@inproceedings{oai:ipsj.ixsq.nii.ac.jp:00193614,
 author = {野々村, 太志 and 梶, 克彦},
 book = {マルチメディア，分散協調とモバイルシンポジウム2018論文集},
 month = {Jun},
 note = {子供が多く遊ぶ地域においての子供の行動を把握し，見守りや避難経路の検討などに応用する研究が行なわれている．それらの研究では子供の行動データを参考に手法の妥当性を検証する必要がある．しかし，実際の行動データは必ずしも存在せず，収集には多くのコストがかかる．そこで，我々は子供の行動をシミュレートして実際の行動データの代替とするため，子供の行動を模擬するモビリティモデル構築をした．モビリティモデル構築には元となる実際の子供のデータが必要である．さらに，収集した子供の行動データをモビリティモデルに入力できる状態にしなければならないので特徴量を分析しなければならない．そこで，子供の行動データの収集実験を行い，収集したデータを分析した．収集したデータを分析した結果，子供は平均 749 秒間 74.38m² の範囲の遊び場で遊んだ後次の遊び場に平均約 1.09m/s の速さで移動あるいは漫然と歩き回る，を繰り返していた．また，子供のうち 43% が 1～3 回遊び場以外の場所で滞在する寄り道を行っていた．得られた特徴量を元に artisoc を用いてモビリティモデルを構築した．移動速度，滞在時間，滞在範囲をパラメータとしてモビリティモデルに入力し，全てのパラメータは平均値と標準偏差を利用した確率正規分布で個体毎にセットしている．また，シミュレータのフィールドは侵入不可地域，道，遊び場，の三種類で再現している．このシミュレータは GPX 形式で軌跡を出力可能でこれは地図アプリ等で確認可能である．構築したモビリティモデルが十分に子供の行動を模擬できているかを検証するため評価実験を行った．被験者22名に実際の子供の行動データとモビリティモデルによって模擬された行動データを判別してもらったところ，実際の子供の行動データであると回答した被験者の割合はモビリティモデルによって模擬された行動データに対して平均 40.9% で，実際の子供の行動データに対して平均 61.8% であった．この値をウェルチのt検定にかけたところ有意差がみられた (p < 0.05)．ここから現段階のモビリティモデルでは十分に模擬できていないと判明した．また，被験者には判別の基準を回答してもらっている．判別の基準としては等速で直線的に移動しているかどうか，滞在中の動きが無秩序であるか特徴的な動きをしているか，寄り道をしているかどうか，という判断基準があった．この結果からこれらの動きを改善すればモビリティモデルの機能向上が行えると考えられる．},
 pages = {1262--1269},
 publisher = {情報処理学会},
 title = {公園や遊戯施設を対象とした子供のモビリティモデル構築},
 volume = {2018},
 year = {2018}
}