JP2021015348A - 空間データ高解像度化装置、空間データ高解像度化方法、及び空間データ高解像度化プログラム - Google Patents
空間データ高解像度化装置、空間データ高解像度化方法、及び空間データ高解像度化プログラム Download PDFInfo
- Publication number
- JP2021015348A JP2021015348A JP2019128429A JP2019128429A JP2021015348A JP 2021015348 A JP2021015348 A JP 2021015348A JP 2019128429 A JP2019128429 A JP 2019128429A JP 2019128429 A JP2019128429 A JP 2019128429A JP 2021015348 A JP2021015348 A JP 2021015348A
- Authority
- JP
- Japan
- Prior art keywords
- data
- region
- parameter
- resolution
- target
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/08—Computing arrangements based on specific mathematical models using chaos models or non-linear system models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
Abstract
Description
まず、本実施形態に係る空間データ高解像度化装置の概要について説明する。
非特許文献1の手法では、ガウス過程を基礎として、複数種類の領域データを補助データとした回帰モデルを学習することによって、ターゲットとする高解像度データを予測する。しかし、非特許文献1の手法には以下の3つの問題点がある。
非特許文献1の手法では、領域に紐づくデータ値を、その領域の重心に紐づくものとして領域データを扱う。この方法をとることで、ガウス過程に基づく定式化が容易になるという利点がある。しかし、この簡略化は、領域間の空間相関を領域の重心間の空間相関で代用する、ということを意味しており、領域の形が特異な場合(細長い領域等)において、誤った空間相関の評価がなされてしまう、という問題が存在した。
非特許文献1の手法では、補助データとして様々な解像度の領域データを使用することができる。推定の手順は、(1)補助データをガウス過程回帰によって空間補間しターゲットとする解像度に揃え、(2)ターゲットデータの回帰モデルを学習する。非特許文献1のポイントは、空間補間をした際に求められる予測値の信頼度を加味しつつ回帰モデルを学習することである。このとき、低解像度な補助データは信頼度が低いデータであると判断される傾向があり、ターゲットとする高解像度データの予測に有用であるとしても、学習の過程で無視されてしまう、という問題が存在した。
非特許文献1の手法では、補助データは同一の領域のものに限られることを仮定している。例えば、ニューヨーク市における貧困度をターゲットデータとした場合には、同じニューヨーク市における他のデータ(大気汚染度や犯罪数等)を補助データとして活用する。しかし、都市によっては、多くの種類の補助データが利用可能でない場合が想定される。従来技術では、利用可能な補助データが少ない場合に、高解像度データの高精度な予測は難しい、という問題が存在した。
「空間スケールパラメータ」と、「ノイズ分散パラメータ」とを未知変数とするガウス過程モデルに基づいて、領域データの値をガウス過程の領域積分で表現することによって、領域データから最尤推定を用いてガウス過程モデルの未知変数を推定する。
「空間スケールパラメータ」と、「混合係数」と、「残差分散パラメータ」と、「ノイズ分散パラメータ」とを未知変数として、複数の潜在ガウス過程の線形混合で表現された多変量ガウス過程モデルに基づいて、領域データの値をガウス過程の領域積分で表現することにより、領域データから最尤推定を用いてガウス過程モデルの未知変数を推定する。
本開示に係る空間データ高解像度化装置10は、任意の空間粒度で集約された空間データ(以下では簡単のため領域データと呼ぶ)全般を対象としたものであり、使用する領域データの種類(貧困度、大気汚染度や交通量等)に依存せず、それらに対して柔軟に適用できる。以下では、実施形態として、一般的な領域データが1つの都市において複数種類与えられた条件の下で、多変量ガウス過程モデルに基づいて、領域データの値をガウス過程の領域積分で表現し、領域データから最尤推定を用いてガウス過程モデルの未知変数を推定することで、領域データの高解像度化を行う場合について説明する。
図2は、空間データ高解像度化装置10の機能構成の例を示すブロック図である。図2に示すように、空間データ高解像度化装置10は、機能構成として、領域データ格納部101と、ターゲット分割格納部102と、操作部103と、検索部104と、高解像度化部105と、出力部112とを有する。各機能構成は、CPU11がROM12又はストレージ14に記憶された空間データ高解像度化プログラムを読み出し、RAM13に展開して実行することにより実現される。
まず、複数の潜在ガウス過程の線形混合で表現された多変量ガウス過程モデルの定式化を行う。L個の独立なガウス過程を下記式(1)とする。
次に、パラメータ推定部106が、最尤推定を用いて空間スケールパラメータβ、混合係数W、残差分散パラメータΛ、及びノイズ分散パラメータΣを推定する方法について述べる。観測ベクトルyが与えられたとしたとき、周辺尤度p(y)は、f(x)を積分消去して下記式(12)と書くことができる。
[参考文献1]D. C. Liu and J. Nocedal. On the limited memory BFGS method for large scale optimization. Mathematical programming, 1989, 45(1-3):503-528.
