022年度は、千葉県習志野市のデータを利用した人工密集地の特定、および、マルチエージェントシミュレーションの高速化を行なった。実際の人流データを利用した人工密集地の特定に関しては、千葉県習志野市のデータを利用した。具体的には、経度・緯度で表現される二次元空間上のサンプリング点群からカーネル密度推定法によりノンパラメトリックな確率密度関数（カーネル関数: ガウシアンカーネル）を構成し、閾値を超えるポイントを人工密集地と定義した。その結果、習志野市内での感染のハイリスクエリアを推定することができた。これは汎用的な手法であるため、データさえあればどの地域でも感染のハイリスクエリアを知ることができる。マルチエージェントシミュレーションの高速化については、Support Vector Regression Model により、その入出力関係を学習するアプローチを採択した。入力に関しては感染力や緊急事態宣言の開始・解除条件、出力に関してはシミュレーション期間全体の累計感染者数を採用した。また、推定しやすいデータセットと推定しにくいデータセットを分離させ、汎化誤差を算出した結果、推定しやすいデータセットの決定係数は0.993と非常に高い一方で、推定しにくいデータセットの決定係数は0.762であった。このことから、Support Vector Regression Model によりマルチエージェントシミュレーションを高速化する場合は、ある程度戦略的に教師データセットを構築する必要性があることがわかった。これらの結果は、査読付き論文誌 Mathematical Biosciences and Engineering などに採択され、出版された。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
実際の人流データを利用した分析を行うことができ、また、マルチエージェントシミュレーションの高速化に関して一定の成果が得られたため。
|
| 今後の研究の推進方策 |
今後は、これまでの成果を発展させた研究を実施し、外部公表に努める予定である。
|
| 次年度使用額が生じた理由 |
コロナ禍より、国際会議・学会発表・出張などを見送ったものがあるため。2023年度はある程度状況が落ち着いていると考えられるため、外部公表に努める。
|
