グラフニューラルネットワークとデータ同化を統合したデータ駆動型避難者分布予測モデルの構築 (09:20 〜 09:40)

〇高崎 弾¹、小川 芳樹¹、今泉 允聡¹、沖 拓弥²、大山 雄己³

(1. 東京大学、2. 東京工業大学、3. 芝浦工業大学)

キーワード：避難行動、物的被害、グラフニューラルネットワーク、データ同化、シミュレーション

大地震発生直後，人々の滞留状況や避難状況をリアルタイムに把握することは重要だが，計算時間短縮や予測精度向上が課題である．前稿[沖・小川 2020]では，エージェントベースシミュレーションで得た避難行動軌跡をクラスタリングした上で，LSTMで個々人の軌跡予測を試みたが，精度は不十分であった．本稿では，道路リンク・時間単位の避難者数分布を効率的かつ精度良く予測するために，グラフニューラルネットワーク（GNN）とデータ同化を統合した，データ駆動型の新たな避難者分布予測モデルの構築を目的とする．具体的には，まず，Gretel [Cordonnier et al. 2019]と呼ばれるGNNモデルに，前稿と同様の避難行動軌跡データを学習させ，ノードから接続道路リンクへの移動確率に相当する尤度分布を得る．次に，この尤度分布と初期避難者分布から得られる確率的な予測避難者分布に，データ同化手法の一つであるパーティクルフィルタを適用し，擬似的な観測避難者分布（エージェントベースシミュレーション結果）との誤差を減少させる．さらに，これを逐次計算することで，避難者分布予測の高速化・高精度化が期待できることを示す．

緯度経度情報追加による行動履歴分散表現の高精度化 (09:40 〜 10:00)

〇佐賀 健志^1,2、田中 宏季^1,2、中村 哲^1,2 (1. 理化学研究所 革新知能統合研究センター 観光情報解析チーム、2. 奈良先端科学技術大学院大学)

キーワード：行動解析、時系列データ、分散表現、双方向LSTM、階層的クラスタリング

近年、スマートフォンなどのウェアラブル端末普及に伴い、ユーザーの行動履歴をビッグデータとして利用することが可能になってきた。これに伴い、人流解析の観点から似た行動をとるユーザをニューラルネットワークやクラスタリングを利用して分析する試みが行われてきた。先行研究では、時系列のメッシュIDを双方向LSTMの入力情報として学習させることで、ユーザー埋め込みの生成を行っていた。しかし、メッシュIDは人為的に割り振っているためID間の位置的関係や距離などを考慮しておらず、メッシュIDのみからだけではユーザー埋め込みの学習がうまくいかない可能性があった。この問題を解決するため、本研究では入力情報として緯度経度の情報を加えることでモデル性能の向上を試みた。その結果、時系列メッシュID予測の精度向上やユーザ埋め込みを利用したクラスタリング結果に違いが確認された。

追跡行動における内部表象を介したターゲット運動の柔軟な予測 (10:00 〜 10:20)

〇筒井 和詩¹、藤井 慶輔^1,2、工藤 和俊³、武田 一哉¹ (1. 名古屋大学、2. 理化学研究所、3. 東京大学)

キーワード：予測、外挿、追跡

われわれの感覚運動系には遅延があるため、熟練した捕捉行動を実現するためには、外部物体の動きを正確に予測する必要がある。感覚運動遅延に対処するために、脳は現在の状態に基づいて将来の状態を予測するが、過去の経験から得られた内部表象を利用するかどうかについては未だ議論されている。本研究では、ターゲットの急激な方向転換に対する追跡者の反応行動を分析することでその予測方法を推定し、追跡者によるターゲットの動きの予測が現在のターゲットの状態のみに基づく線形外挿では説明できないことを示した。さらに、ニューラルネットワークモデルを用いて、推定されたような非線形外挿が計算上実現可能であり、未知の相手に対しても有用であることを示した。これらの結果は、ターゲットの動きを予測する際の内部表象の利用を支持するものであり、内部表象を用いて外部物体の動きを予測することの有用性と汎用性を示唆している。

予測に基づく集団行動系列の評価：サッカーのチーム守備への適用 (10:20 〜 10:40)

戸田 康介²、寺西 真聖¹、久代 恵介²、〇藤井 慶輔^1,3,4 (1. 名古屋大学、2. 京都大学、3. 理化学研究所、4. JSTさきがけ)

キーワード：スポーツ、移動系列、マルチエージェント

計測技術の発展を背景に、様々なスポーツの実際の試合の動きに関するデータが利用可能になり、戦略や評価への活用が期待されている。その中でも集団スポーツの守備は、複数人で行われ個人としての記録が困難なため、一般的に評価が難しい。従来の得点予測に基づく評価手法は、試合全体では希少な事象を予測するため評価が安定しない点や、得失点に至るまでの多様なプレーの評価が困難である。一方、得点に至る特定のプレーや支配領域などの評価手法は、選手やチームを総合的な成績（得失点など）と関連付けて評価することが難しい。そこで本研究では、選手の行動と全選手・ボールの位置情報を利用した、希少な得失点より発生頻度の多いボール奪取や被有効攻撃の予測に基づく、チーム成績と関連する総合的な観点から、チームの守備評価を行う手法を提案する。実験ではサッカー45試合のデータを用いて、実際の試合の得失点との関係や、シーズンを通したチームの成績との関係について検証した。