JP2019139656A - 移動傾向推定装置、移動傾向推定方法、およびプログラム - Google Patents
移動傾向推定装置、移動傾向推定方法、およびプログラム Download PDFInfo
- Publication number
- JP2019139656A JP2019139656A JP2018024435A JP2018024435A JP2019139656A JP 2019139656 A JP2019139656 A JP 2019139656A JP 2018024435 A JP2018024435 A JP 2018024435A JP 2018024435 A JP2018024435 A JP 2018024435A JP 2019139656 A JP2019139656 A JP 2019139656A
- Authority
- JP
- Japan
- Prior art keywords
- parameter
- areas
- area
- movement
- movement probability
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0204—Market segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
【課題】隣接エリア以外への移動も考慮する場合であっても、精度良く、かつ、少ない計算量で移動確率及び移動人数の推定することができるようにする。【解決手段】パラメータ推定部１２０が、複数のエリアの各々について、当該エリアの各時刻の人口情報を含む人口統計情報に基づいて、複数のエリアの各々についての、当該エリアから他のエリアへの出発のしやすさを表わす第１パラメータ、及び当該エリアへの人の集まりやすさを表わす第２パラメータと、エリア間の距離が移動確率に及ぼす影響を表す第３パラメータと、複数のエリアの各々についての、当該エリアから他のエリアの各々への移動人数とを推定し、移動確率計算部１７０が、複数のエリアの各々について、第１パラメータと、第２パラメータと、第３パラメータとに基づいて、当該エリアから他のエリアの各々への移動確率を計算する。【選択図】図１
Description
本発明は、移動傾向推定装置、移動傾向推定方法、およびプログラムに関し、特に、人口統計情報から移動確率・移動人数の推定を高精度で行うための移動傾向推定装置、移動傾向推定方法、およびプログラムに関する。
従来より、ＧＰＳ等から得られる人間の位置情報は、プライバシーへの配慮から個人を追跡できないような人口統計情報として提供されることがある。人口統計情報とは、各時刻（タイムステップ）における、各エリアにいる人数の情報である。エリアとは、例えば地理空間をグリッド状に区切ったものである。
このような人口統計情報から、各タイムステップ間の各エリア間の移動確率及び移動人数を推定するニーズが存在する。
集計されたデータから個別の確率モデルを推定する枠組み（Ｃｏｌｌｅｃｔｉｖｅ Ｇｒａｐｈｉｃａｌ Ｍｏｄｅｌ、非特許文献１）を用いて、隣接するエリア間のみで移動が行われるという仮定のもとで、人口統計情報から各エリア間の移動確率及び移動人数を推定する技術が知られている（非特許文献２）。
D. R. Sheldon and T. G. Dietterich. Collective Graphical Models. In Proceedings of the 24th International Conference on Neural Information Processing Systems, 2011, pp.1161-1169.
T. Iwata, H. Shimizu, F. Naya, and N. Ueda. Estimating People Flow from Spatiotemporal Population Data via Collective Graphical Mixture Models. ACM Transactions on Spatial Algorithms and Systems, Vol.3, No.1, may 2017, pp.1-18.
非特許文献２では、あるエリアｉからの移動先の候補をｉ及びｉに隣接するエリアに限定していた。
このような制約は、エリアが十分に大きく、各タイムステップ幅が小さい場合には有効である。なぜなら、短い時間幅では人は遠くに移動することができず、エリアのサイズが大きければ移動のほとんどは同エリアもしくは隣接エリアで行われるからである。
しかし、この仮定はデータの種類やエリアのサイズによって成り立たない場合がある。例えば、エリアのサイズが小さい場合やタイムステップ間隔が大きい場合、及び長距離の移動が多く含まれるデータを扱う場合などは、隣接エリア以外への移動が多くなるため、仮定は成立しない。
このようなデータに対して手法を適用した場合、推定精度が大きく低下してしまう。そのため、高精度な推定のためには隣接エリア以外への移動も考慮する必要がある。
しかし、隣接エリア以外への移動も考慮する場合、２つの課題が生じる。
１つ目は、単純に隣接エリア以外への移動も考慮した場合、モデルの自由度が非常に高くなってしまうことによって解が絞りきれなくなってしまい、真の値とかけ離れた解が出力されてしまうことである。
２つ目は、計算量の増加である。エリア間の移動人数及びパラメータを推定する際には、繰り返し最適化問題を解く必要がある。隣接エリア以外への移動も考慮する場合、サイズの大きい最適化問題を何度も解く必要があるため、計算量が非常に大きくなってしまう。
本発明は上記の点に鑑みてなされたものであり、隣接エリア以外への移動も考慮する場合であっても、精度良く、かつ、少ない計算量で移動確率及び移動人数の推定することができる移動傾向推定装置、移動傾向推定方法、およびプログラムを提供することを目的とする。
本発明に係る移動傾向推定装置は、複数のエリアの各々について、前記エリアの各時刻の人口情報を含む人口統計情報から、各時刻の前記エリアから他のエリアの各々への移動人数及び移動確率を推定する移動傾向推定装置であって、前記人口統計情報に基づいて、前記複数のエリアの各々についての、前記エリアから他のエリアへの出発のしやすさを表わす第１パラメータ、及び前記エリアへの人の集まりやすさを表わす第２パラメータと、前記エリア間の距離が前記移動確率に及ぼす影響を表す第３パラメータと、前記複数のエリアの各々についての、前記エリアから前記他のエリアの各々への移動人数とを推定するパラメータ推定部と、前記複数のエリアの各々について、前記第１パラメータと、前記第２パラメータと、前記第３パラメータとに基づいて、前記エリアから前記他のエリアの各々への前記移動確率を計算する移動確率計算部と、を備えて構成される。
