The 28th Annual Conference of the Japanese Society for Artificial Intelligence, 2014
- 1 -
行動
析
基
く滞在施設
種類
推定
Estimate of the Types of Staying Facilities Based on Analysis of Log Data about Traffic Behavior.
菅原
優
*1森
武史
*2
阿部
秀尚
*3
松
修一
*1
山口
高
*1
Yu Sugawara Takeshi Morita Hidenao Abe Shuichi Matsumoto Takahira Yamaguchi
*1
慶應義塾大学理工学部
Faculty of Science and Technology, Keio University*2
青山学院大学社会情報学部
School of Social Informatics, Aoyama Gakuin University*3
文教大学情報学部
Faculty of Information and Communications, Bunkyo University
Traffic behavior survey using analog data needs a lot of money and human resources. Recently, traffic behavior survey using information technology has been carried out. In this research, we suggest the method to extract staying points from GPS based location data and estimate the types of staying facilities using Google Places API, ontologies, the regularity which is analyzed from chain of trips about traffic behavior.
1.
め
現在，紙媒体 交通行動調査 一 ， ソン
ッ 調査 以 ，PT調査 行わ い [石 11]．PT調査
，各地方自治体等 行わ 人 動 ソン ッ
を調 調査 あ ．PT調査 集さ 主 情報 ，交
通行動 起点 終点，出 到着時間帯， 利用交通手段，滞在
施設，施設 種類，行動目的 あ ．PT 調査を 既
交 通 行 動 調 査 問 題 点 主 ， 記 入 煩 わ さ ，
記入漏 損 ， 電子化 挙
． ，記入事 多い や多く 紙 調査
を行 い 起因 い ．
PT調査 問題点を解決 ，近 ，携帯電話や マ
ン GPS端 び Web を用い ，人 行動を
記録 調査 あ ソン調査
*1
以 ，PP調査
，PT調査 自動化 試 い ． ，PP 調査
， 滞 在 施 設 や 行 動 目 的 い ， ユ 手 動
ム 入力 を前 提 ， 自動 的 推定 を
試 研究 少 い．
図1 示 う ，PT調査 自動化 向 検討 目 主
六 在 ． 中 ，GPS 取得[Nohara 13]，交
通モ 推定[西岡 11]，滞在 置推定[遠山 05] ，先行研
究 在 ． 研究 ，図 1 い 太枠 示 滞在
施設 種類推定 特化 ，交通行動 関 GPS を
利 用 滞 在 施 設 種 類 推 定 手 法 を 提 案 ． ， 長 崎 市
圏交通 行動 調査 提 案手 法を適用 ， 有用性 を評 価 ．
一方，震災 ッ
*2
大規模 GPS 利用
法 ，多く 課題 在 ，現在，様々 研究 行 わ い
． 研究 対象 PT調査 自動化 ，大規模 GPS
利用法 一例 置 ．
2.
