公共交通オープンデータの現状と可能性 社会がデータを使いこなすために何をなすべきか
•
9 gefällt mir•2,922 views
2021年度人工知能学会全国大会（第35回） オーガナイズドセッション OS-6 移動系列のデータマイニングと機械学習 における招待講演 by 伊藤昌毅（東京大学 大学院情報理工学系研究科ソーシャル附属ICT研究センター）
Empfohlen
Weitere ähnliche Inhalte
Was ist angesagt?
Was ist angesagt? (20)
Ähnlich wie 公共交通オープンデータの現状と可能性 社会がデータを使いこなすために何をなすべきか
Ähnlich wie 公共交通オープンデータの現状と可能性 社会がデータを使いこなすために何をなすべきか (20)
Mehr von Masaki Ito
Mehr von Masaki Ito (20)
公共交通オープンデータの現状と可能性 社会がデータを使いこなすために何をなすべきか
- 1. 公共交通オープンデータの現状と可能性 社会がデータを使いこなすために何をなすべきか 東京大学 大学院情報理工学系研究科 附属ソーシャルICT研究センター 伊藤昌毅 2021年度 人工知能学会全国大会（第35回） オーガナイズドセッション OS-6 移動系列のデータマイニングと機械学習 2021年6月9日 オンライン開催
- 2. 公共交通オープンデータの 現状と可能性 社会がデータを使いこなすために何をなすべきか 東京大学 大学院情報理工学系研究科 附属ソーシャルICT研究センター 伊藤昌毅 2021年度 人工知能学会全国大会（第35回） オーガナイズドセッション OS-6 移動系列のデータマイニングと機械学習 2021年6月9日 オンライン開催
- 3. 伊藤 昌毅 • 東京大学 大学院情報理工学系研究科 附属ソーシャルICT研究センター 准教授 • 静岡大学 土木情報学研究所 客員教授 • 専門分野 – ユビキタスコンピューティング – 交通情報学 • 経歴 – 静岡県掛川市出身 – 2002 慶應義塾大学 環境情報学部卒 – 2009 博士（政策・メディア） 指導教員： 慶應義塾大学 徳田英幸教授 – 2008-2010 慶應義塾大学大学院 政策・メディア研究科 特別研究助教 – 2010-2013 鳥取大学 大学院工学研究科 助教 – 2013-2019 東京大学 生産技術研究所 助教 – 2019-2021 東京大学 生産技術研究所 特任講師 – 2021-現在 現職 • 資格 – 運行管理者（旅客） 3
- 4. これまでの興味や研究分野 慶應義塾大学 徳田研究室 学生・特別研究助教 2000 2010 鳥取大学 大学院 工学研究科 助教 東京大学 生産技術研究所 瀬崎研究室 助教 大口研究室 特任講師 2013 2019 ユビキタスコンピューティング（IoT） 計算機やセンサの遍在環境 交通計画学 交通工学 空間情報・地図情報 公共交通のIT化・地域交通 ITS・交通制御 Human-Computer Interaction (HCI) ・社会におけるコンピュータの受容 環境センシング 人流センシング 情報理工学系 研究科 准教授 2021
- 6. 6 標準的なバス情報フォーマットのオープンデータ整備が進行中 路線 時刻 運賃 「標準的なバス情報フォーマット」（世界標準のGTFS互換）でデータ整備 リアルタイム 乗換案内・MaaS サイネージ・印刷物等 交通分析・計画 バス業界において「標準化」「オープン化」が同時に進行中
- 10. • 便ごとのバス停通過時刻、緯度経 度情報などをリアルタイム公開 – Protocol Buffer形式 • 混雑情報も提供可能 – 2020年より宇野バス、横浜市交通局が対応 GTFSリアルタイム（バスロケ）提供も増加中（ 57事業者）
- 11. • 公共交通オープンデータ協議会（坂村健会長） による取り組み – 公共交通オープンデータセンター • 都バスは、Google Mapsでバスロケを考慮し た検索が可能に 2020年： 都バス・横浜市営バスの GTFS-JP・GTFSリアルタイムデータ公開 2019年3月