また、本発明に係る移動傾向推定方法は、複数のエリアの各々について、前記エリアの各時刻の人口情報を含む人口統計情報から、各時刻の前記エリアから他のエリアの各々への移動人数及び移動確率を推定する移動傾向推定方法であって、パラメータ推定部が、前記人口統計情報に基づいて、前記複数のエリアの各々についての、前記エリアから他のエリアへの出発のしやすさを表わす第１パラメータ、及び前記エリアへの人の集まりやすさを表わす第２パラメータと、前記エリア間の距離が前記移動確率に及ぼす影響を表す第３パラメータと、前記複数のエリアの各々についての、前記エリアから前記他のエリアの各々への移動人数とを推定し、移動確率計算部が、前記複数のエリアの各々について、前記第１パラメータと、前記第２パラメータと、前記第３パラメータとに基づいて、前記エリアから前記他のエリアの各々への前記移動確率を計算する。
本発明に係る移動傾向推定装置及び移動傾向推定方法によれば、パラメータ推定部が、人口統計情報に基づいて、複数のエリアの各々についての、当該エリアから他のエリアへの出発のしやすさを表わす第１パラメータ、及び当該エリアへの人の集まりやすさを表わす第２パラメータと、エリア間の距離が移動確率に及ぼす影響を表す第３パラメータと、複数のエリアの各々についての、当該エリアから当該他のエリアの各々への移動人数とを推定する。
そして、移動確率計算部が、複数のエリアの各々について、第１パラメータと、第２パラメータと、第３パラメータとに基づいて、当該エリアから当該他のエリアの各々への移動確率を計算する。
このように、人口統計情報に基づいて、複数のエリアの各々についての、当該エリアから他のエリアへの出発のしやすさを表わす第１パラメータ、及び当該エリアへの人の集まりやすさを表わす第２パラメータと、エリア間の距離が移動確率に及ぼす影響を表す第３パラメータと、複数のエリアの各々についての、当該エリアから当該他のエリアの各々への移動人数とを推定し、複数のエリアの各々について、第１パラメータと、第２パラメータと、第３パラメータとに基づいて、当該エリアから当該他のエリアの各々への移動確率を計算することにより、隣接エリア以外への移動も考慮する場合であっても、精度良く、かつ、少ない計算量で移動確率及び移動人数の推定することができる。
また、本発明に係る移動傾向推定装置の前記パラメータ推定部は、前記第１パラメータと、前記第２パラメータと、前記第３パラメータと、前記人口統計情報とを用いて定められる、前記移動人数の尤もらしさを表わす目的関数を最適化するように、前記第１パラメータと、前記第２パラメータと、前記第３パラメータと、前記移動人数とを推定することができる。
また、本発明に係る移動傾向推定装置は、複数のエリアの各々について、前記エリアの各時刻の人口情報を含む人口統計情報から、各時刻の前記エリアから他のエリアの各々への移動人数及び移動確率を推定する移動傾向推定装置であって、前記人口統計情報に基づいて、前記複数のエリアの各々についての、前記エリアから他のエリアへの出発のしやすさを表わす第１パラメータ、及び前記エリアへの人の集まりやすさを表わす第２パラメータと、前記エリア間の距離が前記移動確率に及ぼす影響を表す第３パラメータと、エリア間の位置関係毎に前記移動人数を集計した集計移動人数とを推定するパラメータ推定部と、前記複数のエリアの各々について、前記第１パラメータと、前記第２パラメータと、前記第３パラメータとに基づいて、前記エリアから前記他のエリアの各々への前記移動確率を計算する移動確率計算部と、複数のエリアの各々について、前記人口統計情報と、前記移動確率計算部により計算された前記移動確率とに基づいて、前記エリアから前記他のエリアの各々への移動人数を推定する移動人数推定部と、を備えて構成される。
また、本発明に係る移動傾向推定方法は、複数のエリアの各々について、前記エリアの各時刻の人口情報を含む人口統計情報から、各時刻の前記エリアから他のエリアの各々への移動人数及び移動確率を推定する移動傾向推定方法であって、パラメータ推定部が、前記人口統計情報に基づいて、前記複数のエリアの各々についての、前記エリアから他のエリアへの出発のしやすさを表わす第１パラメータ、及び前記エリアへの人の集まりやすさを表わす第２パラメータと、前記エリア間の距離が前記移動確率に及ぼす影響を表す第３パラメータと、エリア間の位置関係毎に前記移動人数を集計した集計移動人数とを推定し、移動確率計算部が、前記複数のエリアの各々について、前記第１パラメータと、前記第２パラメータと、前記第３パラメータとに基づいて、前記エリアから前記他のエリアの各々への前記移動確率を計算し、移動人数推定部が、複数のエリアの各々について、前記人口統計情報と、前記移動確率計算部により計算された前記移動確率とに基づいて、前記エリアから前記他のエリアの各々への移動人数を推定する。
本発明に係る移動傾向推定装置及び移動傾向推定方法によれば、パラメータ推定部が、人口統計情報に基づいて、複数のエリアの各々についての、当該エリアから他のエリアへの出発のしやすさを表わす第１パラメータ、及び当該エリアへの人の集まりやすさを表わす第２パラメータと、エリア間の距離が移動確率に及ぼす影響を表す第３パラメータと、エリア間の位置関係毎に移動人数を集計した集計移動人数とを推定する。
そして、移動確率計算部が、複数のエリアの各々について、第１パラメータと、第２パラメータと、第３パラメータとに基づいて、当該エリアから他のエリアの各々への移動確率を計算し、移動人数推定部が、複数のエリアの各々について、人口統計情報と、移動確率とに基づいて、当該エリアから他のエリアの各々への移動人数を推定する。
このように、人口統計情報に基づいて、複数のエリアの各々についての、当該エリアから他のエリアへの出発のしやすさを表わす第１パラメータ、及び当該エリアへの人の集まりやすさを表わす第２パラメータと、エリア間の距離が移動確率に及ぼす影響を表す第３パラメータと、エリア間の位置関係毎に移動人数を集計した集計移動人数とを推定し、複数のエリアの各々について、第１パラメータと、第２パラメータと、第３パラメータとに基づいて、当該エリアから他のエリアの各々への移動確率を計算し、複数のエリアの各々について、人口統計情報と、移動確率とに基づいて、当該エリアから他のエリアの各々への移動人数を推定することにより、隣接エリア以外への移動も考慮する場合であっても、精度良く、かつ、少ない計算量で移動確率及び移動人数の推定することができる。
また、本発明に係る移動傾向推定装置の前記パラメータ推定部は、前記第１パラメータと、前記第２パラメータと、前記第３パラメータとが、前記人口統計情報とを用いて定められる、前記集計移動人数の尤もらしさを表す目的関数を最適化するように、前記第１パラメータと、前記第２パラメータと、前記第３パラメータと、前記集計移動人数とを推定することができる。
本発明に係るプログラムは、上記の移動傾向推定装置の各部として機能させるためのプログラムである。
本発明の移動傾向推定装置、移動傾向推定方法、およびプログラムによれば、隣接エリア以外への移動も考慮する場合であっても、精度良く、かつ、少ない計算量で移動確率及び移動人数の推定することができる。
以下、本発明の実施の形態について図面を用いて説明する。
＜本発明の実施の形態に係る移動傾向推定装置の概要＞
まず、本発明の実施形態の概要について説明する。
まず、本発明の実施形態の概要について説明する。
本実施形態では、各エリアからの出発のしやすさ・各エリアへの人の集まりやすさ・距離が移動の確率に及ぼす影響という３つの要素によって移動の傾向が決まるというモデルを仮定する。
