Publications
CONFERENCE (DOMESTIC) 大規模人流データに基づくユーザ固有の移動文脈を考慮した都市空間モデリング
寺島 青 (名古屋大学大学院工学研究科), 坪内 孝太, 山口 修司, 田村 直樹 (名古屋大学大学院工学研究科), 庄子 和之 (名古屋大学未来社会創造機構), 河口 信夫 (名古屋大学大学院工学研究科/名古屋大学未来社会創造機構), 米澤 拓郎 (名古屋大学大学院工学研究科)
第119回モバイルコンピューティングと新社会システム研究会 (第119回MBL研究会)
May 14, 2026
都市空間における各場所の意味や役割は，訪問者の持つ背景や生活スタイルによって異なる．都市サービスの高度化に向けては，各場所を「意味の多様性を考慮したベクトル表現」として学習する都市空間モデリングが求められる．しかし，都市人流データは主に位置や時間といった数値情報から構成されており，移動の意味に関する情報は明示的に含まれていない．そのため，既存の都市空間モデリング手法の多くは，統計情報や時間的特徴のモデリングにとどまり，ユーザごとの移動文脈に由来する場所の意味の多様性を十分に捉えられていない．本研究では，ユーザ固有の移動文脈に基づき，各場所の意味の違いを捉える都市空間モデリング手法を提案する．提案手法では，移動の時間的な周期性を系列モデルにより表現するとともに，移動を訪問頻度や時間情報に基づくテキストで表現し言語空間に埋め込むことで，数値ベースの移動データだけでは表現が難しい意味や役割に関する特徴を捉える．最終的にこれらの特徴を動的に統合し，各場所の埋め込み表現を構築する．構築された各場所の表現は，ユーザ固有の移動文脈を考慮した豊富な情報を持ち，様々な下流タスクの精度向上への寄与が期待される．実世界の人流データを用い，将来の移動場所予測，軌跡検索，軌跡補間の3 つの下流タスクを通じて既存手法と比較した．実験の結果，全ての下流タスクにおいて提案手法により構築された埋め込み表現が既存手法を上回る性能を示し，最も競合的な既存手法に対しTop-1 Accuracy でそれぞれ，4.5%，5.2%，4.1%の精度向上を実現した．
Paper :
大規模人流データに基づくユーザ固有の移動文脈を考慮した都市空間モデリング
(external link)