2019/01/17「防災とボランティア週間」防災講演会

金沢大学理工研究域地球社会基盤学類助教山口裕通

位置情報ビッグデータを用いた災害時の人の挙動分析からみた課題

携帯電話位置情報データ

2019/01/17 1

– Gonzalez et al. 2008 あたりから，研究面で多く利用される

– 日本でも2011年ごろより，データが販売されるように

e.g. モバイル空間統計（ドコモインサイトマーケティング）など…

• 携帯電話の運用情報・GPS位置情報から推計した人口分布データ

»居住地・年齢性別毎に，人口規模に拡大• 居住地・滞在地・性別/年齢ごとの推計人口情報

携帯電話位置情報による人口分布情報 (1)

2019/01/17 2

– ある時点・ある場所に，滞在している人の数

ゼンリンデータコム・混雑度マップ（4/12, 19:44時点）http://lab.its-mo.com/densitymap/

携帯電話位置情報による人口分布情報 (2)

2019/01/17 3

– 空間的に細かい情報には限界• 空間の情報を細かくすると，個人情報保護の問題…• 基地局の配置・密度によっては精度が高くない⇔時間的に細かく長期間のデータが

ほぼリアルタイムに得られる！

特に防災・減災について，– 少数の困っている人 / 要援護者の情報には限界

• 全数データではなく，携帯電話利用者のみの情報• 個人情報保護の観点による制約⇔大多数の集計的な移動行動パターンがわかる！

Research Question

2019/01/17 4

災害時点における大多数の人の行動を分析し，以下に答える：

≫災害関連情報に対して，人々はどのように反応しているか？？

≫どのような対応策が考えられるか？？

山口からの発表の流れ

2019/01/17 5

方法論・アプローチの説明– 携帯電話位置情報データ ×機械学習モデルの応用– 人口の時系列推移データから，

異常（災害時）の情報を抽出する

中小都市における洪水関連情報発信の影響– 対象：石川県小松市・広島県三次市– レベル４（氾濫危険情報）のプッシュ型配信・緊急速報メールに対する，人々の移動行動

大都市（大阪市）における災害時行動– 北部地震，西日本豪雨，台風２１号，台風２４号– 鉄道の計画運休などの影響分析

人口時系列推移データの分析方法～災害による “異常” の抽出～

2017年8月8日大雨時の移動行動＠梯川流域（石川県小松市）

2017年8月台風５号大雨時の移動パターン

2019/01/17 7

2017.08.08に，石川県小松市を流れる梯川で氾濫危険水位の超過

（結局，大きな被害はなかった）

≫小松市で4,954世帯13,741人に避難勧告≫北陸地方初の洪水情報の

緊急速報メールの配信（プッシュ型配信）

このとき，移動行動パターンはどう変わったか？災害に対する危険回避行動は見られたか？

2017年8月8日の梯川の様子

2019/01/17 8

Google street view(2012.09. 時点)

北國新聞 2018.06.21(2017.08.08 時点)

分析対象エリアの定義

2019/01/17 9

– 小松市中心部 ＜縦 4km ×横 6km＞– 大半が浸水想定（想定最大）で浸水深50cm以上このエリア内の推計人口の１時間毎時系列推移をみる

～0.50 m～1.00 m～2.00 m～3.00 m3.00 m～

浸水想定（想定最大）の浸水深

道路鉄道河川

小松駅

梯川

国道8号線

北陸自動車道

分析対象エリア人口の時系列推移 (2017年)

2019/01/17 10

混合ガウスモデル×時系列モデルによる分解：・周期的（規則的）な変動・平常時の誤差・異常時の乖離情報

24日分・1時間毎の時系列変動

（千人）

8/8

時系列混合ガウスモデルの考え方

2019/01/17 11

通常時と異常時では，人口が別の正規分布に従う• 通常時： 平均―平日/土曜/日曜の時間ごとに設定

分散―比較的小さい• 異常時： 平均―時間的に一定

分散―大きい（様々な異常が考えうる）

人口 (人)

