More Related Content
What's hot (20)
Similar to データビジュアライゼーションをきっかけに冲縄の交通の「次の一手」を考えよう (8)
More from Masaki Ito (20)
Recently uploaded (11)
データビジュアライゼーションをきっかけに冲縄の交通の「次の一手」を考えよう
- 1. データビジュアライゼーションをきっかけに 沖縄の交通の「次の??」を考えよう 東京?学 ?学院情報理?学系研究科 附属ソーシャルICT研究センター 伊藤昌毅 Okinawa Open Data Challenge 2021（プレイベント） 2021年11?4? 宜野湾ベイサイド情報センター Gwave
- 2. 伊藤 昌毅 ? 東京?学 ?学院情報理?学系研究科 附属ソーシャルICT研究センター 准教授 ? 静岡?学 ??情報学研究所 客員教授 ? 専?分野 – ユビキタスコンピューティング – 交通情報学 ? 経歴 – 静岡県掛川市出? – 2002 慶應義塾?学 環境情報学部卒 – 2009 博?（政策?メディア） 指導教員? 慶應義塾?学 徳?英幸教授 – 2008-2010 慶應義塾?学?学院 政策?メディア研究科 特別研究助教 – 2010-2013 ?取?学 ?学院?学研究科 助教 – 2013-2019 東京?学 ?産技術研究所 助教 – 2019-2021 東京?学 ?産技術研究所 特任講師 – 2021-現在 現職 ? 資格 – 運?管理者（旅客） 2
- 3. ? 標準フォーマット関連 – バス情報の効率的な収集?共有に向けた検討会 座?(H28年度) – 標準的なバス情報フォーマット利活?検討会 座?(H29年度) – バス情報の静的?動的データ利活?検討会 座?（H30年度） – GTFS-JPに関する検討会 委員（R2年度） ? オープンデータ関連 – 公共交通分野におけるオープンデータ推進に関する検討会 委員（H29年度-R3年度） ? MaaS関連 – 都市と地?における新たなモビリティサービスのあり?懇談会 委員（H30年度） – 新モビリティサービス推進事業有識者委員会 委員（R1年度） ? 交通政策審議会 – 交通政策基本計画?委員会 委員（R1年度-） ? シェアサイクル – シェアサイクルの在り?検討委員（R1年度-） ? 鉄道 – 鉄道の混雑緩和に資する情報提供のあり?に関する勉強会 委員（R2年度） ? 点呼 – 運?管理?度化検討会?ワーキンググループ（R2年度-） 伊藤×国?交通省
- 4. ? 経済産業省 オープンデータ関連 – 官?データの相互運?性実現に向けた検討会 座?(H29年度) – 情報共有基盤 利?促進ワーキンググループ 委員（H30年度） ? 総務省 オープンデータ関連 – 地域情報化アドバイザー（R2年度?） 伊藤×経済産業省?総務省
- 5. ? 沖縄観光2次交通の利便性向上に向けた検討委員会 座?（H30年度-R2年 度） ? 群?県バスロケーションシステム実証実験 アドバイザー（R1年度） ? さいたま市 スマート駅広研究会 副会?（R2年度?） ? 佐賀市 街なか未来技術活?モデルプラン策定業務有識者会議 委員(R2年 度?) ? 東京都 東京都における地域公共交通の在り?検討会 委員(R2年度?) ? R3年度、更に2?治体と調整中 ? その他?治体主催のイベントでの講演多数 – 静岡県掛川市、?川県能美市、群?県、島根県安来市、沖縄県、富?県、岐?県、北海道な ど 伊藤×地??治体
- 8. ? 測定や観察、推論などで得られた、事物の状態や様相などを主 に定量的に表現したもの。「何がどうだ」という形をとる ? 観測者や測定?法などが異なっても、同じ値になることが望ま しい。 ? 実際には、ほぼ全てのデータには誤差がある。そのため、デー タは精度を考慮して扱う必要がある データ ※ 定義は伊藤による ? データの例 – ?呂のお湯? 40度 – 新?相の?持率? 68% – 好きな?? ? ? データではない例 – 30? – キャプテンの額に汗が滲んだ – バス? 遅い
