【目的】
時空間データの統計解析手法やその応用に関する最新の研究成果についての意見交換を行います。 今回は、10件の口頭発表と、ポスターセッションを予定しています。
【日時】
2027年1月6日(水)10:00-17:10 (予定)
【会場・形式】
ハイブリッド形式(統計数理研究所2F大会議室またはZoomによるオンライン)
※ポスター発表は対面のみとなります
【参加費】
無料
【参加登録】
【ポスター発表申込】(締切延長:2026年12月11日(金))
ポスター発表を募集しています。空間・時空間データの解析に関する研究であれば、テーマ・手法は問いません。予備的な結果のご発表も歓迎します。大学院生・学部生の皆さまからのご応募もお待ちしています。
こちらからご登録ください
詳細はポスター発表についてをご覧ください
10:00-10:05 開会挨拶
《セッション1》
10:05-10:35 プレート間非地震性すべり速度の時空間変化推定と繰り返し地震の短期予測
野村俊一(早稲田大学)、内田直希(東京大学)、尾形良彦(統計数理研究所)
本研究では、プレート境界沿いに分布する小繰り返し地震群の活動変化から、その周辺域におけるプレート間非地震性すべり速度の時空間変化を推定する。すべり速度の時空間変化をスプライン関数により表現した上で、平滑化罰則付き尤度の最大化により推定を行う。さらに、観測期間以降のすべり速度の時空間変化を補外することにより、短期的な将来期間における小繰り返し地震の発生確率を評価する。提案モデルを東北日本太平洋沖の小繰り返し地震カタログに適用し、東北地方太平洋沖地震の前後におけるすべり速度変化を推定するとともに、小繰り返し地震の将来発生確率評価を試みる。
10:35-11:05 未知のデータソース信頼性を考慮したベイズ空間データ融合
城田慎一郎(一橋大学)
空間データの分析では、観測精度や空間解像度の異なる複数のデータソースを統合することで、推定精度の向上が期待される。しかし、各データソースには未知の系統的バイアスや空間的な誤差が含まれる可能性があり、どのデータソースを信頼すべきかを事前に判断することは難しい。本研究では、点観測と領域集計データなどの観測単位の違いを考慮しつつ、データソース固有のバイアスや空間的な誤差に適応するベイズ空間データ融合手法を検討する。
11:05-11:35 差分行列を用いた一般化lasso型正則化に基づくベイズモデルの選択手法
書川侑子(東京科学大学)
空間的な隣接関係や、順序関係を有するデータの解析には、fused lassoやtrend filteringといった、差分行列を用いた一般化lasso型正則化に基づくベイズモデルが活用できる。こうしたモデルの選択手法にWAICがあるが、異なるクラスの事前分布を持つモデルの比較時に、最も複雑度の高いクラスのものを選択する傾向がある。この問題を解決する手法に情報量規準PIICがあるが、高次差分を用いた一般化lasso正則化には直接適用できない。そこで本発表では一般化線形モデルにおけるBayesian trend filteringに対するPIICを提案する。
11:35-12:05 個体間の非独立性を考慮した GPS データ集計のグリッドサイズ選択
青木高明(滋賀大学)、小山慎介(統計数理研究所)、藤原直哉(東北大学)
GPS データをグリッドで集計するとき、グリッドサイズが分析の空間解像度を決める。従来のグリッドサイズ選択は平均積分二乗誤差(MISE)の最小化に基づき、個体の独立性を仮定する。しかし人は家族や同僚とまとまって移動するため、この仮定は破れ、データから正当化できるより細かいグリッドが選ばれる。本発表では、まとまった移動が生む過剰な集積を非一様 K 関数から推定した Fano 因子で測り、MISE を補正する選択法を提案する。東京都心の1か月分の GPS データに適用した結果も報告する。
12:05-13:05 休憩
13:05-13:45 ポスターセッション(コアタイム)
13:45-13:50 休憩
《セッション2》
13:50-14:20 縮む日本―都市の秩序から読む2200年までの人口分布
森知也(京都大学)
