基地局の接続記録と所要時間から、自動車・地下鉄・バスを推定する

背景と課題

交通計画では、移動の出発地と到着地に加え、使われた交通手段も重要な情報になる。GPSや端末のセンサーは細かな動きを捉えられる一方、論文は、GPSがトンネルなどで利用しにくく、電池も消費する点を挙げる。本研究が使う携帯電話シグナリングデータは、基地局との接続に伴う記録で、位置情報は基地局単位と粗い。研究の問いは、同じ出発地・到着地を結ぶ移動の所要時間から、個々の移動手段を推定できるか、というものだ。

研究の方法

入力は、利用者ID・記録時刻・基地局IDを持つシグナリング記録と、基地局IDに対応する経度・緯度である。対象は2015年5月4～17日の上海の記録で、約300万人の約3億9000万件と、3万3118局の基地局情報を使う。まず基地局IDで両者を結び、利用者ごとの時系列の位置記録を扱う。近隣の基地局間で接続先が揺れる「ピンポン現象」を移動と誤認しないよう、空間上の滞在範囲を400メートル、時間上の滞在条件を30分とする。一定範囲内での位置の揺れや、遠方の局へ飛んですぐ戻る記録を考慮し、30分を超える滞在を活動地点として認識する。400メートルは徒歩移動距離についての想定、30分は上海の世帯交通調査で得た活動継続時間の分布を根拠に設定している。

次に、利用者の連続する活動地点を出発地・到着地とする移動を切り出し、記録時刻から所要時間を計算する。論文は記録時刻を基地局間の接続切替時刻と解釈しており、実際の出発・到着時刻を直接観測したものではない。提示本文では所要時間を定義する式が欠落しているため、どの記録時刻を差し引くかという厳密な計算手順までは確認できない。

同じ出発地・到着地について得た正の所要時間を自然対数に変換し、Log-GMM（対数正規分布の混合モデル）で分類する。これは、対数を取った所要時間の分布を、平均と分散の異なる複数の正規分布の重なりとして表す方法である。各成分には重みを付け、重みの合計を1とする。推定にはEM法という反復計算を使う。初期の平均を標本から選び、分散には標本分散、重みには均等な値を置く。その後、各移動の対数所要時間が各成分に属する確率を現在の重み・平均・分散から計算し、その確率に応じて各成分の重み・平均・分散を更新する。更新が収束するまで繰り返し、各移動を最も確率の高い成分に割り当てる。実験では成分数を三つとし、短い所要時間から自動車、地下鉄、バスに対応づける。出力は移動ごとの推定手段であり、車両を直接観測した結果ではない。

この研究の新しさ

基地局の接続記録から活動地点と所要時間を作り、所要時間の偏った分布を対数正規分布の混合として扱う点が、この研究の特徴である。手段を分ける時間の境界をあらかじめ一つに固定するのではなく、同一区間を移動した集団の分布を推定し、各移動がどの成分に属しやすいかで判断する。

従来研究との違い

比較対象は、変換前の所要時間を正規分布の混合で扱うGMMと、所要時間の近さで分類するK-means法である。論文は複数の出発地・到着地の組について、各手法による手段別の平均所要時間を、地図サービスAuto Navi Mapの所要時間と比較した。Log-GMMの誤差が常に最小だったわけではない。最初の組の週末と別の組の週末では、GMMの誤差のほうが小さい。論文は比較全体ではLog-GMMが良好と評価するが、この誤差は平均所要時間の一致を測るもので、個々の移動手段の正誤とは区別が必要だ。

結果と評価

論文は四つの出発地・到着地の組で実験した。最初の組では平日・週末、それぞれのピーク・非ピークに分けて所要時間の分布を推定している。別の組では地下鉄専用の基地局情報を使い、地下鉄と、それ以外の自動車・バスを照合した。410件の照合で、Log-GMMの地下鉄判定の適合率、つまり地下鉄と判定した移動のうち実際に地下鉄だった割合は84.25％だった。再現率、つまり実際の地下鉄移動を拾えた割合は53.77％、二分類の正解率は72.68％で、同じ条件のGMMの66.34％、K-meansの68.05％を上回った。ただし、自動車とバスを個別に判定した精度ではない。

限界・注意点

【著者が述べる限界】基地局記録の疎さと品質には制約があり、地下鉄判定の再現率も低い。著者は今後、交通状況や地理情報に基づく速度の利用を検討するとしている。【本文から確認できる留意点】実際の手段との照合では自動車とバスを区別できず、三手段それぞれの判定精度は示されていない。また、最初の区間の実験では65分を超える所要時間をノイズとして除く一方、別の区間ではバスの推定平均が65分を超える。この除外条件を全区間にどう適用したかは明確でない。