Non-Negative Tensor Factrizationを用いたドックレス型マイクロモビリティの利用形態分類手法の検討

交通やインフラ，スマートフォンなどから得られる様々なデータを統合的に利活用し，都市計画の継続的な改善に役立てるという都市コンピューティングが注目されている．都市コンピューティングは少子高齢化と過疎化が進行する日本においても公共インフラを有効活用し都市を維持するためにも有効である．限られた公共インフラを活用するためには人々の移動目的を推定し，交通リソースを最適化する必要があるが，既存のICカードなどの交通データでは推定粒度に限界があった．こうした状況の中，特定の返却場所を持たないドックレス型のマイクロモビリティが急速に普及している．ドックレス型マイクロモビリティは平均移動距離が500m程度と短く，直接目的地に向かうため，より詳細な移動行動が検出可能である．本研究では，マイクロモビリティが都市空間で離散的に分布する点に着目した．そして，細かく単発的な移動行動を大域的に分析することで潜在的な移動パターンがあることを，Non-Negative Tensor Factrizationと呼ばれる教師なし学習を用いることで明らかにした．