[1J2-GS-10d] AI応用：分類と論理

[1J2-GS-10d-03] 時空間データ予測におけるニューラルネットワークのマルチモーダル化に関する一検討

〇美嶋 勇太朗^1,2、和田 真弥¹ (1. 株式会社KDDI総合研究所、2. KDDI株式会社)

キーワード：時空間データ、マルチモーダル、深層学習、大気質、未来予測

近年、位置情報や交通情報をはじめとした時空間データセットの普及・活用が進むとともに、時空間的依存関係を捉えることのできる分析手法の需要が高まり、多くの新しい手法が提案されている。しかしこれら先行研究の課題点として、「モーダルAがBに影響を与え、さらにBがCに影響を与える」といった複合的な依存関係を持つマルチモーダルなデータを適切に取り込めていないという問題がある。このような背景から、複合的な相互依存関係を持つマルチモーダルデータを取り扱う手法が求められる。本稿ではその手法を模索するための初期検証として、日本の大気汚染物質のモニタリングデータおよび天気データを用いて、いくつかの既存手法について大気汚染物質濃度の予測性能検証を行った上で、複合的な依存関係を持つマルチモーダルデータを取り扱うために既存手法に簡易的な拡張を加え、人の動きを表す新しいモーダルデータを加えた際に予測性能がどう変化するか検証を行った。結果の考察として、モーダル間の複合的な依存関係を捉える際には、天気データのようなモーダル間の依存関係を動的に変化させる情報を適切にエンコーディングする必要があるという結論が得られた。