2016 Fiscal Year Annual Research Report
スマートシティ実現のための多階層型データ解析及び最適化システムの開発と評価
| Project/Area Number |
16H01707
|
|---|
| Research Institution | Kyushu University |
|---|
Principal Investigator |
藤澤 克樹 九州大学, マス・フォア・インダストリ研究所, 教授 (40303854)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
瀧澤 重志 大阪市立大学, 大学院工学研究科, 准教授 (40304133)
佐藤 憲一郎 関東学院大学, 工学総合研究所, 研究員 (30713531)
|
|---|
| Project Period (FY) |
2016-04-01 – 2021-03-31
|
| Keywords | 数理最適化 / グラフ解析 / 高性能計算 / サイバーフィジカルシステム / IoT / AI / ビッグデータ / 都市OS |
|---|
| Outline of Annual Research Achievements |
第５期科学技術基本計画では IoTや AI さらに BigData の活用によってインテリジェンスを有している社会で人間が豊かに暮らすという超スマート社会の実現を目指す Society 5.0 が推進されている。本研究ではスマートシティ実現のための社会基盤システムとして，道路や電力網などのインフラを含めた都市計画への活用から、ヒト/モノの動きの解析まで多岐にわたる課題を解決していくことを目的とする。特にヒトやモノの移動性（モビリティ）に関する数理モデルの構築と分類されたデータの活用、また高速計算手法の開発と検証に重点をおいて、意思決定のために許容される時間に応じた多階層型のデータ解析及び最適化システムの構築を行う。最終的には関連するプロジェクトや参画企業とも連携し、グラフ解析や数理計画問題等の活用で人流と交通流など多種データの複雑な条件の最適化を行うための都市における社会実装を推進する。都市機能最適化では扱うデータが取得タイミングによって静的，部分動的，動的に分類されて議論されるため、データを変動度合いにより３つに分類する（交通計画などの長期視点で扱われる静的データ，リアルタイムに変化する動的データ，イベント単位で変動する中間データ）。データ分類後には機械学習などにより特徴量を抽出し,予測や異常検知を行う。グラフ解析や数理計画問題などの数理技術の活用で人流や交通流など多種データの複雑な条件の最適化も行うことが可能となった。これに関連して、次世代AIに対する取り組みとして、ヒト・モノの移動に関する数理・物理モデルによる現象の表現・再現・予測に取り組んでおり、現在の AI が不得意とする見えないデータ・過去のデータにない現象に対して予測や制御を可能するための研究を多数の民間企業と推進した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
2011年の東日本大震災等の大規模災害で甚大な被害を受けたことにより,緊急避難計画の重要性は年々増している.こうした実問題に対して,都市OS等での活用が想定される多階層型データ解析システムの開発を行っている.この場合,問題の難易度(計算量とデータ量)によって適切なデータ解析手法を選択していく.計算量が大きいものは事前に計算しておき,計算量が小さいものは緊急時に実行することによって行動計画の策定に活用する.避難計画においては,近年ネットワークフローモデルを用いた普遍的最速流や辞書式最速流が注目されている.このモデルにより避難者全体として最も効率が良い避難計画を作成できる.しかし実問題の規模では計算時間が大きいため,緊急時の際に実行してリアルタイムな避難計画に反映させることが出来ないという問題を抱えている.現時点では、例えば大阪市における最適避難計画の計算には 69 時間を要しており、東南海地震発生後 2時間以内に到達する津波にはリアルタイムに対応することは不可能である。最適避難計画策定にはヒトに関する初期分布データが必要であるが、昼夜や曜日、さらに天候などに応じて様々な分布から中位解析層において繰り返し計算を行い、結果をデータベースに保存する。現在では各種センサーによって、リアルタイムにヒトの移動や分布を測定することが可能であり、非常事態発生時には現在の分布がこれまでの計算におけるどの分布に分類（クラスタリング）されるのかを機械学習の手法等で瞬時に判別する（ミクロ解析層）。本研究では, センサーやカメラ等でリアルタイムで得 られる簡単な情報 (スナップショット) と事前に計算した辞書式最速流の結果を活用して避難完了時間を機械学習によって予測し, 各時点における人の分布の危険度を推測することに成功した。
|
| Strategy for Future Research Activity |
今後の研究方策に関しては大きな変更点は無く、従来の計画通りに研究を推進するが、特に社会実装に向けて民間企業との連携を強化していく.
|
-
-
-
-
-
-
[Journal Article] Evaluating the Impacts of Code-Level Performance Tunings on Power Efficiency2016
Author(s)
Satoshi Imamura, Keitaro Oka, Yuichiro Yasui, Yuichi Inadomi, Katsuki Fujisawa, Toshio Endo, Koji Ueno, Keiichiro Fukazawa, Nozomi Hata, Yuta Kakibuka, Koji Inoue, and Takatsugu Ono
-
Journal Title
The proceedings of the IEEE BigData2016,
Volume: -
Pages: -
Peer Reviewed / Open Access
-
-
[Journal Article] NUMA-aware scalable graph traversal on SGI UV systems2016
Author(s)
Y. Yasui and K. Fujisawa, Eng Lim Goh, John Baron, Atsushi Sugiura and Takashi Uchiyama
-
Journal Title
The proceedings of 1st High Performance Graph Processing workshop , in conjunction with The International ACM Symposium on High-Performance Parallel and Distributed Computing (HPDC16)
Volume: -
Pages: 19-26
DOI
Peer Reviewed / Open Access / Int'l Joint Research
-
-
-
[Journal Article] The Mixed Evacuation Problem2016
Author(s)
Y. Hanawa, Y. Higashikawa, N. Kamiyama, N. Katoh, A. Takizawa
-
Journal Title
Combinatorial Optimization and Applications (COCOA'16), Hong Kong, China
Volume: 10043
Pages: 18-31
DOI
Peer Reviewed / Open Access
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
