JP2005084930A - 空間データマイニング方法及び空間データマイニングシステム - Google Patents

Abstract

【課題】 発生事象と空間データとの対応が取りやすく、取り扱う各種データから規則を適切に導き出す空間データマイニングを提供すること。
【解決手段】 所定地域内で特定された事象が発生した場合、その事象発生地点の位置情報１１を入力し、入力された事象発生地点の位置情報から領域決定手段１２により、事象の発生数が多い領域を決定する。この決定された領域が、前記地図データ上のどの位置に対応するか、地図上位置特定手段１４で地図データ上の位置を特定する。また、複数の関係情報を、それぞれ位置情報を伴って入力しておき、これら関係情報から、決定された領域に対応する関係情報を抽出する。この抽出された関係情報と、特定の事象とから、規則発見手段１８により、相関関係をなす規則を発見する。
【選択図】 図１

Description

本発明は、空間情報を加えて、膨大なデータからある規則性やルールを発見する空間データマイニング方法及び空間データマイニングシステムに関する。

一般に、膨大なデータからある規則性やルールを見つけ出す手法としてデータマイニングが知られており、営業戦略の立案など、各種の分野に用いられている。近年、このデータマイニングに、川や道路などの地理的条件や気象などの所謂空間情報を加える空間データマイニングが採用されるようになっている。そして、この空間データマイニングにより顧客動向などを解析する提案もなされている(例えば、特許文献１参照)。
特開２００１-３３７９５６号公報

しかしながら、従来の空間データマイニングでは、空間データを取り扱う際に、地図データをメッシュ状に区分して取り扱っており、実際の地理的条件との対応がとり難いなどの問題があった。

本発明の目的は、発生事象と空間データとの対応が取りやすく、取り扱う各種データから規則を適切に導き出す空間データマイニング方法及び空間データマイニングシステムを提供することにある。

本発明による空間データマイニング方法及び空間データマイニングシステムは、 所定地域内で発生した特定された事象について、その事象発生地点の位置情報を入力し、入力された事象発生地点の位置情報から前記事象の発生数が多い領域を決定し、この決定された領域が、前記所定地域を表す地図データ上のどの位置かを特定することを特徴とする。

また、本発明では、決定された領域の地図データ上における位置を、地図データ上の属性との関係で表現する。

また、本発明では、決定された領域と地図データ上の属性との関係が類似する他の領域を、特定された事象が発生する領域として予測する。

また、本発明では、特定された事象に関係する複数の関係情報が、それぞれ位置情報を伴って入力され、これら関係情報から、その位置情報が決定された領域内に存在する関係情報を抽出し、この抽出された関係情報と特定された事象とから相関関係をなす規則を発見する。

さらに、本発明では、決定された領域の地図データ上における位置と、地図データ上の属性との関係から、事象発生要因を推定する。

これらの発明では、所定地域内で特定された事象が発生した場合、その事象発生地点の位置情報を入力し、入力された事象発生地点の位置情報から事象の発生数が多い領域を決定する。この決定された領域が、前記地図データ上のどの位置に対応するか、地図データ上の位置を特定する。

このように決定された領域の、地図データ上における位置は、地図データ上の属性との関係で、例えば、「α交差点からＸメートルでβ橋の近くの領域」というように表現する。

また、地図上の未知の領域についても、決定された領域と地図データ上の属性との関係が類似する他の領域、例えば、「α１交差点からＸ１メートルでβ１橋の近くの領域」には、特定された事象が発生する可能性が高いと想定し、その領域を特定された事象が発生しやすい領域として予測する。

また、特定された事象に関係する複数の関係情報を、それぞれ位置情報を伴って入力しておく。そして、これら関係情報のうち、その位置情報が決定された領域内に存在する関係情報を抽出する。この抽出された関係情報と、その領域で生じた特定の事象とから相関関係をなす規則、例えば、「地図上のこの領域は、・・・(関係情報)のため、特定された事象が発生しやすい」というような規則を発見する。

さらに、決定された領域の地図データ上における位置と、地図データ上の属性との関係から事象発生要因を推定する。例えば、「交差点からＸメートルの領域に特定された事象が多く発生するのは橋が近くにあるから」というように。

