イベント‎ > ‎報告会‎ > ‎

報告会 パート2


震災を理解する

Falconseed を使った分析プロジェクト

チーム名 : 東京工業大学出口研究室
メンバー : 出口弘(東京工業大学)、市川学(東京工業大学)、相澤景(東京工業大学)、セツキョウ(東京工業大学)、太田博士(東京工業大学)、八木澤一穂(東京工業大学)
スライド : こちらへ
概要 :
東京工業大学の出口・市川らが開発したビックデータ加工ツール Falconseed を使って、データから何が見えるかを探るプロジェクトです。ビッグデータを解析するプログラミング技術や解析ツールを持っていない人々向けに提供した Falconseed を利用してデータを抽出し最終的に表計算ソフトで集計することを目標とします。報告会では、Falconseed の概要とその意義を説明します。また、Falconseed を用いたデータの分析と次なる震災に向けた提言も行います。分析は、震災当時に問題が生じたガソリンと医薬品という二つの生活型サービスに焦点をあて、tweet データなどのビッグデータを用いて行っています。



災害に備えた社会サービスの提案 

チーム名 :  社会サービス設計 Project  メンバー :  出口弘(東京工業大学)、市川学(東京工業大学)、相澤景(東京工業大学)、太田博士(東京工業大学)、小森賢一郎(東京工業大学)、Weiyang Wang(東京工業大学)、五十嵐雄貴(東京工業大学)、八木沢一穂(東京工業大学)、眞屋朋和(東京工業大学)、Jiao Xue(東京工業大学)、渡部桂太(東京工業大学)、山岸昂介(東京工業大学)、尾崎智哉(東京工業大学)、北尾俊博(東京工業大学)、小林雄太(東京工業大学)  スライド :  こちらへ  概要 :
東京工業大学の出口・市川らが開発したビックデータ加工ツール Falconseed を使って,提供されたデータを問題設定にフィットした形に加工を行なう。さらに、加工データから見えてくる震災時の状況から、次に起こると言われる震災に備えた社会サービスを提案していく。



震災後のテキストデータからの情報抽出ツール開発

チーム名 : webigator チーム メンバー : 内山将夫(NICT) スライド : こちらへ 概要 :
震災後のテキストデータから有用な情報を素早く整理するツールを開発しました。ツールの基本的なアイデア、使い方などについて報告します。



クライシス・メディア・プロジェクト 

チーム名 :  国立情報学研究所北本研究室  メンバー :  北本朝展(国立情報学研究所)、相良毅(情報試作室)  スライド :  こちらへ  概要 :
クライシス時の状況把握を支援するメディアを構築するために、特に地理情報を中心とした各種データの分析を、我々が開発中の GeoNLP というツールを使って進めている。現時点では全ツイートから 3000 万超の地名語を抽出しており、これを基に各時間帯でのツイート分布を可視化したうえで情報の流れを分析したい。また各種データを一覧できるテレビのようなプッシュ型メディアについても研究を進めており、当日は研究途中のインタフェースを紹介したい。さらにこれらの技術を活用した次の災害への備えについても、時間・スペースが許せばアイデアを紹介する。



NICT 災害対応質問応答システム

チーム名 :  NICT 情報分析研究室  メンバー :  鳥澤健太郎(NICT)、後藤淳一(NICT)、ステイン デ・サーガ(NICT)、大竹清敬(NICT)  スライド :  こちらへ  概要 :
プロジェクト「災害対応質問応答システム&言論マップ」にて開発中の災害対応質問応答システムについて報告する。Twitter Japan 株式会社様より提供いただいたデータを対象に、質問応答システムを開発している。システムの概要については、中間報告会で報告したとおりである。本報告では、災害時を想定した状況において、具体的にシステムがどのように動作するか、またボランティアや救援団体を含め人間がそこにどのようにかかわることになるのかを具体的な例とともに紹介する。




