初期マイクロデータの推定手法に関するエージェントベースとセルベースの比較

第４３回土木計画学研究発表会　　　　　「土地利用マイクロシミュレーション」セッション第４３回土木計画学研究発表会　　　　　「土地利用マイクロシミュレーション」セッション 2011.5.22011.5.288

11

初期マイクロデータの推定手法に関する初期マイクロデータの推定手法に関するエージェントベースとセルベースの比較エージェントベースとセルベースの比較

　　　　　　　ドーコン　正員　　　　　　　　　　ドーコン　正員　　　○○杉木　直杉木　直　　　　　東京都市大学　フェロー　　宮本　和明　　　　　東京都市大学　フェロー　　宮本　和明　　　　　東京都市大学　正員　　　　大谷　紀子　　　　　東京都市大学　正員　　　　大谷　紀子　　 Kasetsart　UniversityKasetsart　University 　正員　　　　　正員　　　　 Varameth　Varameth　VICHIENSANVICHIENSAN


22

背景

・土地利用－交通モデル分野におけるマイクロ　シミュレーションへの関心の高まりと研究事例　および実際の都市への適用事例の蓄積の進展

・土地利用マイクロシミュレーションにおける　シミュレーション初期年次の「マイクロデータ」　の必要性

・個人、個別世帯に関するデータの入手は困難　 →入手可能データによる「人口データ推計」を実施　　：集計データ（国勢調査等）＋サンプル調査


33

目的

◆初期年次のマイクロデータ作成に関する　セルベースとエージェントベースによる手法の比較

質的な視点における比較　　・データ特性、推定手法の規範、複雑性、データ入手可能性等に関する　　　　両手法の特性、メリット・デメリットの整理量的な視点における比較　　・実データを観測データとして用いた両手法による初期データの作成　　・セルベースデータの比較による推定の頑健性の評価　　・エージェントベースデータの適合度評価によるマイクロ世帯推計への有効性　　　の検証　　　

→モデル適用の場面や目的を踏まえた推定手法選択のため　　　　のガイドライン作成にむけて


44

人口・世帯データ推計に関する既存研究①セルベースの推計手法

・・・ IPF 法およびその拡張・ IPF 法の開発

- Deming and Stephan (1940)・人口データ推計問題への適用 - Beckman et al. (1996) - 宮本ら　 (1986)・ IPF 法の改良 - Guo and Bhat (2007) - Pritchard and Miller (2009)

Moeckel らによる人口・世帯データ生成手法

START

END

対象ゾーンの決定

世帯主の決定（年齢、性別等）

世帯人員数の決定

他の構成員がいるか？

YES

NO

YES

NO

YESNO

世帯構成員の決定（年齢、性別等）

その他の世帯属性の設定（ゾーン内居住地、就業状態、収入、車保有

台数、従業地）

ゾーンに未設定の世帯がいるか？

未設定ゾーンがあるか？

②エージェントベースの推計手法・・・モンテカルロサンプリング

・モンテカルロサンプリングによる　各エージェントに対する多属性の設定 - Moeckel, et al. (2003)


55

人口・世帯データ推計に関する既存研究

1Mm

sran

1 mSs

)( ss ranCc

人世帯サンプル ],,2,1[ mNN

=［世帯サンプルの世帯構成］=[世帯主性別, 世帯構成員1の続柄・年齢

,世帯構成員2の続柄・年齢, ・・・,世帯構成員の続柄・年齢］

)( ss ranCc ]*[ sm ranN

0m

START

1mm

0s

1ss

乱数発生

乱数発生

累積関数 ip

世帯における世帯構成員の年齢構成

線形関数

miranis ,1

mipis ,1

mixis ,1

mixapI

kksikis ,1

BPXAXP

mipbxI

kksikis ,1

],,,[ 21 mssss xxxh

rares Cc

),1( Yy yy Tt

sm,

m

msx

年齢階層別人口のチェック

ランダムサンプリング

y yy Tt ;

Y

N

END

Y

YN

N

が性別年齢階層

に所属するか？

によってとの誤差が改善されるか？

再生成された shyt yTによってとの誤差が

改善されるか？

再生成された shyt yT

性別年齢階層別人口yt ),1( Yy

s],,,[ 21 mssss xxxh ],,,[ 21 mccc xxx

世帯の年齢構成

1m

s

N

Y

(初期データセット計算時) (収束計算時)

N Y

NY

・エージェントベースの　人口・世帯推定システム - 宮本ら (2009, 2010, 2011)

