【UDC2016】データ部門209 gps2 lod

1. GPS trajectory linked data
-国際会議参加者の移動軌跡のLOD化-
GPS trajectory linked data project（※）
○古崎晃司（大阪大学），深見嘉明（立教大学）
横山輝明（神戸情報大学院大学）
データ部門（ID：209）
アーバンデータチャレンジ 2016
ファイナル・ステージ（2017/3/25）
※本プロジェクトはISWC2016＠神戸の連携企画として実施されました．

2. GPS trajectory linked dataの概要
公開したオープンデータ
• 国際会議ISWC2016の海外からの参加者（11名）を対象とした
会議期間中（5日間）「移動軌跡データ（GPS trajectory）」．
• （インバウンド向け）観光施策の検討などのデータ分析に重要．
データの特徴
① 各参加者の「全移動履歴」が含まれるため，各個人の行動
の詳細な分析が可能．
② オープンデータを利用した移動軌跡のLOD（Linked Open
Data）化により，簡単な操作で柔軟な分析が可能
③ データ収集・LOD化を汎用的
な仕組みで実現しているため
他地域への展開が容易．

3. 特徴①：データ収集方法
データ収集方法
• 事前了承を得た参加者に「GPSロガー」を貸与．
• GPSロガーを持ち歩くことでデータを収集し，
会議の最終日に回収．
本手法の利点
• GPSロガーを“持ち歩くだけ”でデータ収集できる．
→“いつデータ収集されているか”が明確．スマホ等の個人情報と分離可．
収集したデータ
• 収集期間：2016/10/17－2016/10/21の5日間（会議の会期）
• 収集データ数：被験者11名分
（※個人情報は一切取得せず）
• 収集内容：約1分ごとの位置情報（緯度，経度）および，
時間（年月日・時分秒）
• 公開データ形式：GXP（元データ），CSV，RDF（次項で説明）
利用したGPSロガー
（i‐gotU GT‐600）

4. 特徴②：移動軌跡データのLOD化
GPSロガーのデータ
（日時・緯度/経度）

5. 特徴②：移動軌跡データのLOD化
GPSロガーのデータ
（日時・緯度/経度）
lat long label
34.6662 135.213 神⼾国際会議場
35.0000 135.685 松尾⼤社
33.6659 135.335 三段壁
33.8300 135.777 備宿
オープンデータから取得
したスポット情報
（緯度/経度・スポット名）
神戸市の
オープンデータ

6. 特徴②：移動軌跡データのLOD化
GPSロガーのデータ
（日時・緯度/経度）
lat long label
34.6662 135.213 神⼾国際会議場
35.0000 135.685 松尾⼤社
33.6659 135.335 三段壁
33.8300 135.777 備宿
オープンデータから取得
したスポット情報
（緯度/経度・スポット名）
神戸市の
オープンデータ
「スポットからスポットへの移動」を表すRDFグラフとしてLOD化
ユーザU1が
スポットP1に滞在
ユーザU1が
スポットP2に滞在
ユーザU1が
スポットP3に滞在 ・・・

7. 特徴②：移動軌跡データのLOD化
GPSロガーのデータ
（日時・緯度/経度）
lat long label
34.6662 135.213 神⼾国際会議場
35.0000 135.685 松尾⼤社
33.6659 135.335 三段壁
33.8300 135.777 備宿
オープンデータから取得
したスポット情報
（緯度/経度・スポット名）
神戸市の
オープンデータ
「スポットからスポットへの移動」を表すRDFグラフとしてLOD化
ユーザU1が
スポットP1に滞在
ユーザU1が
スポットP2に滞在
ユーザU1が
スポットP3に滞在 ・・・
緯度・経度 日時・滞在時間 緯度・経度 日時・滞在時間 緯度・経度 日時・滞在時間
LODの標準API（SPARQLクエリ）を用いた検索・分析が可能に！