本発明によれば、発生事象と空間データとの対応が取りやすく、取り扱う各種データから規則を適切に導き出すことができる。

以下、本発明による空間データマイニング方法及びシステムの一実施の形態を、図面を参照して説明する。

先ず、図１で本発明の基本機能を説明する。図１において、１１は特定された事象が所定地域内で発生した場合に入力される位置情報で、特定された事象の発生地点を表している。１２は領域決定手段で、入力された事象発生地点の位置情報を集計し、前記事象の発生数が多い領域を決定する。

１３は前記所定地域を表す地図データ(空間データ)であり、図示しない地理情報システム（ＧＩＳ）から予め入力しておく。１４は地図データ領域特定手段で、領域決定手段１２で決定された領域のデータと、地図データ１３とを合成し、前記領域が地図データ１３上のどこに位置するかを特定する。

１５は位置関係特定手段で、領域決定手段１２で決定された領域の、地図データ１３上における位置と、地図データ１３上の任意の属性(ランドマークでもある)との位置を比較し、この任意の属性に対し前記領域がどのような位置関係にあるかを求める。例えば、決定された領域の交差点からの距離を求め、さらに領域近くに存在する構造物をしらべ、その結果を「α交差点からＸメートルでβ橋の近くの領域」というように表現する。

１６は類似領域抽出手段で、地図データ１３から、前記領域決定手段１２で決定された領域と地図データ１２上の属性との関係が類似する他の領域を検索する。この検索の結果、抽出された類似領域を、特定された事象が発生する可能性大の領域と判断する。すなわち、領域決定手段１２で決定された領域が「α交差点からＸメートルでβ橋の近くの領域」の場合、地図データ上の未知の領域である、例えば、「α１交差点からＸ１メートルでβ１橋の近くの領域」は、決定された領域と地図データ上の属性との関係が類似するとして抽出される。そして、この抽出された類似領域には、特定された事象が発生する可能性が高いと想定し、その領域を特定された事象が発生しやすい領域として予測する。

１７は特定された事象に関係する各種の関係情報で、それぞれ予め位置情報を伴って入力されている。１８は規則発見手段で、先ず、これら関係情報のうち、その位置情報が、領域決定手段１２で決定された領域内に存在する関係情報を抽出する。そして、この抽出された関係情報と特定された事象とから、相関関係を成す規則を発見する。すなわち、抽出された関係情報は、その領域で生じた特定の事象と直接関係する場合が多いので、これらから相関関係をなす規則、例えば、「地図上のこの領域は、・・・(関係情報)のため、特定された事象が発生しやすい」というような規則を発見する。

１９は要因推定手段で、領域決定手段１２で決定された領域の、地図データ上における位置と、地図データ上の属性との関係から、事象発生要因を推定する。例えば、「交差点からＸメートルの領域に特定された事象が多く発生するのは橋が近くにあるから」というように事象発生要因を推定する。

次に、この空間データマイニング手法を道路維持修繕計画システムに適用した場合を例にとって説明する。

近年、道路における公共工事事業は減り、維持修繕工事が大勢を占める。一方、公共工事予算は縮小され、維持修繕工事における効率的かつ効果的な実施が求められている。現状、維持修繕を必要とする工事箇所は、道路パトロールや定期的に行われている路面性状調査・分析を中心に選定されている。また、工事実施後経過年数や工事工法、使用資機材、災害、気象等、さまざまな要因により維持修繕を必要とする箇所が決定される。

しかし、これらの決定は、熟練した管理者を持ってしても難しく、最適な箇所に限られた予算で効率良く運営することは困難であった。更に、工事実施に当っては、規制が伴うことから交通流の妨げにもなり、社会的な影響への配慮も必要となることから、効率的な工事計画が求められる。これらを考えた運営は必要としながらも現状充分な工事管理がなされていないのが実情である。

この様な背景から、最適な維持修繕を必要とする箇所を見付け出し、限られた予算で効率の良い工事計画を立案可能とするシステムとして、空間データマイニング技術により導き出した知識（損傷等維持修繕を必要となる原因発生理由等)から、次に維持修繕すべき箇所を推測することで最適な工事箇所を導き出す機能を提供する。

すなわち、本システムは、空間データマイニングにより、過去の道路損傷から要因、地域特性等を見つけ出し、その結果を元に同一条件もしくは近い条件に当てはまる箇所を推測し、次なる工事箇所を予測する。結果を地図上に表現すると共に予算化計画への基礎資料としての帳票出力を行う。

マイニングに必要となる元データは、道路パトロールからの損傷情報や道路構造、工事履歴情報、災害・気象情報等関連するさまざまな情報からの分析を可能とする。また、それら情報は、いくらでも追加可能とする。

