講演情報
[3K2-OS-27b-04]マルチモーダル地理意味特徴に対するタスク考慮型クラスタリングによる交通量推定
〇増田 俊太郎1、平井 樹2、山崎 俊彦1 (1. 東京大学大学院、2. エムディー株式会社)
キーワード：
マルチモーダル非構造化データ、交通量推定、地理的意味表現、タスク考慮型クラスタリング、不動産分析
不動産の立地評価や商圏分析において、道路区間ごとの自動車交通量の把握は重要である。しかし、一般に公開されている交通量データは計測地点が限られており、かつ交通量の説明変数として利用可能な周辺データも十分には整備されていない。これらのデータの追加的な取得には大きなコストが発生し得る。本研究では、公開されている衛星画像、ストリートビュー画像、道路名の3種のマルチモーダル非構造化データを用い、道路情報および沿道の土地利用に関する意味的特徴を抽出・統合する新たな交通量予測手法を提案する。これにより、従来手法では捉えきれなかった豊かなgeo-semantic情報を交通量予測に導入する。さらに、タスク考慮型クラスタリングにより、統合した道路特徴を回帰に適したクラスタ特徴へ集約する。交通センサスデータを用いた予測実験では、統合特徴量の利用とクラスタ特徴の追加が予測性能の改善に寄与した。最良のXGBoost条件では、MAPEが2.83%改善した。また、fine-grainedなgeo-semantic特徴の導入により、解釈性分析に利用可能な説明変数が拡張され、道路や立地の定性的評価への有用性を示した。