311 bigdata workshop https://sites.google.com/site/prj311/ http://d.hatena.ne.jp/repose/

1. 首都圏における
帰宅困難者のモデリング
野良分析チーム
@y_benjo, @harapon, 他3名

2. 2つのテーマ

3. 人々はいかに
して帰宅を
決断したか

4. Twitterによる
首都圏の避難
所情報は有用
だったか？

5. 人々はいかにして
帰宅を決断したか
@harapon
http://ja.wikipedia.org/wiki/%E3%83%95%E3%82%A1%E3%82%A4%E3%83%AB:2011_Sendai_earthquake_Shinjuku_Station.JPG

6. 問題意識
•どうして帰ろうとしたのか？
• 職場で避難命令が出たから？
• 自宅のテレビが倒れていないか不安だったから？
• 帰宅者の意思決定理由が分かれば
• 帰宅者が減る事による交通網の混乱回避
• 二次・三次災害の防止

7. アプローチ
そのものの分析ではなく
変換
計量経済
モデリング
ユーザーの実行動

8. 震災当日の首都圏の帰宅行動
• ジオタグ付きtwitter idから1,778名のデータ作成
• 徒歩帰宅(963名／54.1%)，公共交通帰宅(433名／24.4%)
• 待機・宿泊(382名／21.5%)
• 勤務地・自宅(と推測される場所)間の距離分布
徒歩
公共交通
待機・宿泊
ある程度の距離では公共交通機関，
もっと遠くなると待機する傾向

9. 帰宅/待機意志決定モデル
• Nested Logit Modelで帰宅意志決定をモデル
化，シミュレーション
家族が不安
電車動いた
帰宅命令出た 帰宅
ネスト
自宅まで: **km
乗換: **回
徒歩: **分
徒歩 公共交通 待機/
帰宅 帰宅 宿泊
" User" designed by Thomas Weber from The Noun Project

10. 結論/提言
• 家族・自宅不安を取り除く→待機が4%増加
• 家族間での安否確認システム(取り決め)が必要
• 滞在場所の確保→待機が22%増加
• 安易に帰宅命令を出すより，待機場所として会社を利
用すべき
• 宿泊可能な避難所の重要性

11. Twitterによる
首都圏の避難所情報は
有用だったか？
@y_benjo

12. 問題
•流れてきた避難所情報は有用だったか？
• 「拡散希望ばかり流れて来て邪魔」
• モバイルではtwitterから取得できる情報が少ない
• 混雑情報データと突き合わせる事で検証

13. アプローチ
• 避難所情報を取得(Twitter)
• 目視によって68箇所を抽出，緯度経度を付与
• 避難所名を含むtweetを数え上げ
• 人口を取得(ゼンリン)
• 避難所にいる人数を取得

14. 避難所と人口
松戸
新木場
大森
避難所情報における
川崎
空白地域の存在

15. tweetと人口
人口
# of tweets
相関係数: 0.197
→ 関係があるとは…？

16. 時系列的な関係
高島屋タイムズスクエア
赤: tw
赤点: デマ指摘
青: 人口
青点: 平常時人口

17. 時系列的な関係
ハローワーク池袋
赤: tw
赤点: デマ指摘
青: 人口
青点: 平常時人口

18. 時系列的な相関関係
相互相関係数の最大値
やはりこれも
関係があるとは…？
人口

19. そもそも
• RT数は多くても誰もそれを確認していない
• デマだった避難所情報が拡散したがそれを確か
めたユーザが少なすぎる
• 高島屋タイムズスクエア
• 渋谷区役所
• 文化服装学院

20. 高島屋
全言及
100000
94723 デマ指摘
75000
50000
25000
0
45

21. 渋谷区役所
全言及
7000
6394 デマ指摘
5250
3500
1750
65
0

22. 文化服装学院
20000 19725 全言及
デマ指摘
15000
10000
5000
90
0

23. 結論/提言
• 避難所情報は役に立っているとは言いがたい
• RTのピークが早い/遅い時間に起こってしまう
• 厚生労働省の避難所告知は遅すぎた
• 広告枠のように常時表示する必要がある
• 非公式RTダメ絶対
• 避難所のデマ訂正情報が全く広まっていない
• RTするならまとめ情報(google maps)を