@techreport{oai:ipsj.ixsq.nii.ac.jp:00233925,
 author = {小関, 廉 and 米倉, 晴紀 and Rizk, Hamada and 山口, 弘純},
 issue = {4},
 month = {May},
 note = {昨今スマートシティの実現に向けてタクシー配車サービスやフードデリバリー，ライドシェアなどの位置情報サービスが提供されている．これらのサービスは人々の移動軌跡データに依存しているため，移動軌跡の公開や提供に対する需要は日々高まっている．その一方で移動軌跡データは個人ごとに異なる特徴を持っており，移動軌跡データの所有者が特定されるリスクが存在するため，移動軌跡データの公開・提供においてはプライバシ保護に対する懸念が存在する．例えば，大企業はフードデリバリーや決済サービスを通じて人々の移動履歴にアクセスでき，このような疎な移動履歴データとオープンな移動軌跡データのマッチングを行うことでオープンな移動軌跡データの所有者を特定することが可能である．移動軌跡データのプライバシ保護を行うために，k-匿名性や差分プライバシを利用して元の移動軌跡データにノイズを加える手法が提案されているが，これらの手法は移動軌跡データの有用性を損なうことが知られている．本研究ではプライバシ保護とデータの有用性を両立するために，移動軌跡データ生成モデルで合成データを生成し，元のデータと置き換える手法を提案する．提案手法は AutoEncoder のアーキテクチャを利用して移動軌跡データを潜在空間にマッピングし，混合ガウスモデルでその潜在空間を表現する．その後，混合ガウスモデルからサンプリングした潜在ベクトルをデコーダに与えて移動軌跡データを生成する．このようなアーキテクチャで合成データを生成することで，データセットの大域的な統計的情報は保持しつつ個別の移動軌跡データについてはどの個人でもない合成移動軌跡データを生成することができる．本研究ではタクシー事業者から取集した実際の移動軌跡データを使用して提案手法を評価し，タクシーの需要予測において未加工のデータと比較して性能劣化を 1.3% にとどめつつ，個人の特定リスクを 77.9% 低下させることが可能であることが分かった．},
 title = {モビリティデータのサンプリング潜在表現を用いた非識別化手法},
 year = {2024}
}