■発表中コメント 羽藤:ベイズは博論でオリジナリティの部分か. →ベイズそのものの考え方はよく使われる手法 羽藤:x_tは何か. →空間上の座標位置とw,h,dの6属性 羽藤:カーシェアに適用するとしたらどうなるか. →若林:GPSデータの補正に使えるのでは →羽藤:真の需要と実際にデータで観測されている需要は異なるのでその補正に使えそう.福山さんの回遊行動もそうだが,観測がある問題には必ずこうした問題が起こる. 羽藤:初期分布はどのくらい重要か →時刻1の状態を得るために必要.とりあえず正規分布をかませている. →羽藤:とりあえず与えるというのと具体的に与えるのがあるがどちらがいいのか. →柳沼:初期分布の形によって最終的な分布が変わるのですごく重要. →羽藤:伊藤君の問題では初期値はどう与えるのか考える.真値と射影変換のずれを初期分布とおく.その値を細かく設定していくといい. →羽藤:南海トラフが起こった時に阪高がどうするのかはカメラの情報で色々できると思う. 羽藤:自己組織化モデリングとは.θとは何か →θはシステム方程式のパラメータ.1からtまでの状態として確率を定義している. →羽藤:日下部の研究だとday-to-dayやマップマッチングなどで有効そう.1回渋滞が起こると次からその道の渋滞を避けるシステムに移行する.時間帯の幅の設定が面白い. ■質疑・コメント 柳沼:モデルが変化しているが,通常はモデルが変化したらパラメータが変化する.パラメータ変化の方でモデル変化を記述できるのではないか.行動モデルとしてはそこを深めていくのも面白い. 柳沼:扇形のモデルは元々CNLだった.MXLで誤差項の変化を記述できるのでは. →羽藤:MXLだとεはガンベル分布と他の分布で誤差を分割しているので相性がいいかも. 浦田:観測モデルはどのように作っているのか. →形状の方は楕円のフチまでの距離と中心までの距離で誤差を定義している. →色はカラーヒストグラムの変化について比較している.よく使う類似度座標. 日下部:観測データを入れて観測誤差が修正できる理由が分からない.修正に用いる観測データ自体にも誤差が含まれているのだから系統的な誤差は修正されていないのでは. →ベイズでは,Bが起きた状況でAが起きる確率を知りたいわけだが,あまり良く分からない. 若林:観測モデル自体の変化も考えられると思う.例えばカメラのブレとか. →今の状況で置くとしたら,風による揺れなどは誤差の範囲内ではないか. →柳沼:今回は固定カメラだからノイズとかでない限り観測誤差は変化しにくい. →羽藤:震災時の揺れなどで観測誤差が変化するという話はあるかも. 森部:システムモデルのパラメータは個人で異なるのか. →逐次的にパラメータを算出するがその時は個人毎に算出している. →森部:1人あたり60秒前後のデータで精度のよいパラメータが得られるのか. →羽藤:系の中では正しいが,状況によって変化している.個人間のデータを事前分布に与えるが,day-to-dayのような個人間変動がある. 今泉:観測モデルで外せない要素を増やしていくとシステムモデルの誤差が大きくなり尤度が低くなってしまう気がする. →羽藤:サンプリングモデルみたいな話.間引いていけば管制としての精度を良くできる. 福山:カラーヒストグラムではxの情報はないのか. →観測データはzだけで見ている.x_tというのは前と同一人物であるということを表しているだけ. 芝原:違う車線に入っているというのに対してこの研究をどのように適用するのか. →この研究では追跡率のようなもので評価していて,有効そう. →羽藤:黄色の点のデータが100くらいあれば赤から黄に修正することができる. →羽藤:構造推定は歩行者モデルのように1番近い車両と2体で行うのか,全体でやるのか.理論談話会で1枚くらいにまとめて発表を. 井村:観測モデルのOはどのように決めているのか. →ビデオから得られた数値を用いている.