滞在施設
種類推定手法
節 ， 研究 提案 推 定手法 概要 手法
を述 ．図2 研究 提案 手法 概要図を
示 ．
手法 ，滞在地点推定 ム，地図情報基盤 ，施設
種 類変 換 ム ，滞 在施 設 種 類 ム
4 部 互 い 情報をや ，GPS
滞在 施設 種類を推定 い ． 手法 を
図3 示 ．凡例 示 通 ，図3 楕 ，
矩 形 ， 柱 ン ， 一 方向 矢 入 出 力， 両
方向矢 参照を示 ．図3 示 通 ， 手法 PP調
査 得 GPS ，滞在 置推定
節 後述 GPS 速度 注目 閾値を設定 ，滞
在 置を推定 ． 後 ，推定さ 滞在 置 緯度 経度
を Google Places API *3
以 ，Google Places 施設 ン 入 力 ， 周 辺 施 設 情 報 を 取 得 ．Google Places
Google 無償 提供 Web API あ ． 際，表1
う 対応表を用い Google Places等を用い 得 施設
種類を PT調査 用い い 施設 種類 変換 ．
連絡先：菅原優,山口高 ，慶應義塾大学理工学部
〒223-8522 神奈川県横浜市港 区日吉3-14-1 TEL: 045-566-1614
[email protected], [email protected]
2E5-OS-25b-1
図1 PT調査自動 に向けた検討 目
図2 滞在施設の種類推定手法の概要図
*1 ソン調査 : http://www.probe-data.jp *2 震災 ッ : https://sites.google.com/site/prj311/ *3 Google Places API :
The 28th Annual Conference of the Japanese Society for Artificial Intelligence, 2014
- 2 -
う 得 複数 周辺施設情報を施設情報統合
統合 ，施設 種類 を抽出，抽出さ 複数 施設
種類 1 絞 を行う作業を滞在施設 種類
行い，滞在施設 種類を推定 いう を行
い ．以 ，各 詳 い 述 ．
2.1 滞在位置推定プロセ
，GPS を入力 ，滞在 推定さ
地点 緯度 経度 均値 標準偏差，滞在開始 終了時間を
出力 ．
滞 在 地 点 を 推 定 あ ， 研 究 ， 滞 在 を 時 速
3km以 状態 5 以 続い 状態 定義 ． 徒
歩 均時速 4km/h 程度 あ 言わ い や ン
ニ 立寄 比較的短時間 滞在 PT調査 対象
を加味 決定 ． 定義 基 ，GPS
滞在地点を抽出 ムを作成 図4参照 ．
ム ，速度 3km/h以 を ガ
， 速度 3km/h以 を探 ，
経 過時 間を計算 ． 時 間 5 以 あ ば滞
在地点 出力 ． 際出力 情報 緯度 経度
滞在中 緯度 経度 標準偏差，滞在開始 終了時間
． 滞 在 場 所 推定 さ 地点 緯 度 経 度 関
滞在中 緯度 経度 均を ．
2.2 Google Places
Google Places ， 緯 度 経 度 検 索 半 径 を え
， 緯 度 経 度 入 力 半 径 あ Google
Places 録さ い 施 設 前， 所，施 設
施設情報を出力 あ ． 手法 利用 い 施設
情報 大部 を Google Places 取得 い ． 手法
緯度 経度 各 滞在地点 緯度 経度，半 径 以 う
算出 ．基 値 50mを設定 ，基 値 滞在地点
緯度 経度を算出 際 各点 滞在地点 緯度 経度
距 標 準 偏 差 を 加 え ． 算 出 さ 半 径 各 滞 在 地 点
緯度 経度を入力 ，Google Places 得 周辺施設
数 5 以 あ 場合 再度基 値を 100m
様 半径を再計算 ，検索を 直 ．
得 施設 種類 PT調査 用い い 施設
種類 異 ，変換 必要 あ ． ，4節 詳 く
述 長 崎市 圏 交通 行動 調 査 いう PT 調査 施設
種類 変換 用い 対応表 一部を表1 示 ．
Google Places 96個 施設 用意さ ，
を 14個あ PT調査 施設 種類 表2参
照 何 対応さ ．
2.3 施設オン ロ 利用プロセ
Google Places 施設 足を補う 施設 ン
を構 築 ． 長 崎 市 圏 交 通 行 動 調 査 対 応 構 築
長崎施設 ン 一部を図 5 示 ．長崎施設 ン
， 施 設 種 類 を表 各 ン ン
図3 本手法のデータフロー
表1 Google PlacesとPT調査の対応表の一部
GooglePlaces 種類 PT調査 種類
accounting 事務所 会社
airport そ 他
amusement_park そ 他 商業施設
aquarium そ 他 商業施設
