[2D1-OS-6] 移動系列のデータマイニングと機械学習(1/1)

[2D1-OS-6-02] 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

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．