2024-03-30T00:14:20Zhttps://ipsj.ixsq.nii.ac.jp/ej/?action=repository_oaipmhoai:ipsj.ixsq.nii.ac.jp:002047162024-03-29T05:26:34Z01164:03865:10114:10190
Non-Negative Tensor Factrizationを用いたドックレス型マイクロモビリティの利用形態分類手法の検討jpnhttp://id.nii.ac.jp/1001/00204621/Technical Reporthttps://ipsj.ixsq.nii.ac.jp/ej/?action=repository_action_common_download&item_id=204716&item_no=1&attribute_id=1&file_no=1Copyright (c) 2020 by the Information Processing Society of Japan東京大学生産技術研究所カーネギーメロン大学東京大学生産技術研究所東京大学生産技術研究所/東京大学空間情報科学研究センター牛島, 秀暢青木, 俊介西山, 勇毅瀬崎, 薫交通やインフラ,スマートフォンなどから得られる様々なデータを統合的に利活用し,都市計画の継続的な改善に役立てるという都市コンピューティングが注目されている.都市コンピューティングは少子高齢化と過疎化が進行する日本においても公共インフラを有効活用し都市を維持するためにも有効である.限られた公共インフラを活用するためには人々の移動目的を推定し,交通リソースを最適化する必要があるが,既存の IC カードなどの交通データでは推定粒度に限界があった.こうした状況の中,特定の返却場所を持たないドックレス型のマイクロモビリティが急速に普及している.ドックレス型マイクロモビリティは平均移動距離が 500m 程度と短く,直接目的地に向かうため,より詳細な移動行動が検出可能である.本研究では,マイクロモビリティが都市空間で離散的に分布する点に着目した.そして,細かく単発的な移動行動を大域的に分析することで潜在的な移動パターンがあることを,Non-Negative Tensor Factrization と呼ばれる教師なし学習を用いることで明らかにした.AA11851388研究報告モバイルコンピューティングとパーベイシブシステム(MBL)2020-MBL-951182020-05-212188-88172020-05-20