- 12. 13 • 路線バス事業者： 全体の約2割 – 一部地域で民間・公営事業者を含めたGTFSオープンデータ整備が進む • 北海道、青森、群馬、富山、山梨、和歌山、岡山、佐賀、熊本、沖縄など • 計画中の事業者も少なくない – 一部の大規模事業者は自前データ作成、Google提供（有償含む） – 様子見の事業者も多く、大都市部は進まず • コミュニティバス：全体の約2割 – 県や市の事業でデータ整備推進 • 北海道、群馬、富山、静岡、愛知、岐阜、高知、福井、福岡、沖縄など • 本年度事業で整備計画中の県も複数あり – 地域的な偏りも大きいが格差は埋まりつつある GTFSデータ整備状況: 全364事業者の内訳
- 15. GTFS: Googleによるデファクト スタンダードが出発点 • 2005年オレゴン州ポートラン ドの公共交通事業者とGoogle によりGTFSという標準規格が 作られた – 2010年前後から米国で普及 – オープンデータとして公開 • 現在はGoogleの手を離れ、世 界中でデータが作られている http://qiita.com/niyalist/items/5eef5f9fef7fa1dc6644
- 16. • 事業者データ • バス停データ • 路線データ • 時刻表データ • 路線図（緯度経度）データ • など GTFS-JPにはCSVファイル形式で以下の情報が格納
- 17. 技術はそれほど新しくない しかし現実的な解として世界に広まっている RDB 1969年 CoddがRDBを提唱 1974年 SEQUEL言語（後の SQL）開発 1987年 SQLがISO標準に CSV形式 1972年のIBM Fortran がサ ポート（Wikipedia） 2005年にRFC4180として成 文化 ASCIIコード 1963年にAmerican Standards Association（ASA、 後のANSI）によって制定
- 19. • x 例: 本日 渋谷駅前 51番乗り場から発車するバス
- 20. • 例：SNSの「都バスは同時に何台走っている？」という問いに すぐに答えられる – Max 1141台, 都バスの保有台数は約1500台 SQLなので様々な角度からデータ取得が可能 https://twitter.com/niyalist/status/1295398917488574464
- 21. データ整備が実現した経緯 その1
- 22. 乗換案内サービスで検索出来ますか？ NAVITIME 駅すぱあと 駅探 乗換案内 ジョルダン 乗換案内 Yahoo!乗換案内 Google Maps Apple Maps
- 23. 日本の公共交通データ流通の現状 JR 私鉄 交通新聞社 JTBパブリッシング 乗換案内サービス事業者 私鉄 バス バス バス バスデータに関しては、集約して販売する 事業者がなく、乗換案内事業者それぞれが 独自で一社一社のデータを集めている 私鉄
- 25. 地域の公共交通は乗換案内に出てこない データ整備にはコストが掛かるため 利用者数が少ない地域のバスにまで 手が回らない 交通事業者が自ら 標準形式のオープンデータを用意して 乗換案内に提供する
- 26. 海外の事例: 交通事業者がオープンデータを提供 • 路線図、時刻表、リアルタイム車両位置情報などのデータの利用を開放 • 自由に使ってもらうことで、アプリの作成や工夫を凝らした印刷物などの情 報提供を促進 • アメリカ、ヨーロッパでは当たり前になりつつある
- 28. • 県庁、市役所、地元IT企業等とGTFS、GTFSリア ルタイムによるオープンデータ化を実現 – Google Mapsへ提供可能に • アイデアソン、ハッカソンで地域でのデータ活用 を目指す 2014年〜 静岡県でコミュニティバスのオー プンデータ化の取り組み
- 31. 「交通ジオメディアサミット 〜 IT×公共交通 2020年とその先の未来を考える〜」 開催 • 2016年2月12日開催（東大駒場第2キャンパス コンベンションホール） 195人来場 • 産（現場寄り）： JR東日本、バイタルリード（出雲市の交通コンサルタント） • 産（IT寄り）： ジョルダン、ナビタイム、ヴァル研究所（駅すぱあと） • 官： 国土交通省、学： 東京大学（私） • コミュニティ： Code for Japan、 路線図ドットコムなど