- 9. ? 解釈して、意味の理解や価値判断が出来るデータ – 解釈出来るかはその?の知識に依るので、データを情報と?なせるかどうかは?によっ て異なる ? 例 – テストの点数? 60点 → このままではデータ – 平均点が30点、最?得点が62点という判断基準が?されると解釈可能になる ? データを情報にするために – データ取得状況に注?し意味の読み換え – 異なる時刻、異なる場所、異なるサンプルのデータを収集し、差や変化に注? – 異なるデータと突き合わせてデータを説明させる – 判断基準の明確化 インフォメーション ※ 定義は伊藤による
- 10. ? 意志決定に寄与するように解釈され、秩序づけられた事実 ? データに基づくが、分析者の主観（洞察）によって隠れた意味 を読み解くところに価値がある ? 情報を利?する「?的」と表裏?体。何をしたいかによって求 められるものが変わる ? 例 – テストの点が 40点→38点→42点→60点→80点 – →途中から努?して勉強に励んだ インテリジェンス ※ 定義は伊藤による
- 12. 番 番号 号 緯 緯度 度 経 経度 度 時 時刻 刻 1 26.049484 127.707568 2021/11/5 10:41 2 26.203311 127.644437 2021/11/5 10:50 3 26.204844 127.649023 2021/11/5 11:00 4 26.206459 127.652211 2021/11/5 11:10 5 26.196753 127.667002 2021/11/5 11:20 6 26.210531 127.676554 2021/11/5 11:31 7 26.211084 127.675498 2021/11/5 11:40 8 26.211636 127.675411 2021/11/5 11:50 9 26.210955 127.675742 2021/11/5 12:00 10 26.211131 127.674868 2021/11/5 12:10 11 26.211325 127.675635 2021/11/5 12:20 データ? GARMIN eTrex 30xJ のログデータ （抜粋）
- 13. ? データ取得状況に注?し意味の読み換え – GPSデバイスの位置情報→伊藤の位置情報 ? 異なる時刻、異なる場所、異なるサンプルのデータを収集し、 差や変化に注? – 時系列での変化を追う ? 異なるデータと突き合わせてデータを説明させる – 緯度経度を鍵として、地図データと突き合わせる ? 判断基準の明確化 – この範囲内の数値は?本、沖縄県 – ほぼ同じ数値が連続する→完全に停?している これをインフォメーションにするために
- 14. ? 騒?が30dB → ほとんど?がしない。静か ? コートが3着売れた → 冬物?料が3着売れた ? 新規新型コロナ感染者減少 → ?曜?だからそもそも検査が少 ないので、実際は減ってない ? テストの点90点 → 今回は?が当たったので、実?は70点くら い 数字の意味の読み換え: 実はよく?っている
- 15. 番 番号 号 緯 緯度 度 経 経度 度 時 時刻 刻 1 26.049484 127.707568 2021/11/5 10:41 2 26.203311 127.644437 2021/11/5 10:50 3 26.204844 127.649023 2021/11/5 11:00 4 26.206459 127.652211 2021/11/5 11:10 5 26.196753 127.667002 2021/11/5 11:20 6 26.210531 127.676554 2021/11/5 11:31 7 26.211084 127.675498 2021/11/5 11:40 8 26.211636 127.675411 2021/11/5 11:50 9 26.210955 127.675742 2021/11/5 12:00 10 26.211131 127.674868 2021/11/5 12:10 11 26.211325 127.675635 2021/11/5 12:20 時系列データ? 距離を計算（約10分間隔?直線距離） 18,174m 489m 365m 1,828m 1,800m 122m 62m 82m 89m 80m 時速100km以上 かなり?速 ほとんど ?まってる? 時速10km以上 街中の乗り物?
