A Benchmark for Video-Like Urban Computing on Citywide Crowd and Traffic Prediction
【研究キーワード】
Smart City / Spatiotemporal Data / Deep Learning / Transportation / Urban Mobility / Crowd Flow / Benchmark / Traffic Prediction / Crowd Prediction / Graph Neural Networks / smart city / society 5.0 / crowd density / crowd flow / human mobility / データ駆動型AI / 人流予測 / スマートシティ
【研究成果の概要】
大規模な都市区域を数々のきめ細かいメッシュグリッドへとメッシングすることで、連続的な期間における都市全体の人流・交通流を映像のように表現し、各タイムスタンプを一枚の映像フレームとして扱うことができる。この考え方に基づき、都市全体の人流・交通流に関する映像型の予測に対応するため一連の深層学習モデルが提案された。本研究を通じ、複数のオープンデータセットに基づき、メッシュベースの人流・交通流予測問題に対する標準的なベンチマークを構築した。関連成果は国際トップカンファレンスCIKM 2021にて最優秀リソース論文候補賞として授賞された。
【研究の社会的意義】
近年、IoT（Internet of Things：モノのインターネット）、ビッグデータ、人工知能技術の急速な発展に伴い、スマートシティは新しい科学技術分野として各国の学術界、産業界および各国政府から非常に重視されている。そこで、人を中核としたスマートシティの実現に最も重要な研究課題と技術は、都市規模の人流・交通流の知覚、分析、シミュレーション、予測である。本研究提案をスマートシティ構築のためのキーテクノロジーと位置づけ、Japan Society 5.0の実現に大きく貢献し、画像処理と自然言語処理以外の人工知能・データサイエンス研究を大きく発展させることを期待するものである。
【研究代表者】
【研究種目】若手研究
【研究期間】2020-04-01 - 2022-03-31
【配分額】4,290千円 (直接経費: 3,300千円、間接経費: 990千円)