- 32. Impress Internet Watch 記事
- 33. バス情報の効率的な収集・共有に向けた 検討会（2016年12月〜2017年3月） • 事務局： 総合政策局公共交通政策部交通計画課 • 外部委員 – 伊藤昌毅 東京大学生産技術研究所（座長） – ー川雄一 株式会社構造計画研究所 – 伊藤浩之 公共交通利用促進ネットワーク – 井上佳国 ジョルダン株式会社 – 遠藤治男 日本バス協会 – 櫻井浩司 株式会社駅探 – 篠原雄大 株式会社ナビタイムジャパン – 丹賀浩太郎 株式会社工房 – 別所正博 公共交通オープンデータ協議会 – 山本直樹 株式会社ヴァル研究所
- 36. • GTFSリアルタイムをベースにバスロ ケデータの標準化にも対応 • GTFS-JPの改定作業 – 2年経って40項目以上の検討、見直し事項が蓄 積 • 国交省バス情報の静的・動的データ利 活用検討会 – バスロケ事業者も委員に 2019年3月 標準的なバス情報フォーマット 第2版
- 37. データ整備が実現した経緯 その2
- 38. データを作ればGoogle Mapsで検索可能に • いつも使ってるスマホアプリから自然にバス 情報にアクセス可能 • 外国人も使っているアプリ
- 39. • 標準的なバス情報フォーマット （GTFS-JP）データ整備に関わる有志 によるコミュニティ – 2017年夏頃から、国交省検討会の関係者らを 中心に自然発生的に誕生 – 普及に関わるツール開発、勉強会やイベント 開催、関係者への働きかけなどを継続的に実 施 – チャットなどによる活発な情報交換 • 参加者 – 大学研究者 – 乗換案内サービスデータ整備担当 – バス事業者向けツール開発者 – 公共交通コンサルタント – 交通事業者職員 – 自治体職員 等 20名程度 標準的なバス情報フォーマット広め隊
- 40. • 西沢ツール – 西沢明氏開発 – 約40+自治体・事業者が利用 フリーのデータ作成ツール開発・提供・利用支援 • 見える化共通入力フォーマット – 伊藤浩之氏開発 • 当初は三重県のプロジェクトで利用 – 約33自治体・事業者が利用
- 41. • 無償配布されているダイ ヤ編集システム • プロ向けシステムと同等 の機能を備え、バス事業 の運営に利用出来る • GTFS/標準的なバス情報 フォーマット出力機能を 備える – 42事業者がオープンデータ公 開 その筋屋 http://www.sinjidai.com/sujiya/
- 43. • 2019年3月2日（土） 東大生研 にて • https://geomedia2020.peatix.com 公共交通オープンデータ最前線 in インターナショナルオープンデータデイ2019開催
- 44. • GTFSの標準化を進めている MobilityData.orgと協業 – 日本にてミーティング開催 – 公式Webページの翻訳受託 国際連携
- 47. • 国土交通省海事局内航課に より船舶向けデータフォー マット（GTFS互換）が策定 – 受託 ジョルダン株式会社 標準的なフェリー・旅客船航路情報フォーマット
- 48. 55 • 低予算でコミュニティ主体 – ツールやプラットフォームはコミュニティで開発 – 官民連携の新しいモデルになり得る動きではないか • ITが得意ではないはずの業界が主体的に実行 – 地方や中小規模の公共交通事業者が積極的に取り組む – 人材発掘。地域ごとにリーダーが生まれる状況 • 民間企業なのに「オープンデータ」が受け入れられる – 商用利用も含め無償提供、用途に制限を設けない – イノベーション促進などのために行政において官民データの活用が推進中 • 明確な利用シナリオ – Google Mapsという確かなアウトプットからサイネージなどに発展 データ整備のこれまでの特徴
- 49. データ利用の広がり
