更新日：2021/04/01
過去データの無い地点でも未来を予測
～時空間データ解析のための時空間回帰テンソル分解法～NTT機械学習・データ科学センタ
NTTコミュニケーション科学基礎研究所オープンハウス2019より
どんな研究
時空間データ解析において、過去のデータが未観測な地点での未来予測技術を研究しています。過去に得られた膨大な時空間データから、データに隠された少数かつ重要な時空間パターンおよびパターン毎に現れる時間・空間相関を同時に学習することで過去データの無い地点の未来を予測します。
どこが凄い
時空間データには、データの観測位置が規則正しく格子状に置かれた場合と、そうでない場合が存在します。どのような観測位置の形状にも対応可能な空間回帰正則化を新たに提案し、自己回帰テンソル分解に適用することで、潜在空間における空間・時間相関を同時モデル化を実現しました。
めざす未来
本技術を用いることで、既存の方法よりも高精度な時空間データの予測ができるようになります。今後は企業、行政機関、人工衛星、センサーネットワークなどから得られる異なる種類の時空間データに対応した、より柔軟かつ複雑な相関関係を捉える時空間分析技術の実現を目指します。
■参考文献
- (1)K. Takeuchi, H. Kashima and N. Ueda, “Autoregressive Tensor Factorization for Spatio-Temporal Predictions,” in Proc. of 2017 IEEE International Conference on Data Mining (ICDM), 2017.
- (2)竹内孝, 鹿島久嗣, 上田修功, “自己回帰テンソル分解による時空間データ予測,” 2018年度人工知能学会全国大会（第32回）, 2018.