人流調査にも用いられるWi-Fiパケットセンサーデータに，文書データの解析手法であるトピックモデルを適用し，主に中心市街地等の人が集まる場所での人々の活動の特徴を抽出する手法です．この手法を用いてコロナ禍前後の人々の活動の特徴（通勤通学や週末夜の繁華街の活動など）を抽出し，それらの変化を把握することができました．この手法は，対象エリアの複数個所に設置したセンサーで継続的に取得したデータがあれば適用することができます．
中心市街地の活性化やにぎわい創出，あるいは観光地の周遊促進のため，人々の活動を捉えたデータが活用されています．COVID-19の感染拡大により，まちなかなどの人出が減少しました．
私たちが暮らす地域や経済を守るためにも，感染予防に配慮しつつ人出を増やす努力が求められます．そうした取り組みを評価するためにも，人々の活動を捉え，特徴を抽出し，活動がどのように変化したのかを分析することが重要です．
人々の活動を捉える方法には様々なものがありますが，そのひとつにWi-Fiパケットセンサーから取得できるデータがあります．
また，ビッグデータから特徴を抽出する手法のひとつに，機械学習の一種であるトピックモデルがあります．トピックモデルは，自然言語処理分野で提案された文書データの解析手法であり，単語の頻度分布で表された文書から，特定の単語の頻度分布で表されるトピックを推定する手法です．
愛知県豊田市の中心市街地では，公益財団法人豊田都市交通研究所がWi-Fiパケットセンサーを設置して観測を行っています．このうち12か所のセンサーで取得したデータを用いてトピックモデルを適用した結果，地点や時間帯で異なる人々の活動を反映したトピック（特徴）が抽出されました（下左図）．
これらのトピックについて，COVID-19感染拡大前の推移を確認すると，曜日別の特徴が明確に表れており，トピックの性質と曜日別の変動が整合していました．これらのことから，トピックの抽出が適切に行われていると判断されます（下図右）．
2020年1月から8月までの期間の推移をみると，同年4月～5月にかけて発出された政府による緊急事態宣言の期間に大きく減少するもの，あまり減少しないものがあることがわかります．
大きく減少するトピックは，通勤・通学に関連するものや，夕方や夜の飲食に関連するものがあります．感染拡大前との比率を用いて宣言解除後の変化を見ると，通勤・通学関連は8割程度に回復しているのに対して，夕方や夜の飲食関連は6割程度にとどまっています．活動によって回復傾向が異なる様子も捉えています（下図左）．
あまり減少しないトピックは，まちの中心から離れた場所に関連するトピックであり，近隣に住む人の活動が多く含まれるものと考えられます（下図右）．
以上のような分析は，複数のWi-Fiパケットセンサーが設置できれば適用することができます．抽出できるトピックはそれぞれの地域が持つ特徴によって異なります．地域の特徴を反映した分析を行うことができます．
論文
「トピックモデルによるWi-Fiパケットセンサーデータを用いた中心市街地の人出に対するCOVID-19の影響分析」(2020)『土木計画学研究発表会講演集』62
「ANALYZING THE IMPACT OF COVID-19 ON THE VISITORS OF CITY CENTER USING WI-FI PACKET SENSOR DATA BY TOPIC MODEL」(2021)『The 17th International Conference on Computational Urban Planning and Urban Management』
研究シーズ・教員に対しての問合せや相談事項はこちら
技術相談申込フォーム© INNOVATION DAYS 2025 智と技術の見本市.