- 50. ワンソース・マルチユース • データを使った様々なアプリ開発や 交通分析が実現 • データ分析やアプリ開発によって公 共交通の利便性が向上 公共交通 オープンデータ 乗り換え案内 マイ路線図・マイ時刻表 交通分析 service_id 平日 route_name ２５０号線 [3102](片上→岡山駅) 行ラベル 計画 最小 中央値 最大 06:52 83 92 102 106 08:40 78 78 83 90 10:35 76 76 80 84 15:11 75 79 81 88 17:05 85 87 98 111 総計 79.4 82 89 96 0 20 40 60 80 100 120 06:52 08:40 10:35 15:11 17:05 計画 最小 中央値 最大
- 51. • GoogleはGTFS形式によるオープン データを推奨 – ほぼ選り好みせずデータを掲載 – 検索の統計情報も公開 • 乗換案内に掲載されていない自治 体やバス事業者が利用促進のため にデータ整備 • 訪日外国人が利用するのはGoogle Maps Google Mapsへの掲載
- 54. サイネージでの活用
- 59. • 東京都交通局のバス・地下鉄デー タをAPIで提供した。 民間がデー タを使って新しいサービスを展開 でき、スタートアップに繋がる可 能性。 また住民がテクノロジを 活用して社会や地域の課題を解決 するシビックテックの取り組みに よりQoSを向上」 との言及 – 「ポスト・コロナを見据えた東京のDXの推 進に向けたオンラインシンポジウム」での 発言（2020年10月12日） 東京都小池知事も期待を表明 https://www.youtube.com/watch?v=R_-CQIiVwpc 1:14:50 頃〜
- 60. • 公共交通オープンデータの紹介 や、それを利用したプログラミ ング方法を解説 – GTFSとODPTデータを紹介 – QGIS、SQL、Processing、Lineボット などで活用 • 122ページの書籍を300部以上 販売 技術書展6で同人誌を販売
- 63. • お盆の日のみ走る臨時便を事 前に情報提供 • その日を設定した検索にだけ 案内される • Google Mapsはデータを送信 してからほぼ48時間以内で更 新されるらしい 臨時便への対応
- 65. 先進事例（佐賀市営バス・祐徳バス）： 正確な情報でバス→バスの乗換も安心 • 佐賀空港から「枝梅酒造」を検索 • バス停位置が正確だから「県庁前」での乗換も 不安なし！ • リアルタイムデータも掲載準備中
- 67. • GTFSリアルタイム – 信頼出来る情報源＝バス会社が迅速に広 く情報提供する仕組み – 路線、便などに紐付けた柔軟な情報発信 が可能 • アプリの対応が進む – Google Maps： 対応 • 情報発信すれば即座に反映 – 「標準的なバス情報フォーマット」に組 み込まれたことで日本企業の対応も進行 中 災害時・緊急時の情報発信もオープンデータで
- 70. • 地域公共交通活性化再生法（2007年 制定）により、行政が主導して地域 公共交通を計画、実現する枠組みが 明確化。 • 特徴（伊藤の理解） – 地域のことは地域（事業者、住民、行政な ど）で – 全体をネットワークで考える – やる気のある地域を金や制度でサポート – まちづくりとの連携 背景： 行政の役割の高まり
- 73. • 利用者 – スマートフォン活用にシフト、スマホで公共交通がより便利に • 公共交通事業者 – アナログな業務を多く残す（ダイヤ作成なども一部はアナログ） – デジタル機器が連携せずに導入されている状況 • 国（運輸局） – 公共交通事業者からの許認可や届け出を受ける立場 – ほぼ全てが紙の束＋ハンコ • 自治体 – 地域の公共交通をデザインする役割を求められるように – ITの専門家も、交通の専門家も不足 公共交通データ活用の現状
- 74. 運輸局への紙による膨大な申請・届出業務 バス会社（永井運輸@前橋） 関東運輸局 太田恒平, 水野羊平, 三浦公貴, 伊藤昌毅, "GTFS-JPデータを用いた乗合 バス事業の電子申請に向けた基礎検討 ～帳票地獄からの脱却による働き 方改革を目指して～", 第59回土木計画学研究発表会, 2019年6月9日.