- 16. ? 1番?の点は海上、2番?以降は陸上 ? 2番?の点は那覇空港 ? → 10:50頃、空路によって那覇空港に 着陸した 緯度経度に基づき地図と重ねる 1
- 17. ? 2,3は那覇空港内 ? 4: 那覇空港駅付 近 ? 5: ?禄駅付近 ? 6: 旭橋駅付近 ? 11:10頃?11:30 頃にモノレールで 移動した 緯度経度に基づき地図と重ねる 2
- 18. ? 6以降は旭橋駅周辺 ? 7→8→9→10→11は短距 離のランダムな動き ? ?い建物がある場合GPS の電波が届かず不正確に なるので、静?している 可能性もある ? → 11:40以降旭橋駅周辺 に滞在 緯度経度に基づき地図と重ねる 3
- 19. ? 伊藤の?動 – 10:50頃、空路によって那覇空港に着陸 – 11:10頃?11:30頃にモノレールで移動 – 11:40以降旭橋駅周辺に滞在 ? で、どうすればいいの??? →インテリジェンスを導き出せ るか? 解釈されたインフォメーション
- 20. ? 様々な周辺情報などを加味しながら、より深くインフォメー ションの意味を読み解く ? 何かを判断する?掛かりに ? 情報を利?する?的 – 次の仕事を依頼するのにふさわしいか判断したい – 新製品を買って欲しい – 伊藤の「追っかけ」をやりたい インテリジェンス
- 21. ? 昼頃旭橋駅にいたのだから昼?を取っただろう ? ?地勘がないから、アプリで店を探しただろう ? Google Mapsには2件のレストランが登録 「?事」を解釈
- 22. ? 繁華街の駅近くの店に?るのだから、郷?料理にはあまり興 味がなさそう – →地?創?、地域活性化などの仕事は頼まない?が良い? ? 店で昼?を?べるのだから、時間にはゆとりがありそう – →どんな仕事でも頼んだら引き受けてくれるのではないか? ? ネット情報によると会議は15:30開始なので、早めに来て観 光するのではないか? – →近くの観光情報を伝えると?ってくれそう ? 当たってたり外れてたり。お役に?てましたでしょうか? どんなインテリジェンスが得られる?
- 24. ? 「?的」があったはず – 伊藤が何を?べたかはどうでもいい話だが、取引先の社?ならば話が違う ? 今回の?的? 交通をより良くする そもそも何のためのインテリジェンス?
- 25. ? 発?フェーズ – どのような問題があるか探す ? 課題の重要性だけでなく、規模、必要な期間が「解けそう」であることも?事 ? 決定フェーズ – 企業や役所内部で課題解決プロジェクトの承認を得る ? 必要な期間や経費を?積もり、「解ける」ことを説得することが?事 ? 実?フェーズ – 様々な?を巻き込み、動いてもらう必要 ? 理解を得て納得してもらうことが?事 ? 評価フェーズ – ほんとうに効果があったか、課題が解決されたかを確認 ? うまく?かなかった場合でも、誤魔化さず後に繋がる知?を得ることが?事 交通をより良くするプロセス 課題発見 施策決定 施策実行 結果評価
- 26. ? 発?フェーズ ? 決定フェーズ ? 実?フェーズ ? 評価フェーズ 各フェーズにおいてデータ活?が?事
- 27. ? 本当の課題は最初は分からない ? 「こんな課題があるだろう」と仮説を?て、それを元にデータ を探る ? ?発で課題にたどり着くことはない。仮説をデータで検証し、 より精度の?い課題にたどり着くことが?事 – このサイクルを何回も回す – 毎回のサイクルで、データ分析を?って「仮説は正しいかどうか」を?すインテ リジェンスを得る 本?の事例? 課題発?フェーズ
- 28. ? バスに乗る?が少なすぎる ? バスの便利さが伝わっていない ? バスの便利さを伝えればもっと利?が増えるはず 最初の仮説
- 29. ? バスデータ? OTTOPの オープンデータ – 48件のGTFSデータが公開中 – ?部主要バス事業者を除くほぼ 全てのモノレール、バス、船舶 のデータ まずはデータを?てみよう https://www.ottop.databed.org
- 31. ? x
