イベント‎ > ‎報告会‎ > ‎

報告会 パート1


被災地における情報

津波被災における避難実態の可視化

チーム名 : Masters&Forever 22
メンバー : 高安伶奈(東京大学大学院)、田村光太郎 (東京工業大学大学院)、坂田隼人 (東京大学大学院)、高安美佐子 (東京工業大学大学院)
スライド : こちらへ
概要 :
津波襲来時の避難状況を ZENRIN の人口密度のデータをもとに可視化を行い、x 被災地の救助に位置情報がどの程度活用できるのかを議論する。また、津波の被害を最小限にする都市設計について議論する。



位置情報付き tweet による被害状況の逐次把握可能性の検討

チーム名 : 空間情報ユニット (from 博士カフェ)
メンバー : 岸 浩稔 (東京大学大学院 工学系研究科 社会基盤学専攻 博士課程)、中西 航 (東京大学大学院 工学系研究科 社会基盤学専攻 博士課程)
スライド : こちらへ
概要 :
位置情報付き Tweet データによる,被害地域の逐次把握手法について報告する.災害初動対応において,迅速な被害状況の把握は重要な課題である.とりわけ津波により被害が広範に渡った本震災のような場合は,被害のあるなしが不明瞭なまま情報がなく,救援物資の配給に困難が生じるなどの問題が発生した.被害状況を把握する手法には,各自治体の調査,空中写真撮影などが挙げられるが,情報取得の時期・間隔は地域により偏りがある.
そこで本研究では,ワークショップで提供されたtweet データを用い,その発信地域における tweet 密度により,面的かつ逐次的な被害状況を推定する手法を提案する.
具体的には,まず,位置情報付き tweet データの一覧を作成,それを時系列で整理しtweet 発信点データを作成した.次に,そのtweet発信点データについて,カーネル密度分布を推定することで,tweet発信数を人間活動の指標と考えた.次に,そのカーネル密度分布図を,衛星より観測された夜間光データと比較した.夜間光データは人口やエネルギー消費量と強く相関があるため,平時の人間活動の指標として考えた.
結果として,岩手県山田町などいくつかの小集落では,夜間光データと比べカーネル分布図では人間活動が非常に微小な活動量と推定された.これらの地域は津波により大きな被害のあった地域であり,情報発信が難しい状況にあった可能性が考えられる.一方で,tweet データに含まれる bot など位置情報のなりすましの影響があることや, 人間活動はあっても単に位置情報つきの tweet をした人がいないという可能性が考えられる.tweet内容から情報を分類するなど,より詳細な情報を得ての分析,考察が必要である.
本研究により,位置情報付き tweet により被害状況を逐次的に把握することができる可能性を示した.今後.災害時により多くの位置情報付き tweet が発信され,準リアルタイムで取得,分析がなされることを期待したい.



災害データの意味 - データから見えるもの、データでないと見えないもの、データでは見えないもの

チーム名 : 多摩大学情報社会学研究所/iSPP
メンバー : 会津泉(多摩大学情報社会学研究所/情報支援プロボノ・プラットフォーム(iSPP))、坂慎弥(プラスアルファ・コンサルティング)
スライド : こちらへ
概要 :
大槌町、陸前高田市で何が起きたかの検証の予備調査として、プラスアルファ・コンサルティング提供の「見える化エンジン」を利用し、ツイートデータ、NHK、朝日新聞のデータの抽出・照合を含めた分析結果を報告します。iSPP が昨年行った「情報行動調査」および今年 IPA が実施した「災害支援サイト実態調査」の結果をふまえて考察しました。 ツイートデータは、「大槌」「陸前高田」の単語が含まれるオリジナル・ツイートを抽出(RTは除外)、3 月 11 日および 17 日の全ツイートを、1次情報、2次情報、3次情報が含まれるかどうかで分類、比較しました。その結果、1次・2次情報は、3 月 11 日は、大槌 0.62 %、陸前高田0.012 %、17 日には大槌 10.6 %、陸前高田 13.6 %となりました。
1次情報とは、本人が直接目撃・経験した内容をツイートしたもの、2次情報とは、家族、友人、知人などの知己から直接受信した伝聞内容をツイートしたもの、3次情報とは、テレビ、ラジオ、ネット、新聞など、第三者が発信した情報を、転送・ツイートしたものです。
これらを含めて、結果と今後の課題などをお話したいと思います。



仙台で必要とされた情報そして流れた情報 

チーム名 :  日立東日本ソリューションズ  メンバー :  森川浩司(日立東日本ソリューションズ)、高梨勝敏(日立東日本ソリューションズ)  スライド :  こちらへ  概要 :
Google Trends (マクロ視点)および 仙台市周辺のツイート(ミクロ視点)を中心に、仙台市(非壊滅的で、政令指定都市で、ICT がある程度機能し、被災地における情報流通というテーマを考えることに意味があると思われる場所)における、必要とされた情報、流れた情報を検証する。その結果から、次の災害において、仙台と同様の状況に置かれた被災地でどのような情報がどう伝達すると被災地の復旧に役立つのかを考察する。