このような仮定を設定することによって、モデルの自由度を下げ、集団としての人間の移動らしさを考慮した移動人数を絞り込んで出力することが可能になり、高い精度での推定が可能になる。
また、パラメータ推定の際に、移動の始点・終点のペア毎の移動人数を推定せず、代わりに移動人数を集計した値を保持することによって、繰り返し解く最適化問題のサイズを小さくすることができる。この結果、移動確率及び移動人数の高速な推定が可能になる。
＜本発明の第１の実施の形態に係る移動傾向推定装置の構成＞
図１を参照して、本発明の実施の形態に係る移動傾向推定装置１０の構成について説明する。図１は、本発明の実施の形態に係る移動傾向推定装置１０の構成を示すブロック図である。
図１を参照して、本発明の実施の形態に係る移動傾向推定装置１０の構成について説明する。図１は、本発明の実施の形態に係る移動傾向推定装置１０の構成を示すブロック図である。
移動傾向推定装置１０は、ＣＰＵと、ＲＡＭと、後述する移動傾向推定処理ルーチンを実行するためのプログラムを記憶したＲＯＭとを備えたコンピュータで構成され、機能的には次に示すように構成されている。
図１に示すように、本実施形態に係る移動傾向推定装置１０は、操作部１００と、人口統計情報蓄積部１１０と、パラメータ推定部１２０と、距離係数蓄積部１３０と、集まりやすさ蓄積部１４０と、出発しやすさ蓄積部１５０と、移動人数蓄積部１６０と、移動確率計算部１７０と、移動確率蓄積部１８０と、出力部１９０とを備えて構成される。
操作部１００は、人口統計情報に関する操作を受け付ける。
具体的には、操作部１００は、人口統計情報蓄積部１１０に対する各種操作を受け付ける。各種操作とは、例えば、人口統計情報蓄積部１１０に人口統計情報を入力・登録する操作、人口統計情報蓄積部１１０に格納された人口統計情報を修正・削除する操作である。
ここで、人口統計情報とは、各時刻（タイムステップ）における、各エリアの人口情報である。図２に、人口統計情報の例を示す。また、タイムステップは、所定の時間間隔で表わされ、例えば、午前７時、午前８時、午前９時…といった１時間おきの時刻である。
また、エリアとは、地図上の所定の領域であり、例えば、地理空間を５ｋｍ四方の正方形グリッドに区切ったものを採用することができる。時刻ｔにおけるエリアｉの人口を、Ｎｔｉと表す。
人口統計情報蓄積部１１０は、人口統計情報を格納する。
パラメータ推定部１２０は、人口統計情報に基づいて、複数のエリアの各々についての、当該エリアｉから他のエリアへの出発のしやすさを表わす第１パラメータπｉ、及び当該エリアｉへの人の集まりやすさを表わす第２パラメータｓｉと、当該エリア間の距離が移動確率θｉｊに及ぼす影響を表す第３パラメータβと、複数のエリアの各々についての、当該エリアｉから他のエリアｊへの移動人数Ｍｔｉｊとを、πと、ｓｉと、βと、人口統計情報とを用いて定められる、当該移動人数Ｍｔｉｊの尤もらしさを表す目的関数を最適化するように推定する。
具体的には、パラメータ推定部１２０は、まず、エリアｉからエリアｊへの移動確率をθｉｊとすると、時刻ｔにおけるエリアｉからの移動人数
は、エリアｉからの移動確率
を用いて、下記式（１）で表わされる確率で生成されると仮定する。
は、エリアｉからの移動確率
を用いて、下記式（１）で表わされる確率で生成されると仮定する。
ここで、Ｖはエリア全体の集合であり、エリア間の隣接関係を表す無向グラフをＧ＝（Ｖ：Ｅ）とする。また、Γｉは、エリアｉからの移動候補エリアの集合である。
したがって、
と、
とが与えられたとき、
の尤度関数は、下記式（２）となる。
と、
とが与えられたとき、
の尤度関数は、下記式（２）となる。
ここで、Ｔはタイムステップの最大値である。すなわち、タイムステップは、ｔ＝０，…，Ｔ−１である。また、
は、時刻ｔでのエリアｉにおける人口であり、
は、時刻ｔから時刻ｔ＋１にかけて、エリアｉからエリアｊに移動した人数である。
は、時刻ｔでのエリアｉにおける人口であり、
は、時刻ｔから時刻ｔ＋１にかけて、エリアｉからエリアｊに移動した人数である。
そして、式（２）の対数を取ると、下記式（３）を得る。
ただし、途中の変形でスターリングの近似
を用いる。また、推定したい変数に依存しない部分については定数として省略した。
を用いる。また、推定したい変数に依存しない部分については定数として省略した。
また、人数の保存則を表す制約である下記式（４）、（５）が成立する。
ここで、移動確率θｉｊが、各エリアからの出発のしやすさ、各エリアへの人の集まりやすさ、距離が移動確率θｉｊに及ぼす影響という３つの要素から近似的に計算できると仮定する。例えば、移動確率θｉｊを、下記式（６）の形で書くことができると仮定する。
ただし、下記式（７）である。
ここで、πｉは、エリアｉからの出発のしやすさを表す値をとし、
を満たす。また、ｓｉは、エリアｉへの人の集まりやすさを表すスコアであり、
を満たす。なお、ｓｉは、定数倍に関して自由度がある。
を満たす。また、ｓｉは、エリアｉへの人の集まりやすさを表すスコアであり、
を満たす。なお、ｓｉは、定数倍に関して自由度がある。
また、βは、距離が移動確率θｉｊに及ぼす影響を表すパラメータであり、
を満たす。また、ｄ（ｉ，ｊ）はエリアｉとエリアｊとの距離である。
を満たす。また、ｄ（ｉ，ｊ）はエリアｉとエリアｊとの距離である。
そして、対数尤度を示す式（３）に、式（６）を代入すると、下記の対数尤度関数を得る。
この対数尤度関数を用いて、
を推定する。
を推定する。
すなわち、解くべき最適化問題は、下記式（８ａ）〜（８ｄ）で表わされる。
ただし、目的関数を下記式（９）、（１０）とおいた。
ここで、観測にノイズがある場合等も考慮して、目的関数を下記（１１）と置いて、下記式（１２）という最適化問題を解くことを考える。
ただし、λは制約をどれだけ強く守らせるかをコントロールするパラメータである。
次に、パラメータ推定部１２０は、
の最適化を行う。目的関数
は、
について凹になっているため、例えばＬ−ＢＦＧＳ−Ｂ法（参考文献１）等の凸最適化法を用いることで、大域的な最適解を求めることができる。
［参考文献１］R. H. Byrd, P. Lu, J. Nocedal, and C. Zhu, A Limited Memory Algorithm for Bound Constrained Optimization., SIAM Journal on Scientic Computing, vol. 16, 1995, pp.1190-1208.
の最適化を行う。目的関数
は、
について凹になっているため、例えばＬ−ＢＦＧＳ−Ｂ法（参考文献１）等の凸最適化法を用いることで、大域的な最適解を求めることができる。
［参考文献１］R. H. Byrd, P. Lu, J. Nocedal, and C. Zhu, A Limited Memory Algorithm for Bound Constrained Optimization., SIAM Journal on Scientic Computing, vol. 16, 1995, pp.1190-1208.
