M1近藤
09:16:59 開始 EIJI HATO から 全員:
        おもしろい着眼の論文ですね．合成人口のテーマはマイクロシミュレーションなどでよくやられていますが，小関さんの居住地選択世帯分離モデルなどは，このテーマにあたります．
09:18:29 開始 EIJI HATO から 全員:
        標本は動的になった方がいいよね．政府統計はここ１０年で大きく変わると思います．
09:18:40 開始 EIJI HATO から 全員:
        でかい．．
09:19:07 開始 EIJI HATO から 全員:
        米国に住んでた時，居住センサスの電話調査うけたことある．
09:20:01 開始 EIJI HATO から 全員:
        モバイル空間統計でも使えそうですね．
09:20:30 開始 EIJI HATO から 全員:
        動的にしたい．．
09:21:47 開始 EIJI HATO から 全員:
        強い仮定だね．．
09:22:35 開始 EIJI HATO から 全員:
        copulaは相関の記述が柔軟にできるので，交通系の人は便利なので覚えておいてください．
09:24:15 開始 EIJI HATO から 全員:
        IPFと組みわせると便利そう．
09:24:36 開始 EIJI HATO から 全員:
        かっこいいな．．
09:25:22 開始 浦田 から 全員:
        a.k.っていう出し方、新しいな。
09:26:38 開始 EIJI HATO から 全員:
        Carmer-Von-Mses statistcsも便利だね．
09:27:04 開始 EIJI HATO から 全員:
        ブートストラップするのか．
09:27:21 開始 EIJI HATO から 全員:
        月田得意そう
09:28:31 開始 EIJI HATO から 全員:
        これは便利．
09:36:32 開始 EIJI HATO から 全員:
        trapped populationの同時確率分布ってセルフセレクション問題がありそうだか，因果モデルでやってもいいかも．．
09:37:22 開始 EIJI HATO から 全員:
        人工衛星画像で周辺分布を推定すると精度があがりそう．
09:39:21 開始 Kiri Fukutani から 全員:
        議事録担当の方，質疑の議事よろしくお願いします．
09:39:28 開始 Kiri Fukutani から 全員:
        https://docs.google.com/spreadsheets/d/1wJeZTBxqwBAsuNA31GMlfYqUkr7snkBODVs4lnpRHEA/edit#gid=1846497480
09:40:27 開始 EIJI HATO から 全員:
        うれくらいの計算を，国際機関の職員はやれるんで，日本の人はできないことが多いので，みなさんの世代は常識にしておいてください．
09:48:46 開始 浦田 から 全員:
        アメリカの避難だと車保有ですが、日本でも公共交通（バスとか）を使う人はごく少数で、しっかりと拡大して人数そのものを当てなければならない、という場面はあるとおもいます。
09:51:22 開始 浦田 から 全員:
        はい。人口の人数はわかるけど、各人の属性を、全人口に対して、生成しています。
09:56:55 開始 浦田 から 全員:
        属性を使ってシミュレーションする他の使い方もあるかなと。例えば、SNを使って共同避難みたいな研究もあるので、人種の属性も持っておくと用途は色々ありそうですね。
10:04:09 開始 Kana MASUHASHI から 全員:
        行政界レベルの滞在者とかがわかってて（モバ空とか）、各行政界の個人属性はわかってて（国勢調査で総人口と性別・年齢・車保有色々...）という状況下で、特定のエリアを見たときに、そこにどれくらいどの行政界から来ているのかがわかってる場合、何かしらこれに近い方法で、ODと個人を結びつけることができたりしますか….位置情報系って、個人属性をぼやかせないといけなくて思うように使えないみたいなことがありそう。。。




（浦田）センサストラクトの小ゾーン間の違いがどれくらい出ているか？
（羽藤）センサストラクトのゾーンの情報は何か？
大体は収入などのセンサスデータだが，標本数が少ない．
（羽藤）PUMAとセンサストラクトの規模感の違いをどう捉えれば良いか？小ゾーン数？
（羽藤）アメリカだとデータがあるんじゃないのか？
PUMAは，各ユーザーの属性の情報でマイクロな情報だが，ゾーン内にいるということしかわからないので，細かい位置などはわからない．
（羽藤）コピュラについては，3つから1つを選んでいるのか？
claytonを選んだが，frank以外は大体当たっていた．
（羽藤）コピュラのパラメータはどう決めているのか？
パラメータ推定した上で当てはまりをbootstrapで確かめている．
（月田）人口が分からないから推定しているのか？
全人口に対して個人の属性を生成できるもの．
（月田）p15の車所有のロジットモデルはパラメータを見れば収入と所有などの関係がわかるのでは？
わかる．地図上で見るとその分布がわかり，避難のシミュレーションなどに使える．車の登録者数などを調べればわかりそうだが，個人の属性と結びついて推定できることがよい．
（羽藤）衛星画像から得た情報に対して，同時分布の情報を使って属性を貼り付けるというようなこともできそう．


M2増田
（鈴木）動学化はできないのか？
（鈴木）バスレーンの設計などで広域の特徴を最適化することにどれほど意味があるのか？
（小川）MFDの説明変数の選択方法と実データに対する当てはまりは評価されていたか？