茨城県つくば市における地域情報発信の様子を振り返る試み

チーム名 : Team ETK
メンバー : 高久雅生(物質・材料研究機構)、江草由佳(国立教育政策研究所)
スライド : こちらへ
概要 :
東日本大震災の発生時において、地方自治体や公共施設がその公式アカウント等を通じて提供したツイッター情報発信の内容及びその発信に対する反応を分析することを試みる。事例としてつくば市の公式アカウント@tsukubais のツイートデータをもとに、発信内容とその種別等を分析し、情報発信の範囲と効果等を測る。地域情報の発信の一助になればと考えている。



災害時における不足物資支援についての検討

チーム名 : NTT ソフトウェア
メンバー : 西兼健次(NTT ソフトウェア)、横井浩(NTT ソフトウェア)、花上尚人(NTT ソフトウェア)
スライド : こちらへ
概要 :
以下のような報告を行います。
・当時のツィートや新聞記事から、水や食料等の物資に関するものを抽出し、不足・配布状況を把握する。
・それらの情報から、物資の配布に関する問題点や、次の震災に生かせる工夫また改善点として、どのようなものがあるかを模索する。



道路・交通関連情報の読み解きの一考察

チーム名 : 災害交通研
メンバー : 八木浩一(災害時交通流監視システム研究会)
スライド : こちらへ
概要 :
東日本大震災当時流通していた下記2つのデータ(A,B)と災害交通研が独自に調査したデータ(C)を、震災当時どのように読み解いていたかを報告する。
A.自動車通行実績情報(本田技研工業)
B.災害時ガソリンスタンド情報(gogo.gs)
C.路面段差情報(災害交通研)(Aも今回ご提供のデータではなく、震災当時解析したもので報告)



Twitter からの被災時の行動経路の自動抽出およびその信憑性の検証 

チーム名 :  広島市立大学  メンバー :  難波英嗣(広島市立大学)  スライド :  こちらへ  概要 :
本研究では、東日本大震災情報に関連する Twitter のデータから、機械学習を使用して、ユーザの行動経路を抽出する手法を提案する。また、抽出された経路情報を、震災当時の鉄道運行状況や通行実績マップデータ等と比較することにより、その信憑性を検証する。震災時の行動経路のデータベースを作成することで、被災者や、輸送物資を配送する援助者へ、利用可能な経路情報などの有益な情報を提供できることが期待できる。



Twitter 上の災害情報

大震災の解釈に際する地域差異と時系列変化-Twitter データの社会心理学的分析

チーム名 : Twitter の社会心理学研究 Project
メンバー : 三浦麻子(関西学院大学)、小森政嗣(大阪電気通信大学)、松村真宏(大阪大学)
スライド : こちらへ
概要 :
日本人が「大震災という出来事をどう解釈したか」を,特に距離との関連(地域間差異と時系列変化)に着目して,社会心理学的な観点から分析することを目的として,ジオタグ付き Tweet データを対象とした形態素解析を行い,形容詞・動詞の出現頻度の地域間差異と時系列変化を検討する.当日は,地域間差異に関するデータの報告と,期待される将来的意義について述べる.



Twitter emotion analysis in Tohoku earthquake crisis 

チーム名 :  Bao-Khanh Ho Vo  メンバー :   Bao-Khanh Ho Vo (National Institute of Informatics)   スライド :  こちらへ  概要 :
Twitter plays an important role in crisis situation communications such as the Tohoku Earthquake and Tsunami in Japan, 2011 when the telephone network did not work then. Beside applications related to Twitter spatial-temporal analysis, emotion analysis of tweets when the Tohoku Earthquake happened also provides valuable and interesting results for further disaster prevention. Moreover, to the best of our knowledge, our research is the first research in analyzing emotions (fear, anxiety, surprise, unpleasantness, calm, relief, etc.) towards crisis situations while the others only analyzing at sentiment levels (positive, negative, neutral).



震災時のハッシュタグ活用について

チーム名 : 村井源(東工大)
メンバー : 村井源(東工大)
スライド : こちらへ
概要 :
震災時のハッシュタグの利用状況の分析に基づき、震災時に follow 関係に依存しないコミュニケーションをハッシュタグを用いて効率的に行うためにはどのような点に注意すべきなのか、またどのような方法によって現状の問題点を改善しうるかについて考察した結果を報告する。



ハッシュタグを利用した震災時におけるソーシャルメディアの利用傾向の分析

チーム名 : 静岡県立大学
メンバー : 小出明弘(静岡県立大学)
スライド : こちらへ
概要 :
ユーザのハッシュタグ付きツイート群から,複数の特徴量を持いてハッシュタグ間の類似度を算出する.さらに,デンドログラムを用いてハッシュタグ間の類似度に基づく構造を階層的に可視化する.震災前後での分析結果を比較することにより,ソーシャルメディアが震災時にどのように利用されていたのかを議論する



Twitterからの人口推定 

チーム名 :  奈良先端大自然言語処理学研究室チーム B  メンバー :  吉川友也(NAIST)、藤野拓也(NAIST)、酒井啓道(NAIST)、三谷亮介(NAIST)、江崎大嗣(NAIST)  スライド :  こちらへ  概要 :
私達のチームでは,Twitter 上で起きる現象と現実社会で起きる現象の関係に着目しました.分かりやすい繋がりとして,位置情報ツイートとゼンリンデータコム社提供の混雑度の関係について分析したので,ここまでの成果を報告します.