次に、パラメータ推定部１２０は、
の最適化を行う。目的関数
を
に関して整理すると、下記式となる。
の最適化を行う。目的関数
を
に関して整理すると、下記式となる。
ただし、
に依存しない部分については省略した。これを最大化するような
は、ラグランジュの未定乗数法により、下記式（１３）のように閉形式で記述することができる。
に依存しない部分については省略した。これを最大化するような
は、ラグランジュの未定乗数法により、下記式（１３）のように閉形式で記述することができる。
次に、パラメータ推定部１２０は、
とβとの最適化を行う。目的関数
を
とβとに関して整理すると、下記式（１４）となる。
とβとの最適化を行う。目的関数
を
とβとに関して整理すると、下記式（１４）となる。
ただし、下記式のようにおき、
とβとに依存しない部分については省略した。
とβとに依存しない部分については省略した。
簡単のため、式（１４）の右辺を
とおく。
の最大化を行うため、例えば、Ｍｉｎｏｒｉｚａｔｉｏｎ−Ｍａｘｉｍｉｚａｔｉｏｎアルゴリズム（以下、ＭＭアルゴリズム）と呼ばれる仕組みを利用する（参考文献２）。
［参考文献２］D. R. Hunter. MM algorithms for generalized Bradley-Terry models. The Annals of Statistics, Vol. 32, No. 1, feb 2003, pp.384-406.
とおく。
の最大化を行うため、例えば、Ｍｉｎｏｒｉｚａｔｉｏｎ−Ｍａｘｉｍｉｚａｔｉｏｎアルゴリズム（以下、ＭＭアルゴリズム）と呼ばれる仕組みを利用する（参考文献２）。
［参考文献２］D. R. Hunter. MM algorithms for generalized Bradley-Terry models. The Annals of Statistics, Vol. 32, No. 1, feb 2003, pp.384-406.
ここで、ＭＭアルゴリズムは、関数を直接最大化するのが困難な場合に、その下界となるような近似関数の最大化問題を逐次的に解くことによって、解の候補点系列を生成する手法である。
ＭＭアルゴリズムの具体的な適用方法について説明する。ｘ，ｙ＞０について下記式（１５）が成り立つ。
ここで、下記式（１６）として、式（１５）を
に適用することで、下記式（１７）を得る。
に適用することで、下記式（１７）を得る。
ただし、下記式（１８）とおいた。
そして、式（１７）の右辺を
とおくと、下記式（１９）、（２０）という性質が成立する。
とおくと、下記式（１９）、（２０）という性質が成立する。
これらの記法を用いて、
を図３に示すＡｌｇｏｒｉｔｈｍ１によって最大化を行う。
を図３に示すＡｌｇｏｒｉｔｈｍ１によって最大化を行う。
ここで、Ａｌｇｏｒｉｔｈｍ１においては、下記式から分かるように、目的関数
は単調増加する。
は単調増加する。
ここで、Ａｌｇｏｒｉｔｈｍ１における
，βの更新式を導出する。
，βの更新式を導出する。
まず、
について、下記式（２１）が成り立つため、
を閉形式で得ることができる。
について、下記式（２１）が成り立つため、
を閉形式で得ることができる。
次に、
について考える。
について
となることが計算により確かめることができる。すなわち、ｆ（ｕ）はβに関して凹関数になっている。
について考える。
について
となることが計算により確かめることができる。すなわち、ｆ（ｕ）はβに関して凹関数になっている。
よって、β（ｕ＋１）を求めるには、βに関する１変数の凹関数最大化問題を解けばよいことになり、黄金分割探索やニュートン法等によって効率的に求めることができる。
そして、収束するまでこれらを繰り返すことにより、
とβとを最適化する。
とβとを最適化する。
そして、パラメータ推定部１２０は、最適化して得られた値を
として推定し、βを距離係数蓄積部１３０に、
を集まりやすさ蓄積部１４０に、
を出発しやすさ蓄積部１５０に、
を移動人数蓄積部１６０に格納する。
として推定し、βを距離係数蓄積部１３０に、
を集まりやすさ蓄積部１４０に、
を出発しやすさ蓄積部１５０に、
を移動人数蓄積部１６０に格納する。
距離係数蓄積部１３０は、パラメータ推定部１２０により最適化されたエリアｉと他のエリアｉとの距離が移動確率θｉｊに及ぼす影響を表す第３パラメータβを格納している（図４）。図４は、βの具体例である。
集まりやすさ蓄積部１４０は、パラメータ推定部１２０により最適化されたエリアｉへの人の集まりやすさを表わす第２パラメータｓｉを格納している（図５）。図５は、ｓｉの例を示す図である。
出発しやすさ蓄積部１５０は、パラメータ推定部１２０により最適化されたエリアｉから他のエリアへの出発のしやすさを表わす第１パラメータπｉを格納している（図６）。図６は、πｉの例を示す図である。
移動人数蓄積部１６０は、パラメータ推定部１２０により最適化されたエリアｉから他のエリアｊへの移動人数Ｍｔｉｊを格納している（図７）。図７は、移動人数Ｍｔｉｊの例を示す図である。
移動確率計算部１７０は、複数のエリアの各々について、出発しやすさ蓄積部１５０に格納されたπｉと、集まりやすさ蓄積部１４０に格納されたｓｉと、距離係数蓄積部１３０に格納されたβとに基づいて、エリアｉから他のエリアｊの各々への移動確率θｉｊを計算する。
具体的には、移動確率計算部１７０は、下記式（２２）により、移動確率θｉｊを計算する。
そして、移動確率計算部１７０は、計算した移動確率θｉｊを、移動確率蓄積部１８０に格納する。
移動確率蓄積部１８０は、移動確率計算部１７０により計算された移動確率θｉｊを格納する（図８）。図８は、移動確率θｉｊの例を示す図である。
出力部１９０は、移動人数蓄積部１６０に格納された各タイムステップにおける複数のエリアにおいて、当該エリアｉから他のエリアｊへの移動人数Ｍｔｉｊと、移動確率蓄積部１８０に格納されたエリアｉから他のエリアｊへの移動確率θｉｊを読み込んで出力する。
＜本発明の第１の実施の形態に係る移動傾向推定装置の作用＞
図９は、本発明の実施の形態に係る移動傾向推定処理ルーチンを示すフローチャートである。
図９は、本発明の実施の形態に係る移動傾向推定処理ルーチンを示すフローチャートである。
移動傾向推定処理が実行されると、移動傾向推定装置１０において、図９に示す移動傾向推定処理ルーチンが実行される。
まず、ステップＳ１００において、パラメータ推定部１２０が、人口統計情報蓄積部１１０から、人口統計情報を取得する。
ステップＳ１１０において、パラメータ推定部１２０は、人口統計情報に基づいて、複数のエリアの各々についての、当該エリアｉから他のエリアへの出発のしやすさを表わす第１パラメータπｉ、及び当該エリアｉへの人の集まりやすさを表わす第２パラメータｓｉと、当該エリア間の距離が移動確率θｉｊに及ぼす影響を表す第３パラメータβと、複数のエリアの各々についての、当該エリアｉから他のエリアｊへの移動人数Ｍｔｉｊとを、πと、ｓｉと、βと、人口統計情報とを用いて定められる、当該移動人数Ｍｔｉｊの尤もらしさを表す目的関数を最適化するように推定する。
ステップＳ１２０において、パラメータ推定部１２０は、上記ステップＳ１１０により推定したβを距離係数蓄積部１３０に、推定した
を集まりやすさ蓄積部１４０に、推定した
を出発しやすさ蓄積部１５０に格納する。
を集まりやすさ蓄積部１４０に、推定した
を出発しやすさ蓄積部１５０に格納する。
ステップＳ１３０において、パラメータ推定部１２０は、上記ステップＳ１１０により推定した
を移動人数蓄積部１６０に格納する。
を移動人数蓄積部１６０に格納する。
ステップＳ１４０において、移動確率計算部１７０は、複数のエリアの各々について、出発しやすさ蓄積部１５０に格納されたπｉと、集まりやすさ蓄積部１４０に格納されたｓｉと、距離係数蓄積部１３０に格納されたβとに基づいて、エリアｉから他のエリアｊの各々への移動確率θｉｊを計算する。