- 77. 運輸行政のデジタル化を目指して
- 78. 電子化すればいいのに、なぜできない？ • 今でもできている。大きな問題だとは思っていない • 相当の費用が掛かるが予算が付かない • 国交省における担当部署が不明 • 使われる気がしない。メリットが見えない • 許認可、申請業務が複雑であり、分かっている人が少ない • 一方で、GTFSを作成し公開しているのに、なぜまったく同じ 内容を紙に落として提出する必要があるのか？という事業者か らの意見も
- 79. 令和元年度 第2回 (第16回) 国土交通省交通政策審議会 交通体系分科会 地域公共交通部会 (19/09/27) https://www.mlit.go.jp/policy/shingikai/content/001311067.pdf 専門家からのインプット 名古屋大学 加藤博和教授による これ以外にも関係者の会 議等で発言の機会がある 度に申請の電子化の話を されていた
- 81. 規制改革推進に関する 答申（2020年7月） • 内閣府 規制改革推進会議 • 交通事業者のデータ整備・連携 の推進 • 交通事業者から国への申請のオ ンライン化 – 交通業界におけるDX（デジタルトランス フォーメーション）推進
- 83. • 業務分析、要件定義ができる発注側の人材がいるか • アジャイル的な開発手法が必要なのではないか。それを実践出 来るIT企業や発注制度があるか • 交通事業者のシステム開発がついてくるか • 期限を決めて電子化に一本化出来るか • 2年ローテーション人事で大丈夫か 期待とともに懸念も大きい
- 89. 研究者の現場への関わり方4類型 課題解決 （エンジニアリング） 現象の説明 （サイエンス） 手法から 考える 現場から 考える • 自分の発明した○○を導入すれ ば課題は解決するはず • 地域がなかなか実証実験に協力 してくれない • 当てはまる地域を探して放浪 • ○○理論・モデル・分析手法を 考えたので、それが当てはまる 現場を探したい • 検証したいけどデータが揃わな い。データを出してくれない • 答えが出ることにはもう遅い • 現場には○○という問題があるの で、どう解決していいか考えたい • 新規性のない手法で解決しても論 文にならない • 現場ごとに適切な解決方法が違う ので、解決手法を深められない • データが揃っている○○という 地域で研究を始めた • ビッグデータに埋もれるが、当 たり前のことしか分からない • いい結果が出たが、地域の人は 理解してくれない
- 90. • 生データを解釈した経験が意外と少ない？ – もちろんITツールが使いこなせないというのもありますが… – SQL、R、Python(Pandas)などのいくつかは使えないとつらい • なぜ交通の研究者でもデータを読めないのか？ – 研究者： あるべき姿を考える – 実務家： どうしたら仕組みが成り立つか考える • 同じ「交通」でも見てるところが違う • 生データは、「現実の仕組み」に紐付いている – アンケートと違い、人が解釈できる形に読み解くにはジャンプがある 交通の研究者でも、意外とデータを読めない？
- 91. • x 朝、たくさんの人が住宅地から 中心部に向かうのを見て･･･ ※特定の事実に基づかないフィクションです 結果だけでなく仕組みにコミット しないと社会に響かない • 住宅地から駅に向かうバスの本 数を増やすべき • 逆に夜は駅から住宅地に向かう バスを増やすべき 市民・政治家・研究者 • 折り返し運転だから上りも下りも同じ本数 • 需要の有無は乗客数を見れば分かる • 渋滞があるからダイヤは余裕を持たせて • ほかの地区にも利用者がいるからこの区間 だけに回せない • 運転手は連続○時間しか運転できないきま りだから 事業者・現場の人
- 92. • 普通の人から見える部分（利用者にとってのサービスや利便 性）はわかり易く、文句も言いやすい • 「中の仕組み」が分かると、簡単ではないことに気付く – 悪意があって不便なものを放置していることは少ない • 目覚めると「出来ない理由おじさん」になりがち – 会議などで出来ない理由を並び立てる。普通の感覚からの意見を「素人」と馬鹿 にする – 経験を積んでいるので、それなりの地位に就いている – 「現場を守る」という正義感を持っており、論破しづらい – 意見は正論だが、利用者は置いてかれて何も進まない 中の仕組みを知ってしまうと、 「出来ない理由おじさん」になりがち