確率密度 通常時平均：𝜇𝜇𝑛𝑛,𝑡𝑡 = 𝑀𝑀𝑡𝑡𝒙𝒙分散：𝜎𝜎𝑛𝑛2

異常時平均：𝜇𝜇𝑒𝑒分散：𝜎𝜎𝑒𝑒2

パラメータ推定方法

2019/01/17 12

最尤推定法・EMアルゴリズムによる推定

ln 𝐿𝐿 = �𝑡𝑡∈[1:(24×24)]

ln 𝑝𝑝(𝑦𝑦𝑡𝑡|𝒙𝒙,𝜇𝜇𝑒𝑒 ,𝝈𝝈,𝜶𝜶)

𝑝𝑝 𝑦𝑦𝑡𝑡 𝒙𝒙, 𝜇𝜇𝑒𝑒 ,𝝈𝝈,𝜶𝜶 = 𝛼𝛼11

2𝜋𝜋𝜎𝜎𝑛𝑛2exp − 𝑦𝑦𝑡𝑡−𝑀𝑀𝑡𝑡𝒙𝒙 2

2𝜎𝜎𝑛𝑛2

+𝛼𝛼21

2𝜋𝜋𝜎𝜎𝑒𝑒2exp − 𝑦𝑦𝑡𝑡−𝜇𝜇𝑒𝑒 2

2𝜎𝜎𝑒𝑒2

※ 𝛼𝛼1 + 𝛼𝛼2 = 1：混合率

通常変動

異常変動

人口時系列推移の分解結果

2019/01/17 13

周期的変動

通常誤差

異常変動

（千人）

（千人）

（千人）

8/8

平日・通常時の人口時系列推移

2019/01/17 14

通常パターン（95%信頼区間）

（千人）

– 7時台～11時台に，平日に４千人が流入するエリア 13時台をピークに徐々に減少

時間

2017年 8月 8日の人口時系列推移

2019/01/17 15

緊急速報メール（10:30）

小松市避難勧告（7:40）

8/8 推計値

通常パターン（95%信頼区間）

（千人）

– 浸水想定区域への流入量が“普段よりは” 減少している！

時間

2017年 8月 8日の人口時系列推移

2019/01/17 16

緊急速報メール（10:30）

小松市避難勧告（7:40）

8/8 推計値

通常パターン（95%信頼区間）

（千人）

当日に流入をやめた人数約300人 ＜ 通常時誤差

流入を遅らせた時間約1000人 × 3時間

– 約1,000人程度が時間を遅らせる– それ以外（約3,000人）は，ほぼ同時刻に流入

時間

大雨時の移動行動パターン [集計] のまとめ

2019/01/17 17

時系列混合ガウスモデル×人口分布データ– 周期的な（通常）パターンと

災害時の異常パターンの分離・抽出する方法論開発

2017大雨時の異常行動分析：– ８月８日は，通常時と異なる（異常な）パターン

• 流入を（やめた人と）遅らせた人が存在～危険回避行動がとられた！

⇔大半の人は大雨・避難勧告下で通常通りに流入した

同アプローチで，災害時の行動をより細かく見ていく

中小都市における “大雨時” の異常行動

2017年8月8日台風５号＠梯川流域（石川県小松市）

＋2017年7月台風3号(九州北部豪雨）＠ 江の川流域（広島県三次市）

Research Question

2019/01/17 19

災害時の移動パターンは，通常時のパターンの差異によって異なるか？？

災害時の移動パターンは，都市ごとの違いがあるか？？

（石川県小松市ならではの特徴か？）

小松市データをより細かい空間単位で分析

2019/01/17 20

二つのエリアに分けて，大雨時の分析を実施中心部：市役所・中心市街地南部エリア：大規模ショッピングセンター，新興住宅地

イオンモール新小松

小松駅

４km

２km

小松市役所

通常パターン | 小松市中心部・南部

2019/01/17 21

それぞれ異なる特徴がある：中心部： 9時～17時の滞在が中心（就業地型）南部エリア：11時～15時・18時にピーク（商業地型）

通常パターン（95%信頼区間）

（千人）

小松市・中心部 小松市・南部エリア

時間時間

大雨時パターン | 小松市中心部・南部

2019/01/17 22

どちらでも，95%信頼区間外を推移する，「異常な」人口推移をしていた

（千人）

小松市・中心部 小松市・南部エリア

8/8 推計値 8/8 推計値

小松市避難勧告（7:40）

緊急速報メール（10:30）

時間時間

大雨時パターン | 小松市中心部・南部

2019/01/17 23

それぞれ，変化の仕方は異なる：中心部 (就業地型)：昼間時間全体で滞在人数が減少する南部エリア (商業地型) ：遅い時間に，滞在を遅らせた

小松市・中心部 小松市・南部エリア

約500人

遅らせる

時間時間

小松中心部（就業地）v.s. 小松南部（商業地）

2019/01/17 24

災害時の移動パターンは，通常時のパターンの差異によって異なるか？？

小松中心部（就業地） v.s. 小松南部（商業地）≫どちらも大半の人が

通常通り行動した点は同じ≫少数であるが，変化の内容は異なる

・中心部：滞在人数の減少・南部（ショッピングセンター）：

時間を遅らせる行動

小松市以外の場所での分析

2019/01/17 25

可能な限り近い条件の場所を選定…– 外から昼間に人の流入がある，浸水想定区域– レベル４の洪水情報配信（緊急速報メール）– 朝の時間に情報配信があった

2017年7月台風3号(九州北部豪雨）の際の広島県三次市>2017.07.05,08:50 :

江の川水系で氾濫危険水位（レベル４）を超過>2017.07.05,08:57 :