ステップＳ１５０において、移動確率計算部１７０は、上記ステップＳ１４０により計算した移動確率θｉｊを、移動確率蓄積部１８０に格納する。
ステップＳ１６０において、出力部１９０は、移動人数Ｍｔｉｊと、移動確率θｉｊとを出力する。
以上説明したように、本実施形態に係る移動傾向推定装置１０によれば、人口統計情報に基づいて、複数のエリアの各々についての、当該エリアから他のエリアへの出発のしやすさを表わす第１パラメータ、及び当該エリアへの人の集まりやすさを表わす第２パラメータと、エリア間の距離が移動確率に及ぼす影響を表す第３パラメータと、複数のエリアの各々についての、当該エリアから当該他のエリアの各々への移動人数とを推定し、複数のエリアの各々について、第１パラメータと、第２パラメータと、第３パラメータとに基づいて、当該エリアから当該他のエリアの各々への移動確率を計算するため、隣接エリア以外への移動も考慮する場合であっても、精度良く、かつ、少ない計算量で移動確率及び移動人数の推定することができる。
＜本発明の第２の実施の形態に係る移動傾向推定装置の原理＞
本発明の第２の実施形態では、パラメータ推定の際に、移動の始点・終点のペア毎の移動人数を推定せず、代わりに移動人数を集計した値を保持することによって、繰り返し解く最適化問題のサイズを小さくすることができる。
本発明の第２の実施形態では、パラメータ推定の際に、移動の始点・終点のペア毎の移動人数を推定せず、代わりに移動人数を集計した値を保持することによって、繰り返し解く最適化問題のサイズを小さくすることができる。
本実施形態では、人口統計情報に基づいて、複数のエリアの各々についての、当該エリアｉから他のエリアへの出発のしやすさを表わす第１パラメータπｉ、及び当該エリアｉへの人の集まりやすさを表わす第２パラメータｓｉと、当該エリア間の距離が移動確率θｉｊに及ぼす影響を表す第３パラメータβと、エリア間の位置関係毎に移動人数を集計した集計移動人数とを、πと、ｓｉと、βと、人口統計情報とを用いて定められる、当該集計移動人数の尤もらしさを表す目的関数を最適化するように推定する。
エリアｉから距離δにあるエリア全体の集合Γｉδを
とする。
とする。
また、２つのエリア間の距離としてあり得る値全体の集合を、
とし、Δから０を除いた集合を
とする。
とし、Δから０を除いた集合を
とする。
そして、エリア間の位置関係毎に移動人数を足し合わせて集計したものを集計移動人数とし、下記式（２３）〜（２６）とおく。
このとき、下記式（２７）〜（３０）の関係が成り立つ。
そして、下記式（３１）が成り立つので、上記式（１３）は下記式（３２）のように置き換えることができる。
また、式（３１）が成り立つので、上記式（１４）は下記式（３３）のように置き換えることができる。
上記式（３２）及び（３３）により、
の更新には、
は必ずしも必要でなく、Ａｔｉδ、Ｂｔｉ、及び
があれば十分であることがわかる。
の更新には、
は必ずしも必要でなく、Ａｔｉδ、Ｂｔｉ、及び
があれば十分であることがわかる。
この性質を利用することで、Ｍｔｉｊに関する最適化問題の代わりに、Ａｔｉδ、Ｂｔｉ、及びＭｔｉｉに関する最適化問題を解くことで、πと、ｓｉと、βと、集計移動人数とを推定することができる。
例えば、正方形の地理空間をグリッド状に区切ったエリアを想定し、グリッド間の距離として
距離を用いるとする。Ｍｔｉｊを持つ場合、解かなければならない凸最適化問題の変数の数は、
程度となるが、Ａｔｉδ、Ｂｔｉ、及びＭｔｉｉを持つ場合、解かなければならない凸最適化問題の変数の数は、
程度で済む。
距離を用いるとする。Ｍｔｉｊを持つ場合、解かなければならない凸最適化問題の変数の数は、
程度となるが、Ａｔｉδ、Ｂｔｉ、及びＭｔｉｉを持つ場合、解かなければならない凸最適化問題の変数の数は、
程度で済む。
ここで、Ａｔｉδ、Ｂｔｉ、及びＭｔｉｉの最適化部分の目的関数及び制約が問題となる。Ａｔｉδ、Ｂｔｉ、Ｍｔｉｉのような形で変数を持つ場合、尤度関数を正確に書き下すことができない、という問題がある。そこで、尤度関数を近似することで解決する。
まず、Ａｔｉδと、Ｂｔｉ及びＭｔｉｉの独立性を仮定する。
上記式（２３）のように
であり、
である。
であり、
である。
ここで、Ｂｉｎ（Ｎｔｊ，θｊｉ）をポアソン分布Ｐｏ（Ｎｔｊ・θｊｉ）で近似する。このとき、ポアソン分布の再生性により、Ａｔｉδは近似的にポアソン分布
に従うと考えることができる。このとき、
とおくと、下記式（３４）となる。
に従うと考えることができる。このとき、
とおくと、下記式（３４）となる。
ＢｔｉとＭｔｉｉとについても同様にして、下記式（３５）、（３６）となる。
したがって、尤度関数は下記式（３７）となる。
そして、式（３７）の対数を取ると、下記式（３８）〜（４１）となる。
これを、人数保存を表す制約である下記式（４２）、（４３）のもとで解く。
結局、目的関数を下記式（４４）〜（４６）とおいて、ｔ＝０，１，．．．，Ｔ−２について下記式（４７）を解けばよいことになる。
この最適化問題も、等式制約をペナルティとして目的関数に追加することで、前述したＬ−ＢＦＧＳ−Ｂ法等によって解くことができる。
そして、全体としては、最適化問題（式（４７））を解くことで、Ａｔｉδ、Ｂｔｉ、及びＭｔｉｉを更新し、上記式（３２）に従って
を更新し、上記式（３３）を最大化することで
とβとを更新する、という処理を収束するまで繰り返すこととなる。
を更新し、上記式（３３）を最大化することで
とβとを更新する、という処理を収束するまで繰り返すこととなる。
この結果、移動確率及び移動人数の高速な推定が可能になる。
＜本発明の第２の実施の形態に係る移動傾向推定装置の構成＞
本発明の第２の実施の形態に係る移動傾向推定装置２０の構成について説明する。なお、第１の実施の形態に係る移動傾向推定装置１０と同様の構成については、同一の符号を付して詳細な説明は省略する。
本発明の第２の実施の形態に係る移動傾向推定装置２０の構成について説明する。なお、第１の実施の形態に係る移動傾向推定装置１０と同様の構成については、同一の符号を付して詳細な説明は省略する。
図１０に示すように、本実施形態に係る移動傾向推定装置２０は、操作部１００と、人口統計情報蓄積部１１０と、パラメータ推定部２００と、距離係数蓄積部１３０と、集まりやすさ蓄積部１４０と、出発しやすさ蓄積部１５０と、集計移動人数蓄積部２１０と、移動確率計算部１７０と、移動確率蓄積部１８０と、出力部１９０と、移動人数推定部２２０と、移動人数蓄積部２３０とを備えて構成される。
パラメータ推定部２００は、人口統計情報に基づいて、複数のエリアの各々についての、当該エリアｉから他のエリアへの出発のしやすさを表わす第１パラメータπｉ、及び当該エリアｉへの人の集まりやすさを表わす第２パラメータｓｉと、当該エリア間の距離が移動確率θｉｊに及ぼす影響を表す第３パラメータβと、エリア間の位置関係毎に移動人数を集計した集計移動人数とを、πと、ｓｉと、βと、人口統計情報とを用いて定められる、当該集計移動人数の尤もらしさを表す目的関数を最適化するように推定する。
具体的には、パラメータ推定部２００は、上記最適化問題（式（４７））を解くことで、Ａｔｉδ、Ｂｔｉ、及びＭｔｉｉを更新し、上記式（３２）に従って
を更新し、上記式（３３）を最大化することで
とβとを更新する、という処理を収束するまで繰り返す。
を更新し、上記式（３３）を最大化することで
とβとを更新する、という処理を収束するまで繰り返す。
そして、パラメータ推定部２００は、最適化して得られた値を、Ａｔｉδ、Ｂｔｉ、Ｍｔｉｉ、及び
として推定し、βを距離係数蓄積部１３０に、
を集まりやすさ蓄積部１４０に、
