多様な空間補助情報を学習した画像の超解像モデルによる都市の細粒度人口分布推定

• Item type: Journal(1)
• 公開日: 2025-06-15
• タイトル / 言語: ja
• タイトル: 多様な空間補助情報を学習した画像の超解像モデルによる都市の細粒度人口分布推定
• タイトル / 言語: en
• タイトル: Estimating Fine-grained Urban Population Distribution Using Image Super-resolution Model and Diverse Spatial Information
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [特集:多様なリアリティを繋ぎ・創るモバイルコンピューティングと高度交通システム（特選論文）] 位置情報，スマートフォンGPS，時空間情報，超解像，スマートシティ
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• ID登録: 10.20729/0002002598
• ID登録 / ID登録タイプ: JaLC
• 著者所属: 株式会社KDDI総合研究所
• 著者所属: KDDI株式会社
• 著者所属: 株式会社KDDI総合研究所
• 著者所属: 株式会社KDDI総合研究所
• 著者所属(英): en
• 著者所属(英): KDDI Research, Inc.
• 著者所属(英): en
• 著者所属(英): KDDI Corporation
• 著者所属(英): en
• 著者所属(英): KDDI Research, Inc.
• 著者所属(英): en
• 著者所属(英): KDDI Research, Inc.
• 著者名: 武田,直人; 小林,亮博; 山崎,悠大; 上坂,大輔
• 著者名(英): Naoto Takeda; Akihiro Kobayashi; Yudai Yamazaki; Daisuke Kamisaka
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 都市を数十メートル単位の細かいグリッドに分割し，各グリッドの人口を集計した人口分布は，交通管理や災害リスク評価等の都市アプリケーションに有用な情報となる．GPS位置情報を基にした人口分布は，時間帯ごとの人口変化を把握でき，かつ，任意のグリッドサイズで集計可能な利点がある一方で，サンプリングバイアスを無視できない．特に，複数の特定のスポットに人口が集中する地点では，グリッドを細かく分割するほど真の人流と相関の低い疎な分布が計算されるため，数百メートル単位の粗い粒度の人口分布しか計算できないという課題がある．本論文では，画像の超解像モデルに多様な空間補助情報を学習させることで，粗粒度人口分布から細粒度人口分布を推定するモデルを提案する．640mグリッドの粗粒度人口分布から40mグリッドの細粒度人口分布を推定する実験により，回帰モデルは超解像モデルと比較して都市全体における人流の傾向把握に適しており（相関係数：回帰モデル0.47，超解像モデル0.41），超解像モデルは人口がグリッド内の特定のスポットに集中する傾向の強い都心部において回帰モデルと比較してRMSEが低く個々のグリッドの正確な推定に適している点（RMSE：回帰モデル9.19，超解像モデル8.85），グリッドの解像度ごとに重要な空間補助情報は異なる点，を明らかにした．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Understanding fine-grained urban population distribution is crucial for applications such as traffic management and disaster risk assessment. GPS-based population data captures temporal changes and allows aggregation at arbitrary grid sizes. However, sampling bias is significant in densely populated areas, and finer grids lead to sparse data with low correlation to actual flows, restricting analysis to coarser grids of several hundred meters. To address this, we propose a model that uses diverse spatial information and a super-resolution imaging approach to estimate fine-grained populations from coarse-grained data. Experiments estimating 40m distributions from 640m data showed that regression models better capture overall trends (correlation coefficient: regression 0.47, super-resolution 0.41), while super-resolution models are more accurate for densely populated areas (RMSE: regression 9.19, super-resolution 8.85), with spatial information influencing results by resolution.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 66, 号 6, p. 847-859, 発行日 2025-06-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764
• 公開者 / 言語: ja
• 公開者 / 出版者: 情報処理学会