次に、空間データ高解像度化装置10の作用について説明する。
図4は、空間データ高解像度化装置10による空間データ高解像度化処理の流れを示すフローチャートである。CPU11がROM12又はストレージ14から空間データ高解像度化プログラムを読み出して、RAM13に展開して実行することにより、空間データ高解像度化処理が行なわれる。
11 CPU
12 ROM
13 RAM
14 ストレージ
15 入力部
16 表示部
17 通信インタフェース
19 バス
101 領域データ格納部
102 ターゲット分割格納部
103 操作部
104 検索部
105 高解像度化部
106 パラメータ推定部
107 空間スケールパラメータ格納部
108 混合係数格納部
109 残差分散パラメータ格納部
110 ノイズ分散パラメータ格納部
111 高解像度データ算出部
112 出力部
Claims (4)
- 空間を分割した各領域に値が紐付いた領域データであって、分割の粒度が各々異なる複数の領域データを表すガウス過程モデルであって、前記領域データ間の相関関数の空間スケールパラメータと、前記相関関数のノイズ分散パラメータとを含む前記ガウス過程モデルに基づいて、前記領域データの値をガウス過程の領域積分で表した関数が最大となるように、前記空間スケールパラメータ及び前記ノイズ分散パラメータを推定するパラメータ推定部と、
高解像度化する対象の領域データと、前記対象の領域データより解像度の高い粒度で空間を分割することを示すターゲット分割の指定を受け付ける検索部と、
前記パラメータ推定部により推定された前記空間スケールパラメータ及び前記ノイズ分散パラメータを含む前記ガウス過程モデルにおいて、前記対象の領域データの値を、前記ターゲット分割が示す粒度で前記空間を分割した領域毎に領域積分することにより、前記対象の領域データを高解像度化した高解像度データを算出する高解像度データ算出部と、
を含む空間データ高解像度化装置。 - 前記ガウス過程モデルは、前記空間スケールパラメータ、前記ノイズ分散パラメータ、前記ガウス過程と前記領域データとの混合係数、及び前記ガウス過程に対する残差分散パラメータを含み、
前記パラメータ推定部は、前記領域データの値をガウス過程の領域積分で表した関数が最大となるように、前記空間スケールパラメータ、前記ノイズ分散パラメータ、前記混合係数、及び前記残差分散パラメータを推定し、
前記高解像度データ算出部は、前記パラメータ推定部により推定された前記空間スケールパラメータ、前記ノイズ分散パラメータ、前記混合係数、及び前記残差分散パラメータを含む前記ガウス過程モデルにおいて、前記対象の領域データの値を、前記ターゲット分割が示す粒度で前記空間を分割した領域毎に領域積分することにより、前記対象の領域データを高解像度化した高解像度データを算出する
請求項1記載の空間データ高解像度化装置。 - パラメータ推定部が、空間を分割した各領域に値が紐付いた領域データであって、分割の粒度が各々異なる複数の領域データを表すガウス過程モデルであって、前記領域データ間の相関関数の空間スケールパラメータと、前記相関関数のノイズ分散パラメータとを含む前記ガウス過程モデルに基づいて、前記領域データの値をガウス過程の領域積分で表した関数が最大となるように、前記空間スケールパラメータ及び前記ノイズ分散パラメータを推定し、
検索部が、高解像度化する対象の領域データと、前記対象の領域データより解像度の高い粒度で空間を分割することを示すターゲット分割の指定を受け付け、
高解像度データ算出部が、前記パラメータ推定部により推定された前記空間スケールパラメータ及び前記ノイズ分散パラメータを含む前記ガウス過程モデルにおいて、前記対象の領域データの値を、前記ターゲット分割が示す粒度で前記空間を分割した領域毎に領域積分することにより、前記対象の領域データを高解像度化した高解像度データを算出する
空間データ高解像度化方法。 - コンピュータを、請求項1又は請求項2記載の空間データ高解像度化装置の各部として機能させるための空間データ高解像度化プログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019128429A JP7133175B2 (ja) | 2019-07-10 | 2019-07-10 | 空間データ高解像度化装置、空間データ高解像度化方法、及び空間データ高解像度化プログラム |
US17/626,027 US20220253736A1 (en) | 2019-07-10 | 2020-07-10 | Aggregated data resolution enhancement device, aggregated data resolution enhancement method, and aggregated data resolution enhancement program |
PCT/JP2020/027112 WO2021006347A1 (ja) | 2019-07-10 | 2020-07-10 | 集約データ高解像度化装置、集約データ高解像度化方法、及び集約データ高解像度化プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019128429A JP7133175B2 (ja) | 2019-07-10 | 2019-07-10 | 空間データ高解像度化装置、空間データ高解像度化方法、及び空間データ高解像度化プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021015348A true JP2021015348A (ja) | 2021-02-12 |
JP7133175B2 JP7133175B2 (ja) | 2022-09-08 |
Family
ID=74114553