を出発しやすさ蓄積部１５０に、Ａｔｉδ、Ｂｔｉ、及びＭｔｉｉを集計移動人数として集計移動人数蓄積部２１０に格納する。
として推定し、βを距離係数蓄積部１３０に、
を集まりやすさ蓄積部１４０に、
を出発しやすさ蓄積部１５０に、Ａｔｉδ、Ｂｔｉ、及びＭｔｉｉを集計移動人数として集計移動人数蓄積部２１０に格納する。
集計移動人数蓄積部２１０は、パラメータ推定部２００により最適化された集計移動人数Ａｔｉδ、Ｂｔｉ、及びＭｔｉｉを格納している（図１１）。図１１は、集計移動人数の例であり、図１１の左上部がＡｔｉδの例であり、右上部がＢｔｉの例であり、下部がＭｔｉｉの例である。
移動人数推定部２２０は、複数のエリアの各々について、人口統計情報と、移動確率計算部１７０により計算された移動確率θｉｊとに基づいて、当該エリアｉから他のエリアｊの各々への移動人数Ｍｔｉｊを推定する。
例えば、移動人数推定部２２０は、移動確率
が既に与えられているので、上記式（１２）における最適化問題と同じ問題を解くことによって、移動人数
を求める。この最適化問題も、前述したＬ−ＢＦＧＳ−Ｂ法等によって解くことができる。
が既に与えられているので、上記式（１２）における最適化問題と同じ問題を解くことによって、移動人数
を求める。この最適化問題も、前述したＬ−ＢＦＧＳ−Ｂ法等によって解くことができる。
また、移動人数推定部２２０は、複数のエリアの各々について、人口統計情報と、パラメータ推定部２００により推定された集計移動人数と、移動確率計算部１７０により計算された移動確率θｉｊとに基づいて、当該エリアｉから他のエリアｊの各々への移動人数Ｍｔｉｊを推定することもできる。
具体的には、移動人数推定部２２０は、初期値として集計移動人数蓄積部２１０から送られた集計移動人数を利用することで、より高速な推定が可能になる。
そして、移動人数推定部２２０は、推定した移動人数Ｍｔｉｊを、移動人数蓄積部２３０に格納する。
移動人数蓄積部２３０は、パラメータ推定部１２０により最適化されたエリアｉから他のエリアｊへの移動人数Ｍｔｉｊを格納している（図１２）。図１２は、移動人数Ｍｔｉｊの例を示す図である。
＜本発明の第２の実施の形態に係る移動傾向推定装置の作用＞
図１３は、本発明の第２の実施の形態に係る移動傾向推定処理ルーチンを示すフローチャートである。なお、第１の実施の形態に係る移動傾向推定処理ルーチンと同様の処理については、同一の符号を付して詳細な説明は省略する。
図１３は、本発明の第２の実施の形態に係る移動傾向推定処理ルーチンを示すフローチャートである。なお、第１の実施の形態に係る移動傾向推定処理ルーチンと同様の処理については、同一の符号を付して詳細な説明は省略する。
ステップＳ２１０において、パラメータ推定部２００は、人口統計情報に基づいて、複数のエリアの各々についての、当該エリアｉから他のエリアへの出発のしやすさを表わす第１パラメータπｉ、及び当該エリアｉへの人の集まりやすさを表わす第２パラメータｓｉと、当該エリア間の距離が移動確率θｉｊに及ぼす影響を表す第３パラメータβと、エリア間の位置関係毎に移動人数を集計した集計移動人数とを、πと、ｓｉと、βと、人口統計情報とを用いて定められる、当該集計移動人数の尤もらしさを表す目的関数を最適化するように推定する。
ステップＳ２３０において、パラメータ推定部２００は、上記ステップＳ２１０により推定したＡｔｉδ、Ｂｔｉ、及びＭｔｉｉを集計移動人数として集計移動人数蓄積部２１０に格納する。
ステップＳ２５２において、移動人数推定部２２０は、複数のエリアの各々について、人口統計情報と、移動確率計算部１７０により計算された移動確率θｉｊとに基づいて、当該エリアｉから他のエリアｊの各々への移動人数Ｍｔｉｊを推定する。
ステップＳ２５４において、移動人数推定部２２０は、上記ステップＳ２５２により推定した移動人数Ｍｔｉｊを、移動人数蓄積部２３０に格納する。
以上説明したように、本実施形態に係る移動傾向推定装置によれば、人口統計情報に基づいて、複数のエリアの各々についての、当該エリアから他のエリアへの出発のしやすさを表わす第１パラメータ、及び当該エリアへの人の集まりやすさを表わす第２パラメータと、エリア間の距離が移動確率に及ぼす影響を表す第３パラメータと、エリア間の位置関係毎に移動人数を集計した集計移動人数とを推定し、複数のエリアの各々について、第１パラメータと、第２パラメータと、第３パラメータとに基づいて、当該エリアから他のエリアの各々への移動確率を計算し、複数のエリアの各々について、人口統計情報と、移動確率とに基づいて、当該エリアから他のエリアの各々への移動人数を推定することにより、隣接エリア以外への移動も考慮する場合であっても、精度良く、かつ、少ない計算量で移動確率及び移動人数の推定することができる。
なお、本発明は、上述した実施の形態に限定されるものではなく、この発明の要旨を逸脱しない範囲内で様々な変形や応用が可能である。
また、本願明細書中において、プログラムが予めインストールされている実施形態として説明したが、当該プログラムを、コンピュータ読み取り可能な記録媒体に格納して提供することも可能である。
１０ 移動傾向推定装置
２０ 移動傾向推定装置
１００ 操作部
１１０ 人口統計情報蓄積部
１２０ パラメータ推定部
１３０ 距離係数蓄積部
１４０ 集まりやすさ蓄積部
１５０ 出発しやすさ蓄積部
１６０ 移動人数蓄積部
１７０ 移動確率計算部
１８０ 移動確率蓄積部
１９０ 出力部
２００ パラメータ推定部
２１０ 集計移動人数蓄積部
２２０ 移動人数推定部
２３０ 移動人数蓄積部
２０ 移動傾向推定装置
１００ 操作部
１１０ 人口統計情報蓄積部
１２０ パラメータ推定部
１３０ 距離係数蓄積部
１４０ 集まりやすさ蓄積部
１５０ 出発しやすさ蓄積部
１６０ 移動人数蓄積部
１７０ 移動確率計算部
１８０ 移動確率蓄積部
１９０ 出力部
２００ パラメータ推定部
２１０ 集計移動人数蓄積部
２２０ 移動人数推定部
２３０ 移動人数蓄積部
Claims (7)
- 複数のエリアの各々について、前記エリアの各時刻の人口情報を含む人口統計情報から、各時刻の前記エリアから他のエリアの各々への移動人数及び移動確率を推定する移動傾向推定装置であって、
前記人口統計情報に基づいて、前記複数のエリアの各々についての、前記エリアから他のエリアへの出発のしやすさを表わす第１パラメータ、及び前記エリアへの人の集まりやすさを表わす第２パラメータと、前記エリア間の距離が前記移動確率に及ぼす影響を表す第３パラメータと、前記複数のエリアの各々についての、前記エリアから前記他のエリアの各々への移動人数とを推定するパラメータ推定部と、
前記複数のエリアの各々について、前記第１パラメータと、前記第２パラメータと、前記第３パラメータとに基づいて、前記エリアから前記他のエリアの各々への前記移動確率を計算する移動確率計算部と、
を含む移動傾向推定装置。 - 前記パラメータ推定部は、
前記第１パラメータと、前記第２パラメータと、前記第３パラメータと、前記人口統計情報とを用いて定められる、前記移動人数の尤もらしさを表わす目的関数を最適化するように、前記第１パラメータと、前記第２パラメータと、前記第３パラメータと、前記移動人数とを推定する
請求項１記載の移動傾向推定装置。 - 複数のエリアの各々について、前記エリアの各時刻の人口情報を含む人口統計情報から、各時刻の前記エリアから他のエリアの各々への移動人数及び移動確率を推定する移動傾向推定装置であって、
前記人口統計情報に基づいて、前記複数のエリアの各々についての、前記エリアから他のエリアへの出発のしやすさを表わす第１パラメータ、及び前記エリアへの人の集まりやすさを表わす第２パラメータと、前記エリア間の距離が前記移動確率に及ぼす影響を表す第３パラメータと、エリア間の位置関係毎に前記移動人数を集計した集計移動人数とを推定するパラメータ推定部と、