三次市全域に緊急速報メールが配信

分析対象エリア（広島県三次市）

2019/01/17 26

江の川水系馬洗川三次駅

１km

１km

通常パターン | 三次市中心部

2019/01/17 27

小松中心部と比較的似たパターン：≫ 9時～17時の滞在が中心の，就業地型

（人）

通常パターン（95%信頼区間）

時間

大雨時パターン | 小松中心部・三次中心部

2019/01/17 28

（千人）

三次市・中心部

（千人）

小松市・中心部

8/8 推計値

小松市避難勧告（7:40）

緊急速報メール（10:30）

（人）

避難勧告・緊急速報メール（08:57）時間時間

7/5 推計値

小松市中心部 v.s. 三次市中心部

2019/01/17 29

災害時の移動パターンは，都市ごとの違いがあるか？？

（石川県小松市ならではの特徴か？）

小松市中心部 v.s. 三次市中心部

≫どちらも大半の人が通常通り行動した点は同じ

１か所だけで起きている事象ではない

～よりタイプの異なる都市の災害時行動はどうか？～

大都市における “大雨時” の異常行動

2018年度の大阪市への “異常” 流入行動パターン

６月１８日 大阪北部地震７月６日 平成３０年７月豪雨（西日本豪雨）

９月４日 台風２１号６月１８日 台風２４号

Research Question

2019/01/17 31

鉄道中心の大都市における，異常のパターンはどのようなものか？

– 小松市・三次市のパターンとどのように異なるか？

“鉄道の計画運休”の時には，人々はどのように行動を変えたか？？

– 地震 v.s. 台風時（計画運休時）

利用データ：大阪市域の推計人口

2019/01/17 32

大阪市域の１時間毎推計人口by モバイル空間統計

– （大阪市外大阪市内への通勤・買い物行動などが分析可能）

– 期間： 2018.4.1 ～ 2018.9.30 の183日間

時系列混合ガウスモデルを用いて通常時パターンと異常時パターンに分解

通常パターン | 大阪市域の人口推移（平日）

2019/01/17 33

– 深夜と比較して約70万人も人口が増加– 9時～17時の滞在が中心（小松中心部と同じ就業地型）

（万人）

通常パターン（95%信頼区間）

時間

異常パターン | 大阪北部地震 6/18（月）

2019/01/17 34

– 地震発災のタイミングで，流入が突然停止– 12時にかけて数万人増 16時から徐々に減少

（万人）

通常パターン（95%信頼区間）

時間

６/１８ 推計値

北部地震発災（７:５８）

異常パターン | 西日本豪雨 7/6（金）

2019/01/17 35

始発から多くの路線が運休– 大阪環状線などは，本数を減らして運行していた…

JR西日本公式サイト内 列車運行情報ページ（2018.7.6 14:35時点）

異常パターン | 西日本豪雨 7/6（金）