art_gallery 公共施設
atm そ 他
bakery そ 他 商業施設
bank 銀行
bar 飲食店
beauty_salon そ 他
図4 滞在位置推定プロ のア ム
The 28th Annual Conference of the Japanese Society for Artificial Intelligence, 2014
- 3 -
施 設 種類 属 施設 を定 義 ．各 ン ン 所
緯度 経度を属性 持 ． ， 研究 i ン
*4
ン ，施設 種類 属 施設，
施 設 所 緯 度 経 度 を抽 出 ， 長 崎 施 設 ン を自
動 構 築 ． ，Google Places 様 ， 施 設 種類
PT 調 査 施 設 種 類 異 ， 対 応 表 を作 成 ，
施設 種類 整合を 施設 種類 変換を行 ．
施 設 ン を利 用 ，Google Places 様 ， 緯 度 経
度 2.2節 述 方 法 算 出 半 径 を入 力 ， 緯
度 経度を中心 半径 在 施設 称 施設 種
類， 所を取得 SPARQL を作成 ，実行 ．
2.4 施設情報統合抽出プロセ
，各地図情報基盤 得 周辺施設情報
う 施設 種類 注目 ，複数 施設 種類 複を除
く機能を有 ．
PT 調 査 使 わ 施 設 種 類 ， 宅 や自 宅 ，勤 務 通
学 先 う 地 図 情 報 基 盤 得 い 在 ．
宅 Google Places 録さ ， 宅 所を
取得 ン 化 困 あ ． ，自 宅や勤 務
通学先 被験者 異 ，地図情報基盤 得
共 通 的 情 報 推 定 い ． 以 理
，施設 種類 う 自宅 勤務 通学先， 宅
追加を行う．
宅 い ，周辺 施設 数 少 い際 追加 を行 う．
宅街 地図情報基盤 情報 あ 商業施設 比
較的少 い を利用 い ． ，自宅や勤務 通学先
い 長時 間滞在 注目 ，追 加を行 い ．具 体的 ，
抽出さ 滞在地点を，距 近い 化 ，
中 滞在時間 2時間以 あ 長期滞在を
積回数を数え ．長期滞在 積回数 最 多い を
自 宅 ， 以 外 多 い を勤 務 通 学 先 い う
付 を行 う． 各 滞 在 地点 属
対応 施設 種類を追加 いう を行 い ．
2.5 滞在施設 種類 プロセ
， 施設 情 報 統 合 複 数
施設 種類を1 絞 込 作業を行う． 絞 際
ッ あ 地点 目的地 移動 連続的集合
ッ ン を 析 ， 得 優 先 度 を用 い 絞 込
を行う． ，長崎市圏交通行動調査 施設 種類
優先度を例 説明 ．
4節 後述 長崎市圏交通行動調査 利用さ 施設
種類を表 2 示 ．記載 記載さ 優先
高い を表 ．
自宅，勤務 通学先 2.4節 述 規則を基 推定さ
い ，信 度 高い 断 ．
宅 関 ，他 優先度を く う 宅
さ 著 く少 く う ， 優 先 度 を高 く 設
定 ． ， 他 い 特 モ
他 商 業施設 施設 種 類 候 補 入 度 いく
高 く ， モ 希 少 性 高 く ，
以降徐々 希少性 く 傾向 あ ，希少 性 高
い施 設 種類 候補 入 い 際 実 際 滞在
施設 種類 あ 多 記 う 設定
． 様 単純 優先度 対応 い部 あ
，以 2 例外的 を作成 ．
候補 宅 学 校 両者 あ 場合 ，学 校 を 宅
優先
自宅 勤務 通学先 直 後 滞在地点 ， 他
商業施設を ン ニ 優先
1 ， 優 先度 施 設 種類 絞 込 を
行う ，施 設 種類 学 校 あ 宅 さ う
多い 設 あ ．学校 自体 面積 広い
，学校 滞在 い 際 検索半径 地図情報 基盤
録 さ い 施 設 少 い 多 い． 場 合 ， 周 辺 施
設 少 い ，施 設 候 補 宅 加え ． 先
述 優 先 度 大 小 を 比 較 ， 宅 優 先 度 高 い
， 施 設 種類 宅 さ う あ ． ， 学 校
自体 優先度を高 う ，学校付近 繁華街 買い物
商業施設を利用 ， ，食事 飲食店を訪
い 行動 施設 種類 学校 さ う ，
う 例外 を設 ．
2 ，比較的訪 回数 多 い 他 商業
施設を正 く推定 設 あ ．Google Places
，施設 種類全 96個 う 40個 他 商業施設 対
応 さ い 等 ， 他 商 業 施 設 含 施 設 種
類 幅 広 い． ， 滞 在 い 回 数 多 い ， 施 設
候補 含 度 極 高い． ，優先度を 手
高く う ，推定 失敗回数 増え う． ッ
ン 析 ，自宅や勤務 通学先を訪 直 後 利用
多い傾向 明 ， を 映 う
を作成 ．
以 優先度 を用い 複数 施設 種類 候補
絞 ，施設 種類推定を行 い ．
施設情報統合 一 あ さ 滞在
連 続 場 合 ， 一 滞在 あ 仮 定 ， を 結
合 ．
3.