前記複数のエリアの各々について、前記第１パラメータと、前記第２パラメータと、前記第３パラメータとに基づいて、前記エリアから前記他のエリアの各々への前記移動確率を計算する移動確率計算部と、
複数のエリアの各々について、前記人口統計情報と、前記移動確率計算部により計算された前記移動確率とに基づいて、前記エリアから前記他のエリアの各々への移動人数を推定する移動人数推定部と、
を含む移動傾向推定装置。 - 前記パラメータ推定部は、
前記第１パラメータと、前記第２パラメータと、前記第３パラメータとが、前記人口統計情報とを用いて定められる、前記集計移動人数の尤もらしさを表す目的関数を最適化するように、前記第１パラメータと、前記第２パラメータと、前記第３パラメータと、前記集計移動人数とを推定する
請求項３記載の移動傾向推定装置。 - 複数のエリアの各々について、前記エリアの各時刻の人口情報を含む人口統計情報から、各時刻の前記エリアから他のエリアの各々への移動人数及び移動確率を推定する移動傾向推定方法であって、
パラメータ推定部が、前記人口統計情報に基づいて、前記複数のエリアの各々についての、前記エリアから他のエリアへの出発のしやすさを表わす第１パラメータ、及び前記エリアへの人の集まりやすさを表わす第２パラメータと、前記エリア間の距離が前記移動確率に及ぼす影響を表す第３パラメータと、前記複数のエリアの各々についての、前記エリアから前記他のエリアの各々への移動人数とを推定し、
移動確率計算部が、前記複数のエリアの各々について、前記第１パラメータと、前記第２パラメータと、前記第３パラメータとに基づいて、前記エリアから前記他のエリアの各々への前記移動確率を計算する
移動傾向推定方法。 - 複数のエリアの各々について、前記エリアの各時刻の人口情報を含む人口統計情報から、各時刻の前記エリアから他のエリアの各々への移動人数及び移動確率を推定する移動傾向推定方法であって、
パラメータ推定部が、前記人口統計情報に基づいて、前記複数のエリアの各々についての、前記エリアから他のエリアへの出発のしやすさを表わす第１パラメータ、及び前記エリアへの人の集まりやすさを表わす第２パラメータと、前記エリア間の距離が前記移動確率に及ぼす影響を表す第３パラメータと、エリア間の位置関係毎に前記移動人数を集計した集計移動人数とを推定し、
移動確率計算部が、前記複数のエリアの各々について、前記第１パラメータと、前記第２パラメータと、前記第３パラメータとに基づいて、前記エリアから前記他のエリアの各々への前記移動確率を計算し、
移動人数推定部が、複数のエリアの各々について、前記人口統計情報と、前記移動確率計算部により計算された前記移動確率とに基づいて、前記エリアから前記他のエリアの各々への移動人数を推定する
移動傾向推定方法。 - コンピュータを、請求項１乃至４の何れか１項記載の移動傾向推定装置の各部として機能させるためのプログラム。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018024435A JP6823613B2 (ja) | 2018-02-14 | 2018-02-14 | 移動傾向推定装置、移動傾向推定方法、およびプログラム |
| US16/969,491 US20200402085A1 (en) | 2018-02-14 | 2019-02-14 | Migration tendency estimation device, migration tendency estimation method, and program |
| PCT/JP2019/005373 WO2019160045A1 (ja) | 2018-02-14 | 2019-02-14 | 移動傾向推定装置、移動傾向推定方法、およびプログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018024435A JP6823613B2 (ja) | 2018-02-14 | 2018-02-14 | 移動傾向推定装置、移動傾向推定方法、およびプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2019139656A true JP2019139656A (ja) | 2019-08-22 |
| JP6823613B2 JP6823613B2 (ja) | 2021-02-03 |
Family
ID=67618643
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018024435A Active JP6823613B2 (ja) | 2018-02-14 | 2018-02-14 | 移動傾向推定装置、移動傾向推定方法、およびプログラム |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20200402085A1 (ja) |
| JP (1) | JP6823613B2 (ja) |
| WO (1) | WO2019160045A1 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021019848A1 (ja) | 2019-07-30 | 2021-02-04 | 日置電機株式会社 | 蓄電デバイスの測定装置及び測定方法 |
| JPWO2021070249A1 (ja) * | 2019-10-08 | 2021-04-15 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20230244753A1 (en) * | 2020-05-28 | 2023-08-03 | Nippon Telegraph And Telephone Corporation | Estimation apparatus, estimation method and estimation program |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006221329A (ja) * | 2005-02-09 | 2006-08-24 | Toshiba Corp | 行動予測装置、行動予測方法および行動予測プログラム |
| JP2014112292A (ja) * | 2012-12-05 | 2014-06-19 | Hitachi Ltd | 人流調査支援システム及び方法 |
| JP2016014983A (ja) * | 2014-07-01 | 2016-01-28 | 株式会社豊田中央研究所 | 遷移確率学習装置、行為系列生成装置、及びプログラム |
| JP2017016186A (ja) * | 2015-06-26 | 2017-01-19 | 日本電信電話株式会社 | 流れ推定装置、予測装置、及びプログラム |
-
2018
- 2018-02-14 JP JP2018024435A patent/JP6823613B2/ja active Active
-
2019
- 2019-02-14 WO PCT/JP2019/005373 patent/WO2019160045A1/ja active Application Filing
- 2019-02-14 US US16/969,491 patent/US20200402085A1/en not_active Abandoned
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006221329A (ja) * | 2005-02-09 | 2006-08-24 | Toshiba Corp | 行動予測装置、行動予測方法および行動予測プログラム |