Twitter を利用した震災情報検索支援システム

チーム名 : kobeU
メンバー : 宮西大樹(神戸大学システム情報学専攻科)、藤川和樹(神戸大学システム情報学専攻科)、熊南昂司(神戸大学システム情報学専攻科)、北口沙也香(神戸大学情報知能工学科)
スライド : こちらへ
概要 :
2011 年 3 月 11 日東日本を襲った大地震により,日本全体が大きな被害を受けることになった.その一方で,個人及び組織がインターネットを通じて災害情報を共有し,互いに助け合おうとする試みが数多くなされた.しかし,震災当時の多く氾濫した情報の中から,過去と現在の情報を区別しつつ,信頼できる情報を見つけることは困難であった.そこで,本プロジェクトでは,災害時の検索には,1)ユーザの検索意図を明確にすること,2)発信された情報を時間的に整理すること,3)信頼性の高い情報を優先的にユーザに提示することが重要であると考え,上記3つの要素を同時に考慮する災害情報検索支援システムの開発を行った.本システムは,ある話題に関する重要な情報が作成・更新されたときに多くのユーザがその話題について言及する Twitter のリアルタイム性を利用して,ユーザの検索意図に関連するキーワードを対話的に抽出し,このキーワードとユーザの検索語のトレンドを可視化する.このトレンドの中から,ユーザが着目する時間帯を選択し,検索語と抽出したキーワードをとともに用いることで信頼性の高い Web 検索を行えるようにする.例えば,「IBC」(岩手放送)という検索語を用いて本システムで関連語の予測を行った場合,「行方」「不明」といった語が候補として挙がり.さらに,この「IBC,行方,不明」で関連語を予測した場合,「安否」「情報」という語が予測された.「IBC,行方,不明,安否,情報」に関するTwitter上でのトレンドを見ると,2011年3月12日頃に数多く言及されていることが分かった.次に本システムの機能を用いて2011年3月12日前後の範囲で,「IBC,行方,不明,安否,情報」をキーワードとしてGoogle検索すると,IBC放送がTwitterアカウント@IBC_online やラジオを通じて安否情報を積極的に発信していたことが確認できた( http://goo.gl/RrZ9I ).このように,本システムを用いれば,ユーザがいつのどのような情報を知りたがっているかを明確にでき,より信頼性の高い情報へアクセスできるようになると考えられる.



311 をグラフで表す

チーム名 :  奥村晴彦  メンバー :  奥村晴彦(三重大学)  スライド :  こちらへ  概要 :
今回提供されたデータを R でグラフ化した結果を発表する。



Project HAYANO

チーム名 : Project HAYANO
メンバー : 早野龍五(東京大学)
スライド : こちらへ
概要 :
原発から放出されたヨウ素のプルームのシミュレーションのデータと、今回提供されるデータをかけあわせた分析の結果を報告します.



自主避難―ダイナミクス・問題・対策
(旧題:避難タイミング決定行動の分析と得られる教訓の考察)

チーム名 : チーム交通工学(1)
メンバー : 井料隆雅(神戸大学),日下部貴彦(東京工業大学)
スライド : こちらへ
概要 :
震災時に人々がどのようなタイミングで避難を行なったのかを,主に原子力災害からの避難を念頭において調べた結果を報告する.避難のタイミングを適切に決定することは安全な避難に重要であるが,各種の災害リスクに対してどのような避難行動をとるかについての実証的知見は現状では十分とはいえない.今回のケースでどのように避難行動のタイミングが決定されたかをビッグデータを元に調べ,その問題点を特に交通工学的な知見を踏まつつ整理し,将来の災害に向けてどのような準備が必要なのかを考察する.

途中経過URL: http://www.transexp.sakura.ne.jp/project311/



地域と時間軸による情報フィルタリング 

チーム名 :  株式会社 Preferred Infrastructure  メンバー :  岡野原 大輔(Preferred Infrastructure)、舛岡 英人(Preferred Infrastructure)、田中 英行(Preferred Infrastructure)  スライド :  こちらへ  概要 :
震災当時、何が起きていたのかを地域と時間、トピックの軸で整理し、今後同様の災害などが発生した場合に被災者、関係当局が必要な情報を集められるようなデモサービス案を提案し、実際に今回のデータがリアルタイムに提供されていたら何ができていたかを報告する。



混乱状態のツイッターの整理 

チーム名 :  えふらぼ  メンバー :  井形伸之 (富士通研究所)、太田唯子 (富士通研究所)  スライド :  こちらへ  概要 :
通常より非常に大量に様々な話題が流れたツイッターを整理して見やすくする。




「トレンドキーワード抽出システム」開発プロジェクト

チーム名 : チーム田中
メンバー : 田中健一(無所属)
スライド : こちらへ
概要 :
災害を起因として、様々な問題(「揺れ」「津波」「停電」等)が発生し、各問題が Tweet の新テーマとなり、新テーマに関連する Tweet が増加する。マニュアル操作により、全ての Tweet から、どのような問題が発生しているかを知ろうとする作業には、膨大な人的リソースが必要となることが予想される。そこで、以下の方針によって、膨大なTweet の中から災害に起因する問題の自動検出を試みている。(1)災害前のテーマと災害後のテーマを分離する。(2)災害後のテーマに関連する Tweet をクラスタリングすることで、問題を特定する。これらの目的を達成する為に、本プロジェクトでは Tweet から得られる連続する 2 文字(2-gram)に着目している。中間報告において、災害前後の Tweet から取得可能な 2-gram の出現増加率の分布に着目することで(1)が達成できそうであることを示した。(2)の達成を目的とし、各ツイートがどの「災害後のテーマに関連の高い2-gram」を保持しているかを、0,1 からなるbit列で表現し、Tweet のクラスタリングを行うことで発生した問題の特定を行う為のシステムを現在開発中である。出来たとこまで発表します。