行動ログ
タ
収集
評価
3.1 長崎市圏交通行動調査
手法 評価を行う ，長崎市圏 い PP調査を行
い，長崎市民 10 を対象 10 日間調査を行い，計 100
人 日 を取 得 ． 取 得 マ
ン GPS ッ ン あ ．
GPS 取得 際 ， 調査 ン 社
ソ ン ム
*5
を用 い ． ッ ン ，
Web を利用 集 ．Web ， 日 滞
在 施 設 施設 種類， 交 通手 段， 出 到 着時 刻， 目的
*4 i ン : http://itp.ne.jp *5 ソン ム : http://www.transfield.co.jp/pp.html
表2 長崎市圏交通行動調査における施設の種類と優先 位
優先順位 施設 種類
1自宅
2勤務 通学先
3住宅
4 パ モ
5 パ コンビニ
6飲食店
7そ 他 商業施設
8学校
9病院
10事務所 会社
11公共施設
12銀行
13ホ 旅館
The 28th Annual Conference of the Japanese Society for Artificial Intelligence, 2014
- 4 -
PT調査 取得 情報を PC 記入 ム あ
．
GPS ，100人 日 滞在施設 種類を推定
， ッ ンを 正誤 定 ，推定 精度を検証 ．
，検証 際 ，携帯端 ッ 等 ，GPS
著 く 損 い 対象外 ．
3.2 精度 検証 考察
精度 検証 あ ，正 答率 再現率 いう指標 を用 い ．
以 算出方法を示 ．
正答率 正 く検出出来 滞在地数
提案手法 検出 滞在地数
再現率 正 く検出出来 滞在地数
評価 対象 滞在地数
正答率 ，提案手法 推定 結果 中 く い正解
い を表 指標 ，滞在 い を 提案 手法 滞 在
識 数 値 悪 化 得 指 標 あ ． 再 現 率
実際 滞在 施設 う 正解 い を表 指
標 ，実際 滞在施設 う 網羅 い を示 ．
滞在施設 種類推定 結果を表3 示 ．
検証 結果，今回 調査 い 正答率 54.4%，再現
率 68.5% いう数値 得 ． ，各施設 種 類 再現
率 施設 種類 失敗状況を表4 び表5 ．
表 4 失敗状況 目 表 5 対応 ，数 表 5
失敗 ，括弧 数 失敗総数を示 ．
表4 び表5を見 ，施設 種類 推定 精度
異 ． 自 宅や 勤務 通 学 先 高 い再現 率 あ
， 他 施設 種類 再現率 全体 再現率 及ば
い． ， 手法 い ，自宅 勤務 通学先 い
高 い精度 推 定 出来 ， 他 い 改 善 必要
あ ． ，失 敗状況 候補 在 絞 込 除
外 さ いう 最 多 く，滞 在 施 設 種 類
い 改善 余地 あ を示 ． 結果 ， 手
法 優先度 2 基 く推定 ，自宅や勤務通
学 先 以 外 を目 的 地 複 雑 交 通 行 動 を推 定 い
， 今 後 ッ ン 析 を を 増 や 必 要
あ ． ， 現 状 推 定 用 い い 緯 度 経 度 時 間
精度 限界 あ 考え ，交通モ 他
情報 推定 精度 向 得 検証 余地 あ ．実
際 PT調査 自動化 を考 え ， 今回用 い や
優 先 度 を 他 地 域 や 他 施 設 種 類 応 用 際 精 度 や 工
数を検討 必要 あ ．
4.