2019/01/17 36

7/6は，通常より人口がかなり少ない「異常状態」≫深夜昼間の増加量は，20%程度の減少．

時間 時間

７/７（土）７/６（金）

（万人）

異常パターン | 台風21号 9/4（火）

2019/01/17 37

台風の経過– 4日12時ごろ 徳島県南部に上陸

（中心気圧 950hPa，最大風速45m/s）– 4日14時ごろ 兵庫県神戸市付近に再上陸– 5日 9時ごろ 間宮海峡にて温帯低気圧に

交通機関の状況– JR西日本：３日に以下の内容を発表（計画運休）「4日午前10時ごろまでに，

京阪神のすべての在来線の運転をとりやめる」– 私鉄各線：４日正午までに，ほぼすべてで運転とりやめ– ４日に関西国際空港が高潮で冠水・閉鎖，孤立状態に

異常パターン | 台風21号 9/4（火）

2019/01/17 38

西日本豪雨時と比較して，より顕著な変化≫深夜昼間の増加量は，70%以上の減少．

時間 時間

９/４（火）９/３（月）

（万人）

異常パターン | 台風24号 9/30（土）

台風の経過– 30日20時ごろ 和歌山県田辺市付近に上陸

（中心気圧 960hPa，最大風速40m/s）– 10月1日9時ごろ

日本東側の海上にて温帯低気圧に

交通機関の状況– JR西日本：全日に以下の内容を発表（計画運休）「30日正午ごろまでに，

京阪神のすべての在来線の運転をとりやめる」

2019/01/17 39

異常パターン | 台風24号 9/30（土）

2019/01/17 40

土曜日であり，平日より通常の流入量は少ない≫深夜昼間の増加量は，ほぼゼロに．

（万人）

通常パターン（95%信頼区間）

時間

JR西日本_完全運休

深夜昼間の人口増加（流入）まとめ

異常時における人口増加・実現割合（通常時比）：– （状況の差異は差し引く必要があるが…）– 小松市・三次市では，ほとんど変わらない

警戒すべき状況下で，通常時の行動をとる人が多い– 大阪市の計画運休下では，ほとんどの人が行動変更

経済ダメージ大．ただ，制御可能を意味する？2019/01/17 41

人口増加実現割合 災害関連情報

三次市中心部 2017/7/5水 | 豪雨 100% 洪水情報速報メール小松市中心部 2017/8/8火 | 台風 85% 洪水情報速報メール大阪市 2018/7/6金 | 豪雨 80%

2018/9/4火 | 台風 30% 計画運休2018/9/30土 | 台風 0% 計画運休

今後の課題・考えるべきポイント

2019/01/17 42

より細かい情報・状況を踏まえて，観測された状況の精査が必要…

大都市で計画運休の影響が大きいのは，ほぼ当然– 鉄道に依存する大都市では運休の影響は大きい

＝ある程度，制御・危険回避の方向に誘導可能

⇔地方部では，多くの人が各個人の判断で動ける＝必要なときに，

危険回避行動をとってもらいにくい？»とくに出勤行動など？»何かしらの，施策を検討する必要がある？