- 93. • 表面と現場との距離感を知っていることは大事 – デジタル化を応援して欲しい • 失われた30年=成功体験がない30年 – 「何かをしてもよくならなかった」というエピソードが無限に出てくる • IT企業のやらかしエピソードも多すぎる • 「研究」「新技術」への期待や信頼を取り戻したい • トップダウンで大きく仕組みを変えた事例ばかりありがたがるのは どうかと思います – ハンコの廃止とか･･･ – 「偉い人」に頼るだけでなく、現場の感覚を持った人が普通の仕事を通して大きく仕組 みを変られるようにならないと 現場を知る人を「出来ない理由おじさん」に しないために
- 94. • アンケート – アンケート項目を作るところから関わった経験がある – 「人」というフィルタを通して解釈された情報 • 生データ – 装置やプロセスから自動的に出力されるデータ。 – ビッグデータになりがち。今後このデータが増える – センサや業務プロセスなどに由来する誤差や無効データなどを含む • 研究者、実務者がデータ取得に関わる機会は少ない – 現象とデータとの距離感を把握しづらい – 数字は、ある技術的、社会的制約の下で作られたものである • 「発表されたコロナの罹患者数＝その日にコロナに罹った人数」とは解釈できない 研究者・実務者のデータ活用を進めるために
- 95. • 「コロナの患者数データ→機械学習で予測アルゴリズム開発」が一 筋縄でいかないことはみんな気付いた – そもそも検査を受けられない人もたくさんいました – そのデータの一部はFAXで集計されています – 土日は検査機関の一部が閉まっています • 公共交通においても…… – 時刻表や遅れ： そもそも遅れることを前提にバスダイヤが作られていることを知ってい ますか？運転手ごとの技量の差を考えていますか？GPSデータがどうなった時を「発 車」「通過」と定義しますか？ – 乗客数・乗降数： 本当に実数を数えていますか？一日だけの観測結果ではありません か？定期券は全員週7日乗ったことになってませんか？ • 料理されたデータを求めるか、生データの海に飛び込むか 研究者はデータと現場の距離を知るべき
- 96. • 例えば、GPSの点列があるとして – 出発地・目的地の位置と時刻 – バス停ごとに、通過したか何秒間停まったかのリスト – 長時間停止した場所の位置情報 – 「データ構造とアルゴリズム」の知識は必要 • ほとんどの場合、このプロセスは自明ではなく、データ処理者 の解釈の余地が残る – 生データから自動的に決まるものではない。むしろ利用目的によって決まる – 解釈の妥当性や、解釈の違いによる結果への影響は考えよう – この処理を単に「前処理」と呼ばないで！ 研究者・コンサルタント： 自分が欲しいデータの 形を明確にしてから、生データを解釈しよう
- 97. • 鉄道： 改札通過単位での記録からODデータを再構築 – 定期券を利用した乗り越しの場合、降車駅が2駅記録されるため、駅の前後関係を調べて降車駅を決定 – ODが対応付かないデータ、対応づけても不自然な値になるデータも一定数ある • 本当に何が起こっているかは、駅での扱いを知らないと理解出来ない ICカードの通過データを乗降データにまとめる だけでもノウハウや曖昧さを含む 鉄道データ （改札通過単位） バスデータ （降車時） SQLデータベース ODデータ結合 マスタデータ結合 鉄道路線データ作成 マスタデータ結合 バス路線データ作成
- 98. • 生データと付き合うと「なぜこんな出力がされるのか？」確認 したい場面が多々ある • 「出来ない理由おじさん」は、自分も散々泣かされてきたので 詳しく知っている • 研究者・コンサルタントがデータに立ち向かって質問攻めにす れば、共通理解が始まるかも – データを解釈しようとしてぶつかった謎を聞きまくる – 誰にも共感して貰えなかった苦労を分かち合える 「出来ない理由おじさん」は生データ解釈 のスペシャリストにならないか？