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019128429A Active JP7133175B2 (ja) | 2019-07-10 | 2019-07-10 | 空間データ高解像度化装置、空間データ高解像度化方法、及び空間データ高解像度化プログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220253736A1 (ja) |
JP (1) | JP7133175B2 (ja) |
WO (1) | WO2021006347A1 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010044618A (ja) * | 2008-08-13 | 2010-02-25 | Hitachi Ltd | 欠落データの補間方法、その実行プログラム、及びデータ収集装置 |
US20110257949A1 (en) * | 2008-09-19 | 2011-10-20 | Shrihari Vasudevan | Method and system of data modelling |
JP2018049390A (ja) * | 2016-09-20 | 2018-03-29 | 株式会社東芝 | 特性値推定装置および特性値推定方法 |
-
2019
- 2019-07-10 JP JP2019128429A patent/JP7133175B2/ja active Active
-
2020
- 2020-07-10 US US17/626,027 patent/US20220253736A1/en active Pending
- 2020-07-10 WO PCT/JP2020/027112 patent/WO2021006347A1/ja active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010044618A (ja) * | 2008-08-13 | 2010-02-25 | Hitachi Ltd | 欠落データの補間方法、その実行プログラム、及びデータ収集装置 |
US20110257949A1 (en) * | 2008-09-19 | 2011-10-20 | Shrihari Vasudevan | Method and system of data modelling |
JP2018049390A (ja) * | 2016-09-20 | 2018-03-29 | 株式会社東芝 | 特性値推定装置および特性値推定方法 |
Non-Patent Citations (4)
Title |
---|
CHRISTOPHER SMITH-CLARKE ET AL.: "Poverty on the Cheap: Estimating Poverty Maps Using Aggregated Mobile Communication Networks", PROCEEDINGS OF THE SIGCHI CONFERENCE ON HUMAN FACTORS IN COMPUTING SYSTEMS, JPN7021002117, 26 April 2014 (2014-04-26), US, pages 511 - 520, XP058608542, ISSN: 0004839696, DOI: 10.1145/2556288.2557358 * |
TANAKA, YUSUKE, ET AL.: ""Refining Coarse-grained Spatial Data using Auxiliary Spatial Data Sets with Various Granularities"", ARXIV:1809.07952V1, vol. version v1, JPN6020031556, 21 September 2018 (2018-09-21), pages 1 - 11, ISSN: 0004839694 * |
TANAKA, YUSUKE, ET AL.: ""Spatially Aggregated Gaussian Processes with Multivariate Areal Outputs"", ARXIV:1907.08350V2, vol. version v2, JPN6020031559, 7 January 2020 (2020-01-07), pages 1 - 15, XP055953939, ISSN: 0004839695 * |
石井那由他、白石 陽、石塚宏紀、戸辺義人: "空間補間による異種解像度センサデータの統合手法", 情報処理学会論文誌, vol. Vol.49,No.SIG7(TOD37), JPN6021021924, 15 March 2008 (2008-03-15), JP, pages 44 - 58, ISSN: 0004839697 * |
Also Published As
Publication number | Publication date |
---|---|
WO2021006347A1 (ja) | 2021-01-14 |
JP7133175B2 (ja) | 2022-09-08 |
US20220253736A1 (en) | 2022-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sigrist et al. | Stochastic partial differential equation based modelling of large space–time data sets | |
Höge et al. | A primer for model selection: The decisive role of model complexity | |
Chen | A new methodology of spatial cross-correlation analysis | |