システム形態については、オンライン、オフラインともに適用可能としている。オンラインにおいては、各地方のデータ収集により、より詳細な分析結果を得られ、その結果を他にも適用するなどシステム適用範囲が広がる。

以下、具体例を図２を用いて説明する。図２において、２１は空間データマイニングエンジンで、基本的な機能は図１で示した内容である。

このエンジン２１には各種のデータが入力される。すなわち、本システムは道路維持修繕計画システムに適用しているので、入力されるデータは、次のとおりである。

・路面性状データ２２：舗装道路における、ひび割れ、わだち掘れ、平坦性調査結果のデータ。

・道路管理データ２３：交通量、構造物、舗装材料、経年数、修繕情報等の管理情報。

・災害・気象情報２４ ：過去に発生した災害情報(箇所、被害情報等)、気象情報(天候、月毎の平均気温等)。

・道路パトロール２５：パトロールによる損傷情報。

・工事履歴情報２６ ：工事箇所、工事内容、工事業者、規制情報等。

これらのデータは、それぞれ位置データを伴って入力されている。位置データとしては、道路が対象であるため、予め定めた基準点からの距離、すなわち、所謂キロポストを用いる。

ここで、路面正常データ２２は、道路上を走行する検査車のセンサーにより検出される値であり、ひび割れ、わだち掘れ、平坦性などの実測値から、路面の傷み程度を表すＭＣＩ値を求め、これを位置情報とともに入力する。すなわち、ＭＣＩ値が高い地点の位置を特定することができる。

本実施の形態では、前述のように道路維持修繕計画システムに適用しているので、道路のどの部分が傷んでいるかを把握する必要がある。したがって、痛みが大きいことが図１における特定された事象であり、痛みの大きい(ＭＣＩ値の高い)地点が、特定された事象の発生地点となる。

他のデータ、すなわち、道路管理データ２３、災害・気象情報２４、道路パトロール２５、工事履歴情報２６は、いずれもＭＣＩ値が高い（特定事象である）ということに関係する関係データであり、これらもそれぞれ位置情報を伴って入力される。

例えば、道路管理データ２３である交通量、構造物、舗装材料、経年数、修繕情報等の管理情報は路面の傷みに直接関係するデータである。また、災害・気象情報２４は、過去に発生した地震や火災等の災害情報(箇所、被害情報等)や、各季節での平均温度や降雨・降雪量など気象情報(天候等)であり、路面の傷みに関係する情報である。道路パトロール情報２５は、パトロールによる損傷情報であり、路面の傷みを直接表している。この情報は、特定された事象として扱ってもよい。工事履歴情報２６は、過去行われた工事箇所、工事内容、工事業者、規制情報等であり、路面の傷み発生との因果関係を強く持っている。

このほかに、空間データ２８として、ＧＩＳから調査該当部分の地図情報が入力される。さらに、このようなデータの分析のために解析パラメータ２８が入力される。この解析パラメータは、分析レベルに関するパラメータで、決定木を用いた分析において、ツリー階層の深さ、枝刈率、分割率をパラメータとして設定する。

次に、作用を図３のフローチャートを参照しながら説明する。先ず、各種データ２２〜２６の取り込み・フィルタリング(ステップ３０１，３０２)を行い、データの欠測、異常値データの排除を行う。尚、取り込むデータについては、あとづけでの追加が可能である。

次に、予め求めておいた(ステップ３０３)解析パラメータ２８及び空間データ(地図データ)２７を入力し、空間データマイニングを実行する(ステップ３０４)。

すなわち、当該地域情報及び分析対象とする項目、分析レベルのパラメータを指示し、空間データマイニングを実行する。なお、分析に必要なパラメータは、事前に設定した内容を初期情報として利用するオートモードと詳細に設定し、利用者が分析レベルを設定できるエキスパートモードを提供する。なお、空間データマイニングの詳細は後述する。

空間データマイニングによる解析結果は、木構造で出力される（ステップ３０５）。木構造で示された解析結果は、文章表現、表表現での形に編集する（ステップ３０６）。また、解析結果より得た路面損傷要因を元に、類似箇所をサーチし、損傷箇所の予測を行なう（ステップ３０７）。さらに、これらの結果を出力する（ステップ３０８）。

出力形態としては、例えば、編集結果をテンプレートとして出力する。テンプレートでは、依頼元システム(WEBシステム)に対し、結果の表示モジュール及びデータをセットで渡す。或いは、地図上への表示、文章・表表現及び予算計画書への基礎資料としての帳票出力を行う。

以下、空間データマイニングの詳細を説明する。先ず、調査対象となる所定地域内のどの位置のＭＣＩ値が高いかを位置情報(図１の１１)から検索する。そしてＭＣＩ値の高い地点が多く存在する領域を、図１の領域決定手段１２により決定する。この領域は、対象が道路であるため、例えば、Ｘ１キロポストからＸ２キロポストまでの領域のように、キロポストで規定する。

次に、図１の地図データ領域特定手段１４により、決定された領域（傷みのひどい領域）のデータ（この例ではキロポストデータ）と、地図データ１３とを合成し、傷みのひどい領域が地図データ１３上のどこに位置するかを特定する。特定した結果は、地図画面上に重ねて表示することで、傷みのひどい領域の地図上における認識が容易になる。

次に、位置関係特定手段１５により、傷みの大きな領域と、地図データ１３上の属性との位置関係を求める。すなわち、痛みの大きい領域が、地図データ１３上の属性（例えば、交差点）から何メートルの位置にあるか、或いは領域の近くに傷みの要因になり得る橋などの構造物があるかを調べる。そして、これら任意の属性（交差点や橋など）に対し、領域がどのような位置関係にあるかを求める。その結果は、例えば「傷みの大きい領域は、α交差点からＸメートルでβ橋の近くの領域」というように表現する。

次に、類似領域抽出手段１６により、痛みの大きい領域と地図データ１２上の属性との関係が類似する他の領域を、地図データ１３から見つけ出す。この結果、抽出された類似領域を、今後、路面の傷みが大きくなる可能性大の領域と判断する。例えば、領域決定手段１２で決定された傷みの大きい領域が「α交差点からＸメートルでβ橋の近くの領域」の場合、「α１交差点からＸ１メートルでβ１橋の近くの領域」は、類似領域として抽出される、したがって、この類似領域は、「今後、路面の傷みが大きくなる可能性大の領域」として予測される。

また、規則発見手段１８では、傷みが大きいと判断された領域と、これに関係する各種情報から相関関係を成す規則を発見する。すなわち、空間データマイニングエンジン２１には、路面に生じた傷みに関係する各種の情報（道路管理データ２３、災害・気象情報２４、道路パトロール情報２５、工事履歴情報２６等）が入力されており、これらの中から、その位置情報が、傷みが大きいと判断された領域内に存在する関係情報を抽出する。

また、この傷みの大きい領域は、所定の地域内に複数箇所存在する場合が殆どであり、複数箇所の領域毎に、自領域に対応する関係情報を抽出しておく。そして相関関係抽出に当っては、各領域に共通する関係情報を抽出する。

例えば、傷みの大きい複数の領域に共通する事項として、関係情報の中から「交通量が××台以上」、「前回の補修工事が△年前に行われている」、「補修材料Ａをそれぞれ用いている」、「各補修工事は業者ａが行なっている」、が抽出されたものとする。そして、この抽出された共通する事項からある規則を見出す。この場合は、「交通量が××台以上で、前回の補修工事から△年以上経過し、その補修工事は材料Ａにより、業者ａが実施した場合は、路面の傷みが大きくなる。」という規則を見出すことができる。

このため、前回の補修工事からの期間が短く、現在路面の傷みが大きくなくとも、他の事項が一致する場所では、将来、何時の時点で道路の傷みが大きくなるかを予測することができる。したがって、工事担当者は、担当地域での工事予定を事前に立案し、予算措置をとっておくことができる。

要因推定手段１９では、路面の傷みが大きいと判断された領域の、地図データ上における位置と、地図データ上の属性との関係から、路面が傷む要因を推定する。例えば、「交差点からＸメートルの領域の路面が傷むのは、橋が近くにあるから」というように発生要因を推定する。

このように、類似領域抽出手段１６によって傷みが大きい領域との類似箇所を抽出したり、規則発見手段１８によって傷みが大きいことに関する規則を見出したり、要因推定手段１９によって傷みが発生する要因を推定したりすることにより、これらの結果或いはこれらの結果の組合わせにより、広範囲にわたる道路の維持修繕計画を的確に効率よく行うことができる。