- 33. ? 地域をは知っている公共交通の全体像を掴む?法 ? GTFSデータにおいては、QGISのGTFS-Goプラグインを?い て作成可能 – https://qiita.com/Kanahiro/items/976900c4e5542acfe29d ? PostGISによる作成?法もドキュメント化 – https://qiita.com/niyalist/items/50acea5837c52aa51b31 運?頻度図の作成
- 36. ? データは乗り場単位で作成 されている ? データ分析においては、同 名のバス停はまとめた?が わかりやすい ? とはいえ、同じ名前の全く 違うバス停も… バス停の束ね
- 37. 実演
- 38. ? データを?ると、全体を分かったつもりになる ? 実際の交通は1?ひとりの移動であり、全体像を把握するだけ では掴みきれない ? ?分がよく知っている場所、路線などを?て、数字と体感を? 致させる ? いちばん?きく拡?するのが?事 ? 背景地図を航空写真にした?が良い データを読んでみる
- 39. ? 最新は2015年の国勢調査 – 250メートルメッシュデミル ? 同じく、データを読むのに時間を使う – ??が多いところはどこですか? – ?分が住んでいる地域の数字から、体感を得る 国勢調査データを重ねる
- 41. 実演
- 42. 公共交通の运?本数の直感的把握
- 43. ??と运?本数?较
- 44. 中?地からの到达时间
- 48. ? × データ活? ? ○課題発??解決 データ活?プロジェクトを考えてみよう
- 49. ? 社内データ – 運営、営業上の重要事項を表現 – 外には出せないが、どう解釈していいか分からない ? 「テストの点数60点」と同じ状態 ? 公開（オープン）データ – 社会全体の共通知識となるようなデータ – それ?体に新しい発?はないが、何かを考える時の基礎となる ? 社内データを公開データに基づいて評価することでデータから インフォメーション?インテリジェンスに繋がっていく 社内データ+公開（オープン）データで洞察を深める
- 50. ? ?間にとっては右の?が理解しやすい ? データとする場合は、余計な解釈をせずそのままの数字を出す べき どちらが分かりやすい?どちらが「データ」らしい? 番 番号 号 緯 緯度 度 経 経度 度 時 時刻 刻 1 26.049484 127.707568 2021/11/5 10:41 2 26.203311 127.644437 2021/11/5 10:50 3 26.204844 127.649023 2021/11/5 11:00 4 26.206459 127.652211 2021/11/5 11:10 5 26.196753 127.667002 2021/11/5 11:20 6 26.210531 127.676554 2021/11/5 11:31 7 26.211084 127.675498 2021/11/5 11:40 8 26.211636 127.675411 2021/11/5 11:50 9 26.210955 127.675742 2021/11/5 12:00 10 26.211131 127.674868 2021/11/5 12:10 11 26.211325 127.675635 2021/11/5 12:20 10:50頃、空路によって那覇空港に着陸 11:10頃?11:30頃にモノレールで移動 11:40以降旭橋駅周辺に滞在
- 51. データを1件ごと切り出せるように 出典：統計表における機械判読可能なデータ作成に関する表記方法 https://www.soumu.go.jp/main_content/000723697.pdf
- 52. ? AI?機械学習 – ほとんどの場合?間のほうが賢い – 「ひらめき」がないので仮説検証のループにおいてはほとんど役に?たない – ?量のデータをそこそこの精度で継続的に処理する場合にのみ導?を検討 当?考えなくていいこと
- 53. ? 決定フェーズ – 社内、組織内にやりたいことを分かってもらう ? 実?フェーズ – 関係者、?般市?などに取り組みやその成果を理解してもらう ? データやビジュアライゼーションを?いることで効果的なコ ミュニケーションが可能に 説得、共感、コミュニケーション