わ
研究 ，交通行動調査 PT調査
を取 ，PT調査 自動化 向 1 あ 滞
在施設 種類推定手法を提案 ． 手法 ，PP 調査 取得
GPS を入力 ，地図情報基盤を用い 滞在 施
設 種類 推 定を行 う あ ． ， 長崎 市圏 交通 行動調
査 取得 GPS を用い 検証を行 ，68.5%
精度 滞在施設 種類を推定 出来 ．
今後 課題 ，交通モ 推定 他 検討 目
連 携 や他 地 域や 他 施 設 種類 応用 可 能性 検証 挙
．
参考文献
[石 11] 石 東生，“ 機 あ 大規模交通調査”，交通工学， Vol.46, No.2, pp.1-2， 2011.
[Nohara 13] Koutaro Nohara， Keisuke Matsuda, Takuya Maruyama, “Development and Application of Smartphone-based Travel Survey Method”， 13the World Conference on Transpo rt Research，2013.
[西岡 11] 西岡康， 安東直紀，谷口栄一，“ マ ンを
用い 交通モ 定モ 関 研究”，土木 計画学
研究 講演集，CD-ROM， 2011.
[遠山 05] 遠山緑生, 服部隆志, 荻 達也,“携帯電話 測 機 能 を 用 い 有 意 置 学 習”, 情 報 処 理 学 会 論 文 , Vol.46 No .12 p2915-2924， 2005．
○ ×
○ 174 80 68.5%
× 146 N/A
54.4%
正答率
再現率
本手法 っ 検出さ た
対象 滞在地
表3 滞在施設の種類推定の結果
表4 各施設の種類推定の失敗状況と内訳
コ 番号 施設 種類 総数 再現率 失敗状況
1 パ モ 20 65.0% 1(4),5(2),8(1)
2 パ コンビニ 14 35.7% 1(1),2(6),3(1),5(1)
3飲食店 8 12.5% 2(5),3(1),10(1)
4そ 他 商業施設 27 40.7% 1(3),2(8),11(1),12(4)
5住宅 6 66.7% 1(1),4(1)
6学校 7 57.1% 2(2),9(1)
7病院 4 0.0% 1(2),2(1),5(1)
8事務所 会社 0
9公共施設 4 25.0% 2(2),5(1)
10銀行 0
11自宅 100 88.0% 1(6),5(4),6(2)
12勤務 通学先 60 78.3% 1(4),4(1),5(1),6(7)
13ホ 旅館 0
14そ 他 4 0.0% 2(3),3(1)
表5 失敗 ードと失敗状況の対応
失敗コ 失敗状況 件数
1代表地点 遠い 21
2候補 存在 た 絞 込 除外さ た 27
3候補 存在 た 勤務 通学先 含 った 3
4住宅 認識さ った 2
5滞在 抽出さ った 10
6候補 存在 た 自宅，勤務 通学先 認識さ った 9
7 滞在 グ プ化 合体さ った 0
8内部 店 存在 そ 店自体 存在 1
9該当施設敷地内 取 い 敷地 広 ぎ 候補 入 1
10候補 存在 た 住宅 さ った 1
11前後 滞在 統合さ った 1