人数別世帯の構成員に対する属性（年齢、性別、続柄）の推定　　　→総合的な属性からなる初期マイクロ世帯データの推定　　　　（住宅タイプ、居住地、自動車保有台数、所得）


66

マイクロデータ推定手法の質的比較

マイクロデータの特性

属性及びカテゴリの制約

推定手法の規範

セルベースの推計手法

エージェントベースの推計手法

・属性の組み合わせで定義さ　れる多次元表のセル値・直接的には推定されない

・個々のエージェントを直接推定・各々が固有の属性を持ち多様な　　属性の組み合わせが考慮可能

・離散的なカテゴリ設定・属性やカテゴリの増加に　伴うゼロセル問題の発生

・属性やカテゴリの設定に対する　制約なし

・エントロピー最大化という　明確な規範あり・固定的な解法アルゴリズム

・明確な規範なし・サンプルの確率分布による推定　のため尤度最大化にベースを置　くと解釈される


77

マイクロデータ推定手法の質的比較

推定結果の頑健性

推定アルゴリズム

の複雑性

データ入手可能性

セルベースの推計手法

エージェントベースの推計手法

・一意な推定結果・試行毎に異なる推計結果・複数の推定結果より利用する　ものを選択する必要あり

・改良手法を含むいくつかの　パターンはあるが、一般的　には単純なアルゴリズム

・複雑な推定アルゴリズム・恣意性が介在する可能性あり

・属性 / カテゴリ別総量：集計データ、既存統計等により入手・サンプルデータ：アンケート調査等により入手

・エージェントベースデータ　への変換には限界あり・取り扱える属性の数が限定　的

・集計によるセルベースデータへ　の変換が容易

手法間の互換性


88

マイクロデータ推定手法の量的比較

◆検討対象：人口データ

◆属性：個人年齢＋所属する世帯の人数

◆カテゴリ　　年齢：１８カテゴリ　（ 0-4歳 ,5-9歳 ,10-14歳 ,15-19歳 ,・・・ ,75-79歳 ,80-84

歳 ,85歳以上）

　　世帯人数：７カテゴリ

◆推定手法　　セルベース：ＩＰＦ法　　エージェントベース：モンテカルロシミュレーション（宮本ら 2009 ）

◆比較検討手法　セルベースおよびエージェントベースの適合度評価


99


IPF法モンテカルロシミュレーション

周辺分布データ

観測データ

属性1属性1

属性２属性２属性２属性２

属性１属性１

サンプルデータ

属性1属性1

属性１属性１

属性２属性２

属性1属性1

属性２属性２

属性1属性1

属性２属性２

属性1属性1

属性２属性２

属性1属性1

属性２属性２

エージェントベースの適合度評価

セルベースの適合度評価

集計

分解


1010

◆利用データ：第４回道央都市圏パーソントリップ調査データ

世帯構成員の詳細情報を含む19,394 世帯のマイクロデータ

10,000 世帯データを母集団としてランダム抽出（人口： 24,115 人）

1,000 世帯データを

サンプルデータとして抽出


年齢別人口、世帯人数別人口

を集計

ＩＰＦ法、モンテカルロシミュレーションのサンプルデータとして

人口に関する周辺制約データとして


1111


◆セルベースの適合度評価

ji jiIJ

ji jijiIJ

N

NNSRMSE

, ,1

, ,,1 )ˆ(

1 j J

1

i

I

JN11iN

jN1

ijN

1IN

1 j J

1

i

I

JN1ˆ

1ˆ

iN

jN1ˆ

ijN̂

1ˆ

IN

観測データ推定データ


1212

ケース個人データ数

適合度（セルベース）

セルベース（ＩＰＦ）

エージェントベース（）ﾓﾝﾃｶﾙﾛｼﾐｭﾚｰｼｮﾝ

Sample 1 2,346 0.184 0.170

Sample 2 2,357 0.183 0.192

Sample 3 2,434 0.208 0.171

Sample 4 2,415 0.184 0.175

Sample 5 2,446 0.213 0.219

平均 0.194 0.185


◆セルベースの適合度評価

・平均的にはエージェントベースの方がやや良好な結果・同一のサンプルにおいてエージェントベースでは大きく改善される可能性


1313


◆エージェントベースの適合度評価観測データ

適合度適合度

推定データ推定データ

N

i

jii

Rj DisEFit

n 1)( ),(min)(

ea

}1|),,,({ 21 NiaaaA iMiii a

