首都圏における帰宅困難者のモデリング

野良分析チーム@y_benjo, @harapon, 他2名

問題意識

•「何故帰宅困難者が発生したのか？」• 発生要因は何か？• 地理的要因，鉄道網の停止，情報拡散，意思決定…？•次の自然災害での帰宅困難者発生の軽減に繋げる

http://ja.wikipedia.org/wiki/%E3%83%95%E3%82%A1%E3%82%A4%E3%83%AB:2011_Sendai_earthquake_Shinjuku_Station.JPG

現状の取り組み

• ✔　基礎統計• 首都圏での人口動向• ✔　帰宅困難者発生地域の抽出，予測

• 通勤者の帰宅意思決定行動モデル• 位置情報付きtweetからの情報抽出

基礎統計

200万人

人口上位1000メッシュのday-to-dayの人口変化

帰宅困難者発生地域抽出

・震災前と比べ大きく人口が増加/減少した地域の抽出

・機械学習によって精度75%ほどで予測が可能に

ディズニー

羽田空港

二子玉川

川崎

帰宅意思決定行動モデル帰宅意思決定行動モデル•帰宅しようとした人の意思決定をモデル化• 何故職場/学校等に待機しなかったのか• 何が要因で帰宅しようとしたのか

•要因をラベリング，のちモデル化• 位置情報付きtwからユーザーごとに手作業で要因抽出• (110名での)モデリングはできそう，次は大規模化

帰宅するか待機するか

徒歩で帰宅

公共交通で帰宅

朝まで待機

位置情報付きtwからの情報抽出

•前アプローチとは真逆の自然言語処理的手法• 対象: 首都圏の震災直後～翌朝のtweet約25,000件•現状• 地域と発言時間を考慮したモデル→微妙な結果に• 失敗例: 横浜近くで「横浜駅」が特徴的に• 動詞などに絞って再実験する必要あり

課題・問題点

•意志決定行動モデルについて• 特徴量の生成をNLP技術でもっと大規模にしたい•tweetからの情報抽出• 位置関係と時間をもっと上手く扱うには？• ユーザの移動行動とtweetを結びつけるには？