Dambon et al. | Maximum likelihood estimation of spatially varying coefficient models for large data with an application to real estate price prediction | |
EP2704065A1 (en) | System and method for updating a data structure with sensor measurement data | |
Waller et al. | Estimating correlated observation error statistics using an ensemble transform Kalman filter | |
Wan et al. | A Bayesian approach to multiscale inverse problems using the sequential Monte Carlo method | |
Sommerfeld et al. | Confidence regions for spatial excursion sets from repeated random field observations, with an application to climate | |
Butusov et al. | New technique to quantify chaotic dynamics based on differences between semi-implicit integration schemes | |
Lyu et al. | Data-driven development of three-dimensional subsurface models from sparse measurements using Bayesian compressive sampling: A benchmarking study | |
Bolin et al. | Covariance–based rational approximations of fractional SPDEs for computationally efficient Bayesian inference | |
WO2020261447A1 (ja) | パラメタ推定装置、パラメタ推定方法、及びパラメタ推定プログラム | |
JP7133175B2 (ja) | 空間データ高解像度化装置、空間データ高解像度化方法、及び空間データ高解像度化プログラム | |
Shen et al. | Estimating species pools for a single ecological assemblage | |
Buccianti | Frequency distributions of geochemical data, scaling laws, and properties of compositions | |
JP2019191936A (ja) | 高解像度化装置、高解像度化方法、空間データ高解像度化方法、およびプログラム | |
JP7283574B2 (ja) | 空間データ高解像度化方法、空間データ高解像度化装置及びプログラム | |
JP7439957B2 (ja) | パラメータ推定装置、集約データ高解像度化装置、パラメータ推定方法、集約データ高解像度化方法、及びプログラム | |
JP2013205848A (ja) | コスト推定システム、方法及びプログラム | |
Ha et al. | Simplified nonlinear model for the weight estimation of FPSO plant topside using the statistical method | |
Fisher et al. | Time series modeling of pathogen-specific disease probabilities with subsampled data | |
Kok | The asymptotic behaviour of the maximum likelihood function of Kriging approximations using the Gaussian correlation function | |
Kang et al. | A method of DTM construction based on quadrangular irregular networks and related error analysis | |
Beer et al. | Conceptual comparison of Bayesian approaches and imprecise probabilities | |
Lin et al. | Pseudomartingale estimating equations for modulated renewal process models |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20190712 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210813 |
|
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: 20220802 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220819 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7133175 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |