途上国における交通問題は深刻さを増しており、時空間的に広範囲な交通状況を把握する必要がある。携帯電話の基地局情報(CDR)を用いて、人々のtripを抽出することを試みた。

1. GISA学術研究発表Web大会
ダッカにおける携帯基地局情報を用いた人
の流動解析手法に関する研究
東京大学工学部社会基盤学科
長谷川瑶子
共同研究者：関本義秀、金杉洋、新井亜弓、
Teerayut Horanont, Apichon Witayangkurn
1

2. 内容
1.
2.
3.
4.
5.
6.
7.
8.
研究背景
課題
本研究の目的
対象地域と使用データ
メソッド
推定結果
結論
今後の展望
2

3. 1. 研究背景
ー
途上国における交通問題の深刻化
途上国の状況 ー
途上国での一般人への
携帯電話の普及
対策のため交通状況
把握が不可欠
New sensors
上昇するバングラデシュの携帯電話普及
率
CDRを用いた人の流動把握に着目
3

4. 1.研究背景 ー
CDR
ー
• CDR (Call Detail Record)
携帯電話で通信した際の時刻と、
通信した基地局情報の記録
• CDRを流動解析に用いる利点
ｰ利用者を介さないため入手が容易
ｰ時空間的に広範囲の情報
ｰ特別な機器を用いずとも携帯電話普及
地域であれば収集可能
4

5. 2.課題
CDR データの課題
・個人の携帯利用頻度に大きく依存する(時空間的な密度が疎)
・位置情報が基地局の分布に大きく依存する
これまでのCDRを活用した研究・取り組み
•OD推定手法の構築(Calabrese, 2011)
•時空間的な経路推定を含む人の流動推定
(Kanasugi,2013)
→ある程度の再現性を持つデータで
あることを示す結果
•モバイルデータチャレンジの開催
(D4D Challenge etc.)
→途上国向けアプリケーションの提案
も
ただし、
大きなトレンド
• 元データからの傾向の把握の手法に留まり、リアルタイムの交通状況
を推定する手法は未構築
• データが比較的粗い地域を対象とした取り組みはまだ少ない
5

6. 3.本研究の目的
人の流動
＝
トリップの集積
⇒多様なトリップパターンを長期間のCDRデータから抽出し、その組み
合わせとしての人々の流動を把握することを目的とする
トリップを構成する要素
・出発地
(Origin)
・目的地
(Destination)
・経路
(Route)
・出発時刻(Departure time)
・到着時刻(Arrival time)
6

7. 4.対象地域と使用データ
対象地域
ダッカ中心部
使用データ
• GrameenphoneユーザーのCDRデータ
• 2012/6/19 ～ 2012/7/18の一カ月分
• ユーザー400 万人分
• 携帯電話基地局はダッカ全域に分布、
中心部では特に密な配置
• メール等を含まない電話通信の記録のみ
全ユーザー平均
5.8 logs /day, user
ダッカ中心部におけるGrameenphone
携帯基地局分布
使用データ平均
10.2 logs/ day, user
現段階では、対象地域周辺で
のデータ数が多い１万人
を対象に絞る
7

8. 5.メソッド
－
推定の流れ
－
1. Stay Pointの判定
CDRの空間的
クラスタリング
No
Yes
クラスター構成要
素数が5以上
Trip中のデータとみなす
Stay Pointとみなす
2. Trip の抽出
3.経路候補の生成
4. 最尤経路の選択
5. 推定結果の評価・可視化

9. 5.メソッド
－ Stay Point 判定 －
★: Stay points
：CDR log
Mean Shift clustering
( Cheng, 1995)手法を
用いた長期間CDRの
空間的クラスタリング
５つ以上の
Stay Point＝
構成要素数を
もつクラスタ

10. 5.メソッド
Destination, Tarri.
－ Tripの抽出、経路候補生成 －
●:Candidate 1
●:Candidate 2
★: Stay points
●:Candidatelog
：CDR 3
●:Candidate 4
●:Candidate 5
異なるクラスタ間
にTrip が発生して
いると仮定
異なるクラスタ間にTrip
が発生していると仮定 Tarri.
trip
Tdep.
Penalty method
(De la Barra, 1993) を
用いたN個の経路候補
の生成
Origin, Tdep.