}1|),,,({ 21 NieeeE jiM

ji

ji

jij e

Z

l

jklik

jki DiffMaxeaDis

1

2 ),)min((),( ea

適合度＝乖離量距離の最小和

観測データ

推定データ


1414


◆エージェントベースの適合度評価

ケース個人データ数

適合度（エージェントベース）

セルベース（ＩＰＦ）

エージェントベース（）ﾓﾝﾃｶﾙﾛｼﾐｭﾚｰｼｮﾝ

平均標準偏差平均標準偏差

Sample1

2,346 3,981 49.6 2,548 20.8

Sample2

2,357 4,176 25.2 2,925 11.7

Sample3

2,434 2,958 23.1 2,376 14.0

Sample4

2,415 3,539 55.6 3,041 12.2

Sample5

2,446 2,971 12.5 3,340 11.7

・エージェントベースの方が良好な適合度を示す結果・セルベースに比べエージェントベースの適合度は安定的


1515

まとめ

・セルベースとエージェントベースによるマイクロデータ　推定手法に関して、質的な比較を行い整理

・セルベースと：ＩＰＦ法とエージェントベース：モンテ　カルロシミュレーションによる初期分布を、セルベース　とエージェントベースの適合度で評価

◆課題　・量的比較の更なる追加検証　　　・サンプリング率による変化　　　・セル統合パターンによる変化　　　　　　　　　　　　　　　　　など


1616


1717


1818

初期マイクロ世帯データ推定手法の構築（１）◆マイクロデータの定義

}1|),,,({ 21 NiaaaA iRiii a

＝｛①本人・男，②子・男１，③子・男２，④子・男３，⑤孫・男　　　，⑥兄弟，⑦父，⑧その他・男１，⑨その他・男２　　　，⑩本人・女，⑪妻，⑫子・女１，⑬子・女２，⑭子・女３，⑮孫・女１　　　，⑯姉妹，⑰母１，⑱子の妻１，⑲その他・女１，⑳その他・女２｝

A

＝｛３５，７，９９９，９９９，９９９　　　，９９９，９９９，９９９，９９９　　　，９９９，２９，９９９，９９９，９９９，９９９　　　，９９９，９９９，９９９，９９９，９９９｝

},,,,,{)( incnczjhhl msmsms xc世帯構成

年齢構成住居タイプ居住ゾーン

世帯 s世帯人数 m

マイクロ世帯データ

マイクロ世帯データの　　一般的表現３５

７２９

自動車保有台数世帯収入


1919

推定フロー（１）：世帯構成員の年齢・性別・続柄の決定

sran

乱数発生

　　人世帯サンプル ],,2,1[ mNN

= ［世帯サンプル　　　　　　　　の世帯構成］=[ 世帯主性別 , 世帯構成員 1 の続柄・年齢 , 世帯構成員 2 の続柄・年齢 , ・・・　　 , 世帯構成員　　　　の続柄・年齢］

)( ss ranCc ]*[ sm ranN

m

1m

②各世帯構成員　の年齢の付加

rares Cc

N

Y

1Mm

1 mSs

0m

START

1mm

0s

1ss

Y

Y

N

N

乱数発生

線形関数

miranis ,1

mipis ,1

bPXaXP

( 初期データセット計算時 )

①世帯人数別の世帯数へ　世帯サンプルより性別、　続柄を付加

累積関数 icp mi ,1

mixvpm

kksikis ,1

mipwxm

kksikis ,1

mixis ,1

世帯 s の年齢構成

世帯 s のマイクロデータ

],,,[ 21 msssms xxx x

},{ msmsmsh xc

世帯 s の年齢構成 ],,,[ 21 msssms xxx x

],,,[ 21 mccc xxx

}{ , msmsmsh xc世帯 s のマイクロデータ

性別年齢階層別人口),1( Yy

),1( Yy yy Tt

年齢階層別人口のチェック

N

※１Y

sm,

msx

ランダムサンプリング

y yy Tt ;　　　　　　　が　性別年齢階層に所属する

か？

NY

によって　　と　　の誤差が改善されるか？

再生成された　　

shyt yT

( 収束計算時 )

N Y

③周辺分布（５歳年齢階層別人口）　に一致するように調整

Documents

初期マイクロデータの推定手法に関する エージェントベースとセルベースの比較

初期マイクロデータの推定手法に関するエージェントベースとセルベースの比較