@inproceedings{oai:ipsj.ixsq.nii.ac.jp:00219597, author = {東浦, 圭亮 and 田村, 直樹 and 平野, 流 and 鷲田, 健斗 and 坂倉, 波輝 and 山口, 公平 and 浦野, 健太 and 米澤, 拓郎 and 河口, 信夫}, book = {マルチメディア,分散,協調とモバイルシンポジウム2022論文集}, month = {Jul}, note = {スマートフォンの普及が進むとともに,位置情報データの収集が容易となり,位置情報データを用いた研究が盛んに行われるようになった.そのなかでも,ユーザがどのような交通手段を用いて移動を行ったかを推定する移動手段推定は,多く研究されている分野の一つである.またスマートフォンを用いた位置情報の大規模な集積及び利活用を目的とした,大規模位置情報データプラットフォームが登場するようになった.このようなプラットフォームは容易な位置情報データの大規模分析を可能にする反面,位置情報データを収集する際に用いる SDK の特性やスマートフォンがおかれている環境によって,収集される位置情報に大幅な誤りを含む場合がある.また一般的な移動手段推定の研究で用いられるデータは,測位間隔が数秒程度で一定かつ密であることが多いが,大規模測位データではデバイスの消費電力的な観点から,取得される位置情報は測位間隔が数分程度と長いことが多く,測位間隔も一定ではない.移動手段推定に関する研究はこれまで数多く行われているが,このような性質を持つデータを対象とした移動手段推定の検討は十分に行われていない.そこで本研究は,時間粒度が粗密な大規模測位データを対象とした移動手段推定手法の提案を行う.提案手法は,データセットの前処理工程と移動手段推定工程の,大きく 2 つの工程に分かれる.前処理工程では,測位点間の重心に着目した独自のアルゴリズムによる誤差が顕著なデータの除去と,推定に用いる特徴量の付与を行う.移動手段推定工程では,速度の閾値判定による滞在/非滞在判定や移動手段の変化点検出などの処理を行った後,Random Forest による移動手段推定を行う.実世界で運用実績のある SDK により取得された位置情報データに対して提案手法を適用し,ユーザの移動手段を滞在・徒歩・電車・車の 4 種類に分類するタスクを行った結果,79.97% の精度での分類を達成した.}, pages = {163--170}, publisher = {情報処理学会}, title = {時間粒度が粗密な大規模測位データを用いた移動手段推定に関する研究}, volume = {2022}, year = {2022} }