上記実施の形態は、空間データマイニングを道路維持修繕計画システムに適用した場合であるが、これ以外の各種システムに適用することができる。

例えば、交通事故の発生場所、特徴、要因分析などに適用することができる。この場合、特定された事象として、車同士の事故、車対人の事故、等を規定し、該当する事故発生毎にその発生地点の位置情報を入力する。また、関係情報としては、交通量等の交通情報、気象情報、車両毎の性能情報等を、それぞれ位置情報を伴って入力しておく。さらに空間データとして、道路の曲率や勾配等を含む地図情報が入力される。

空間データマイニングでは、前述した手法により、事故発生地点の位置情報から、事故が多発する領域を決定し、その領域に対応する地図情報や関係情報との相関をとる。その結果、例えば「交差点手前の、のぼり勾配で、××Ｒのカーブ地点では、雨の日、大型車による対人事故が発生しやすい。」というような規則を見出すことができる。また、類似箇所の抽出や、事故要因の推定等も行うことができる。

このほか、特定された事象として適切なものを規定し、各種の関係情報や空間データを入力することにより、タクシーの配車分析や、イベント会場での人間の移動パターン解析、商圏解析等、各種の解析に用いることができる。

本発明による空間データマイニングシステムの一実施の形態における基本機能を示す機能ブロック図である。 同上一実施の形態を示すシステムブロック図である。 同上一実施の形態の作用を説明するフローチャートである。

符号の説明

１１ 事象発生地点の位置情報
１２ 領域決定手段
１３ 地図情報
１４ 地図データ領域特定手段
１５ 位置関係特定手段
１６ 類似領域抽出手段
１７ 関係情報
１８ 規則発見手段
１９ 要因推定手段

Claims (10)

1. 所定地域内で発生した特定された事象について、その事象発生地点の位置情報を入力する段階と、
   入力された事象発生地点の位置情報から前記事象の発生数が多い領域を決定する段階と、
   この決定された領域が、前記所定地域を表す地図データ上のどの位置かを特定する段階と、
   を有することを特徴とする空間データマイニング方法。
2. 決定された領域の、地図データ上における位置を、地図データ上の属性との関係で表現することを特徴とする請求項１に記載の空間データマイニング方法。
3. 決定された領域と地図データ上の属性との関係が類似する他の領域を、特定された事象が発生する領域として予測することを特徴とする請求項１又は請求項２に記載の空間データマイニング方法。
4. 特定された事象に関係する複数の関係情報が、それぞれ位置情報を伴って入力され、これら関係情報から、その位置情報が決定された領域内に存在する関係情報を抽出し、この抽出された関係情報と特定された事象とから相関関係をなす規則を発見することを特徴とする請求項１乃至３のいずれかに記載の空間データマイニング方法。
5. 決定された領域の、地図データ上における位置と、地図データ上の属性との関係から、事象発生要因を推定する請求項１乃至請求項４に記載の空間データマイニング方法。
6. 所定地域内で発生した特定された事象について、その事象発生地点の位置情報を入力し、この入力された事象発生地点の位置情報から前記事象の発生数が多い領域を決定する領域決定手段と、
   前記所定地域を表す地図データと、前記決定された領域のデータとを合成し、前記領域が地図データ上のどこに位置するかを特定する地図データ領域特定手段と、
   を備えたことを特徴とする空間データマイニングシステム。
7. 決定された領域の地図データ上における位置と、地図データ上の任意の属性との位置を比較し、この任意の属性に対し前記領域がどのような位置関係にあるかを求める位置関係特定手段を有することを特徴とする請求項６に記載の空間データマイニングシステム。
8. 地図データから、決定された領域と地図データ上の属性との関係が類似する他の領域を検索し、抽出された類似領域を、特定された事象が発生する可能性大の領域と判断する類似領域抽出手段を有することを特徴とする請求項６又は請求項７に記載の空間データマイニングシステム。
9. 特定された事象に関係する複数の関係情報が、それぞれ位置情報を伴って入力され、これら関係情報から、その位置情報が、前記決定された領域内に存在する関係情報を抽出し、この抽出された関係情報と特定された事象とから相関関係を成す規則を発見する規則発見手段を有することを特徴とする請求項６乃至８のいずれかに記載の空間データマイニングシステム。
10. 決定された領域の地図データ上における位置と、地図データ上の属性との関係から、事象発生要因を推定する要因推定手段を有することを特徴とする請求項６乃至請求項９に記載の空間データマイニングシステム。

Images