11. 5.メソッド
－ 最尤経路の選択 －
●:Selected route
(Candidate 4)
: CDR log
生成した各経路を出発時
刻と到着時刻から算出し
た１分ごとのノード列に
置き換える
各経路の時空間的な尤度計算
最も尤度が高い経路を推
定経路とする
11

12. 6.推定結果
Ave
11.0 patterns/month
－ 推定トリップ
－
Ave
12.6 patterns/month
• 約11万通りのOD パターンと、
約12.6 万通りの経路パターンを抽出
Ave
47.2 trips/month
• 経路パターン数＞OD パターン数
• Trip数は一日にHome,Office間の往復がある、
という仮定からは小さい結果 (tripが抽出され
なかったユーザー(14%)の影響が大きい)
→経路の多様性も考慮されたtripの抽出
→実際に発生した全てのtrip を抽出することは困
難
12

13. 6.推定結果
－ 評価と可視化
－
ある１日の対象ユーザーの流動をアニメーションで再現
13

14. 6.推定結果
－ 評価と可視化
JICAの道路交通量調査との比較
総リンク交通量の算出
2000
1800
1600
1400
1200
1000
800
600
400
200
0
CDR estimation
1か月分1万人の総交通量
－
R² = 0.5914
0
20,000
40,000 60,000 80,000 100,000 120,000
JICA road survey
14

15. 7.結論
• ダッカのCDRデータから各個人のtripを抽出し、多様
なtripパターンの抽出を試みた
• 出発地、目的地、経路、tripの発生時刻における多様
性が考慮された結果を得た
– 本手法で、多数かつ経路に各trip要素に多様性をもつ
行動パターンが抽出できることを示した
– CDR単体からでは、全てのパターンを抽出することは困
難であることを明示した
• 総リンク交通量を算出し、推定結果がJICAの道路交通
量調査の結果とある程度の相関を示した。
15

16. 8.今後の展望
• Trip発生時刻の多様性によ
る推定結果の検証
• CDRデータと、他の位置情報
データ(例：PTデータ)を組
み合わせることで、より高
い精度と多様性を得られる
可能性
• 観測データと統合したリア
ルタイムの人の流動推定
– データ同化
– リアルタイムでの災害対策、交
通混雑マッピング等への応用
パーソントリップデータを用いた
人の流動推定
(「人の流れプロジェクト」より)
リアルタイ
ムの情報提
供
16

17. 参考文献
• JICA, 2010, Preparatory Survey Report on Dhaka Urban Transport Network
Development Study (DHUTS) in Bangladesh
• Calabrese, F., Di Lorenzo, G., Liang Liu and Ratti, C., 2011. Estimating Origin Destination Flows Using Mobile Phone Location Data. IEEE Pervasive
Computing,10, pp.36-44
• Cheng Y., Meanshift, 1995, Mean Shift, Mode Seeking, and Clustering, IEEE
Trans.Pattern Anal. March. Intell, Vol. 17(8), pp.790-799
• De la Barra, T., B. Perez, and J. Anez, 1993. Multidimensional Path Search
and Assignment, Proceedings of the 21st PTRC Summer Meeting, pp.307319
• Kanasugi, H., Sekimoto,Y., Kurokawa, M., Watanabe, T., Muramatsu, S. and
Shibasaki, R., 2013. Spatiotemporal Route Estimation Consistent with
Human Mobility Using Cellular Network Data. Proceedings of
PerMoby2013, pp.267-272
• Ono N., Sekimoto Y., Nakamura T., Horanont T., Shibasaki
R., 2012,Estimation of Routes Using Long-Term GPS Data in Tokyo, GISA
21st symposium, Hiroshima Shudo University, Japan
17