8. LODを用いた分析例（１）
1人の参加者に注目した分析例
• ある参加者が期間中，“どのスポット”に“何日”立ち寄ったか？
毎日
（=5日間）

9. LODを用いた分析例（１）
1人の参加者に注目した分析例
• ある参加者が期間中，“どのスポット”に“何日”立ち寄ったか？
「神戸国際会議場」（会場）に
は毎日（=5日間）来ている
「三ノ宮駅」（周辺）にも
毎日（=5日間）来ている
毎日
（=5日間）

10. LODを用いた分析例（１）
1人の参加者に注目した分析例
• ある参加者が期間中，“どのスポット”に“何日”立ち寄ったか？

11. LODを用いた分析例（１）
1人の参加者に注目した分析例
• ある参加者が期間中，“どのスポット”に“何日”立ち寄ったか？
日中（17時まで）
に限定しても
「三ノ宮駅」
に毎日いる

12. LODを用いた分析例（１）
1人の参加者に注目した分析例
• ある参加者が期間中，“どのスポット”に“何日”立ち寄ったか？
日中（17時まで）
に限定しても
「三ノ宮駅」
に毎日いる
「三ノ宮」周辺に宿泊し
毎朝，会場に通っている

13. LODを用いた分析例（２）
参加者全体の傾向を分析
• 期間中，“どのスポット”に“何人”の参加者が立ち寄ったか？
全員
（=11人）

14. LODを用いた分析例（２）
参加者全体の傾向を分析
• 期間中，“どのスポット”に“何人”の参加者が立ち寄ったか？
「神戸国際会議場」（会場）に
は全員，1度は来ている
全員
（=11人）

15. LODを用いた分析例（２）
参加者全体の傾向を分析
• 期間中，“どのスポット”に“何人”の参加者が立ち寄ったか？
「神戸国際会議場」（会場）に
は全員，1度は来ている
「神戸ポートタワー」
にも，全員，
1度は来ている！
全員
（=11人）

16. LODを用いた分析例（２）
参加者全体の傾向を分析
• 期間中，“どのスポット”に“何人”の参加者が立ち寄ったか？

17. LODを用いた分析例（２）
参加者全体の傾向を分析
• 期間中，“どのスポット”に“何人”の参加者が立ち寄ったか？
夕食は,多くの人
が，「三ノ宮」周辺
で食べている．

18. LODを用いた分析（まとめ）
分析の特徴
1. 「個人単位」，「全体傾向」の双方の分析が可能
2. 人×スポット（場所，経路）×時間（日時，滞在時間）を，
任意に組み合わせた分析が可能
例）「元町駅 (兵庫県)」と「メリケンパーク」の両方を訪れた人（人数）
「元町駅 (兵庫県)」を訪れた人が，訪れる場所のランキング
3. これらの分析が「SPARQLクエリの書き換え」で，簡単にできる
select distinct ?u where {
?s <http://stayPoi.org/prop#user> ?u;
<http://stayPoi.org/prop#poi> "元町駅 (兵庫県)".
?s2 <http://stayPoi.org/prop#user> ?u;
<http://stayPoi.org/prop#poi> "メリケンパーク".
}
SPARQLクエリの例

19. 特徴③：発展性
汎用的な仕組みのため他への展開が容易
• GPSロガーの配布，回収が出来れば，どこでもできる．
₋ 例）国際/国内会議，旅行者，イベント参加者，．．．
• 緯度/経度と時間があれば，他データも利用可．
₋ 例）スマートフォンの位置情報，無線LAN利用者
• スポット情報を入替えで，任意の詳細度に対応可
₋ 例）「広域情報→特定エリア→観光スポット」と多段階に
個人情報に配慮して，スポットを広めのエリアに設定
観光スポットに限定し，生活圏のデータを外す
ご自身の地域で取り組みたい方，
このデータの分析に興味のある方，募集中！
詳しくは，
「GPS2LOD」で検索