日本の人口は今世紀半ばから約50年ごとに半減する。問うべきは「縮むかどうか」ではなく「どう縮むか」である。1km四方のメッシュ人口から都市を人口集積として定義すると、2020年の431都市は規模のべき乗則と入れ子の配置という単純な秩序に従い、この秩序は過去50年を通じて安定している。これを延長すると、都市数は2100年に190、2200年に27へ減り、国土のまばら化と東京への集約が同時に進む。縮小の中で残る都市の条件にも触れる。
14:20-14:50 単純な最適化問題による特定のMoran's I値を持つ空間パターンの生成
西颯人(一橋大学)
Moran's Iは空間的自己相関の定量化に広く用いられている指標である。その性質についてはよく知られているものの、Moran's Iによって条件づけられた空間パターンの生成方法は研究が限られている。そこで本研究では、事前に決められたMoran's I値を正確に持つ空間パターンを生成するための効率的なアルゴリズムを提案する。これらのアルゴリズムは標準的な最適化ソフトウェアを用いて実装できる。
14:50-15:20 組成データに対する Moran’s I 統計量-要素間の空間的自己・相互相関の加法的分解-
吉田崇紘、山田育穂(東京大学)、井上亮(東北大学)
本研究は、定数和制約をもつ組成データの空間的関連性を評価するため、中心化対数比変換に基づく Moran’s I 統計量の分解枠組みを提案する。組成全体の空間的自己相関を空間組成共分散行列のトレースとして定義し、これを要素別の自己相関(対角)と要素間の相互相関(非対角)からなる寄与行列へ加法的に配分する。応用例として、東京都区部における町丁目別建物用途を住宅、商業、産業の三用途に整理した用途構成比データに提案手法を適用する。その結果、組成全体の空間的自己相関、個別用途の空間的自己相関は全て正に有意であり、用途間の空間的相互相関では負の値が得られ、都心・臨海・郊外などの土地利用のゾーニング構造が示された。
休憩15:20-15:35
《セッション3》
15:35-16:05 ガウス過程に基づく時空間データ解析
田中佑典(NTTコミュニケーション科学基礎研究所)
ガウス過程は、データから未知の関数を推定するための確率モデルであり、時空間データのモデリングに広く用いられている。本発表では、時空間データ解析に関する二つの問題を取り上げる。一つ目は、領域ごとに集約されたデータをガウス過程の積分により扱う方法である。二つ目は、ハミルトン力学の構造を組み込むことで、エネルギーの保存・散逸則を満たす力学系をガウス過程によりモデリングする方法である。
16:05-16:35 大規模空間二値データのためのガウス過程probitモデルにおける予測確率の高速計算
桃﨑智隆(東京理科大学)
ガウス過程事前分布をもつprobitモデルは、二値の空間データの解析に広く用いられる。新規地点での予測確率は多変量正規分布の累積分布関数の比で表されるが、その評価には観測数の3乗の計算量を要し、既存の高速化手法でも2乗のオーダーが残る。本研究ではVecchia近似を導入し、予測点を変数順序の最後に置くことで分母の近似を分子に再利用し、共通乱数による分散低減を保ったまま、予測確率を線形の計算量で計算する手法を提案する。
16:35-17:05 粗密学習に基づく高速時空間モデリング: 住宅地価分析への応用
村上大輔(統計数理研究所)
空間統計学では、共分散カーネルに基づく計算効率の高い時空間モデルが数多く提案されてきたが、大規模データへの適用には依然として計算上の課題が残る。本研究では、粗密学習に基づく高速な時空間モデリング手法(CF-STM)を提案する。本手法は、空間過程を複数の空間スケールに分解し、各スケールの時間変動を状態空間モデルで表現することで、共分散カーネルを明示的に用いない高速推定を実現する。数値実験では、従来手法と同等の予測精度を維持しながら、計算時間を大幅に短縮できることを示す。さらに、首都圏における過去約40年間の住宅地価データへの適用を通じて、その実用性を示す。
17:05-17:10 閉会挨拶
【企画・運営】
村上大輔(統計数理研究所)、菅澤翔之助(慶應義塾大学)
【お問合せ】
村上大輔:dmuraka(あっと)ism.ac.jp
※本研究会は統計数理研究所のリスク解析研究支援センター、データ同化研究支援センター、JSPS科研費24K00175「空間統計学と機械学習の融合による時空間回帰の開発・ツール化」、 ならびにJSPS科研費24H00546「複雑データに対するベイズモデリングの基盤創出」 の助成を受けたものです。