| JP2014112292A (ja) * | 2012-12-05 | 2014-06-19 | Hitachi Ltd | 人流調査支援システム及び方法 |
| JP2016014983A (ja) * | 2014-07-01 | 2016-01-28 | 株式会社豊田中央研究所 | 遷移確率学習装置、行為系列生成装置、及びプログラム |
| JP2017016186A (ja) * | 2015-06-26 | 2017-01-19 | 日本電信電話株式会社 | 流れ推定装置、予測装置、及びプログラム |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021019848A1 (ja) | 2019-07-30 | 2021-02-04 | 日置電機株式会社 | 蓄電デバイスの測定装置及び測定方法 |
| JPWO2021070249A1 (ja) * | 2019-10-08 | 2021-04-15 | ||
| WO2021070249A1 (ja) * | 2019-10-08 | 2021-04-15 | 日本電信電話株式会社 | 移動推定装置、移動推定方法、及び移動推定プログラム |
| JP7231052B2 (ja) | 2019-10-08 | 2023-03-01 | 日本電信電話株式会社 | 移動推定装置、移動推定方法、及び移動推定プログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2019160045A1 (ja) | 2019-08-22 |
| JP6823613B2 (ja) | 2021-02-03 |
| US20200402085A1 (en) | 2020-12-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2019160045A1 (ja) | 移動傾向推定装置、移動傾向推定方法、およびプログラム | |
| Indelman et al. | Planning in the continuous domain: A generalized belief space approach for autonomous navigation in unknown environments | |
| Hernández-Lobato et al. | Predictive entropy search for Bayesian optimization with unknown constraints | |
| Cao et al. | Multi-robot informative path planning for active sensing of environmental phenomena: A tale of two algorithms | |
| Fearnhead | Sequential Monte Carlo methods in filter theory | |
| Pietz et al. | Generalized orienteering problem with resource dependent rewards | |
| JP2013205170A (ja) | 情報処理装置、情報処理方法、およびプログラム | |
| US20210406724A1 (en) | Latent feature dimensionality bounds for robust machine learning on high dimensional datasets | |
| Neitzel et al. | A sparse control approach to optimal sensor placement in PDE-constrained parameter estimation problems | |
| Wang | Distributionally robust state estimation for nonlinear systems | |
| Samaranayake et al. | Learning the dependency structure of highway networks for traffic forecast | |
| WO2019230667A1 (ja) | 整数移動人数推定装置、方法、及びプログラム | |
| JP7243820B2 (ja) | 移動人数推定装置、移動人数推定方法、及び移動人数推定プログラム | |
| Seydel | Lattice approach and implied trees | |
| JP7248121B2 (ja) | 推定装置、推定方法、及び推定プログラム | |
| Mann et al. | Using information to generate derivative coordinates from noisy time series | |
| Jorgensen et al. | The risk-sensitive coverage problem: Multi-robot routing under uncertainty with service level and survival constraints | |
| Zhang | Bayesian analysis of big data in insurance predictive modeling using distributed computing | |
| Guo et al. | Local volatility calibration by optimal transport | |
| JP5396311B2 (ja) | 行動予測装置、方法およびプログラム | |
| Aravkin et al. | Smoothing dynamic systems with state-dependent covariance matrices | |
| Wang et al. | Improving particle filter with better proposal distribution for nonlinear filtering problems | |
| Fu et al. | Robust epidemiological analytics | |
| US20220253573A1 (en) | People flow estimation device, people flow estimation method, and people flow estimation program | |
| JP7231052B2 (ja) | 移動推定装置、移動推定方法、及び移動推定プログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190821 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200929 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201124 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210105 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210108 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6823613 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |