研究室活動

卒論スケジュール

• 2/5 題目提出
• 2/9 予稿提出
• 2/19,20 発表会
• 3/2 卒論提出

1/29の週からスライド、予稿の作成を始める

ゼミスケジュール (後期)

2/6

• 予稿原稿確認

1/26 井出

• 卒論題目決定　⇒ 2/5提出
• 予稿に載せる予定の図 (現段階では若干多くても良い) の確認 (発表のストーリーになる)
• 週明けまでに原稿準備 ⇒ 2/5の朝までに原稿準備

1/23 山崎

1/19 (並木)

1/16 (亀田), 井出

1/12 並木

(13:30ころ〜)

1/9 卒論の進め方 (4年全員)

1/5 名倉

時系列データ処理の学習 (検定を中心に)

12/25, 26, 卒論中間発表

12/22 発表練習

12/19 スライドチェック

スライドをほぼ完成させる

口頭発表 第１稿

(4年生 発表予稿の原稿提出 ⇒ 豊木)

12/15 卒論中間発表スライド概要チェック

４年生は発表スライドの骨子決定

(これまでに１度は個別打ち合わせ)

準備の方針

• 研究背景
  • なぜその研究が必要なのか
    • 社会的ニーズ
    • 先行研究
    • 自分の研究の意義
    • (先輩の発表スライドを参考にする。先行研究として図などを引用をしても良い)
• 研究の方針
  • 山崎 データの取得を自分がやったことの範囲を越えて説明する 生データから
  • 並木 データ観測システムからデータ処理まで
  • 井出 モデルの説明、特に注目するパラメータとその意味
• 現在までやれていること
• 卒論の目標とそれに至る方針

アウトラインをスライの表題・写真・図を並べる形でつくる。（ノートに概略・スライドの順序を書いてからスタートしてもよい。）

12/12 3年生

仮配属研究

• 八ヶ岳、バス車載器情報の解析
  • データベースからの情報抽出
  • GPS(位置)データの解析 (データの欠損箇所の図示)
  • 位置データから発着時刻を推定する(甲府駅南口の場合を例に)

    http://8tops.yamanashi.ac.jp/~toyoki/busloc/showBusLocations.php

    Googleドライブ上の「早期配属2017年後期」や「ピクニックバス利用者分」を参照

• raspberry piを利用した車載器の活用 (コミュニティバスなど小規模路線のバスロケのための安価・ポータブルな車載器作成と実証実験)
  • Linux OS (種々の制御、サーバプロセス、ネットワークなどの学習)も
• 交通流シミュレーション (過去の研究の追試)
  • javaプログラミング、サーバでのシミュレーション実行
  • データ解析(python利用)の練習

卒論テーマにつなげるためには、M1よりも現4年生の内容に近いほうが良いだろう。(発表時期が重ならない。）

12/9 バスマップサミット(於 北口・藤村記念館)でネタをひろう。

(路線情報のオープンデータ化がテーマ。やまなしバスコンシェルジュのデータは他に先駆けてオープンにしている。） ヴァル研究所の人がそれを拾って地図に載せてくれました（下記URL）

http://umap.openstreetmap.fr/ja/map/from_184077

12/8 井出

12/5 亀田

12/1 並木

11/28 山崎

飛び入り

バスロケデータを路線セグメント上にのせることに成功

11/24 名倉

11/21 山崎

11/17 井出

11/14 亀田

11/10 卒論打ち合わせ

11/7

打ち合わせ

10/31 並木

• pcap to csv スクリプト

10/27 名倉

• 横軸を距離にとった時の始発からの距離の変化

10/24 山崎

• json形式データをGoogle Maps API を使った表示

10/20 亀田

• 八ヶ岳定点観測Mac addressカウントの滞在時間帯の集計

10/17 井出

• 桜林プログラムの解説

10/10

データベースの勉強

9/8

• 1次元交通流に対する追従モデルの振る舞い

8tops.yamanashi.ac.jp:~shimizu/wifi-pr/clear02 は、萌木の村に設置された機器からのデータである。(7日午後から) このデータから、流動解析を行うツールを至急開発する。 (亀田?)

• ファイルは1時間ごとになっているので、それを順番に読み込み、処理をする。
• wifiドングルごとのファイルにわかれているので、それらを合わせて効率的に時系列に並べるにはどうしたらよい考えてみる。
• 手順をきちんと考えてから（その時点で相談）、プログラミングを始めること。

9/5 今後の打ち合わせ

• 工学研修(4年生)スライド・予稿,学会発表(名倉)スライド・ポスターは忘れないうちにGoogle Driveに保管しておいてほしい。
• ゼミの曜日
• 10月末ころまでの各自の予定と卒論テーマの大枠

研究テーマ設定 (9月)

卒論テーマは、M1のテーマと重なっても良い。今年度、修論発表はないので。共同研究という位置づけ。

車線規制前後の交通流シミュレーション

• 特に車線規制区間の長さが後続に与える影響の考察 (井出)
  • まずは、javaの基礎的勉強 (研究室ページの「JAVAのGUIについて」に基づくのでどうか。)
• セル数を長大にして周期境界条件をつけてみる など

八ヶ岳方面観光客動態の調査

1. バス車載器の設置とデータ取得 (並木)
   • Raspberry Pi 搭載のソフトウェア開発
     • 位置情報、Macアドレスの取得
     • サーバへの送信 (3G回線接続方法を含む)
     • OS起動時に必要なソフトを立ち上げる
     • 研究室からの遠隔操作・モニタリングの仕組み
     • 以上を、実配備する前にテスト
2. 複数地点のデータの解析 (亀田, 並木)
3. OpenStreetMapや国土地理院地図の利用テスト (国土地理院のサービスが進んでいるようなので、要チェック)
   • サンプル http://8tops.yamanashi.ac.jp/~toyoki/geojson/sample1.html
   • geojsonのページ https://github.com/gsi-cyberjapan/vector-tile-experiment

バス運行状況解析

1. 先行研究論文の講読
   • 「バスロケーション情報を用いたバス停間所要時間の予測」(内村ら、国際交通安全学会誌 32, 224 (2007). 類似バターンと回帰分析の組み合わせがARMAなどよりも良いと述べている。(予測したのがバス停間所要時刻である点に注意。
2. 15秒間隔バスロケデータの解析
   • 道路上の地点に位置情報をマップし、交差点(や合流地点)手前の位置と速度の関係をプロット
   • 手始めに、http://8tops.yamanashi.ac.jp/~toyoki/buslog2016/getLocationsYamanashi.php から得られるデータを処理してみる。
     • このページにて路線と始発時刻、年月日範囲を指定すると、停留所通過時刻の一覧表がでる。このひょうの左上の「総称ID:xx 路線IDxx」をクリックすると、その路線の道筋情報（緯度経路の列、つまり折れ線の頂点列)が得られる。これをファイルに取っておく。
     • 表の日にちをクリックすると、その日のGPSデータ（15秒ごとの)の一覧表が下に現れる(地図も)。一覧表の下に、カンマ区切りの一覧も表示される。この部分をきりとり、csvファイルとして保存する。
     • 上記2つを利用して道筋上の通過時刻列(距離vs.時刻)データに加工する。

       

• 複数の日にちのデータを一度に取得する方法
  • 始発停留所の緯度経度、路線ID、始発と終点時刻、遅れの許容範囲を指定してバスロケ情報を得るプログラムが8topsのweb上にある。 <verb> http://8tops.yamanashi.ac.jp/~toyoki/buslog/BusLocation1ope.php?sLat=35.6679438115537&sLon=138.569540083408&routeID=3&datetime=20170731072500&endDatetime=20170731073300&da=5&aa=4 </verb>

    のようにGET型の与える。

  • 上記でdaが出発点での遅れの許容範囲、aaが終点での許容範囲である。
  • 上記の引数を自分で見つけるのは困難なので、http://8tops.yamanashi.ac.jp/~toyoki/buslog2016/getLocationsYamanashi.php から見つけられるようにしてある。一覧表にて日付を指定すると下の方にバスロケデータが地図上に表示され、さらに下に数値データが表として出てくる。その下の方に引数が表示されている。それを参考にする。
  • さらに複数の日にちのデータをまとめて取得するには、クライアント側で上記のURLを一定範囲にわたって組み立てファイルに格納するプログラムを書く。phpとpythonでのサンプルをこちらに示す。

1. リアルタイム遅延サービスに向けたシステムづくり (到着時刻予測プログラムをサーバシステムに組み込む。様々な技術力向上には役立つが「発見」をどこに求めるかが課題)

二次元道路網における経路選択アルゴリズム

• 二次元交通流シミュレーションのプログラム部品は宮崎(2015卒論)のものを利用できる。
• 多数のエージェントが同じアルゴリズムを利用した場合の競合は?

その他

ゼミスケジュール (前期)

7/11 亀田

7/7 井出

7/4 並木

「基礎情報技術者」アルゴリズムなど

6/30 名倉

サンプル数による線形回帰係数の変化？

6/27 山崎

整数演算の基礎

6/23 亀田

計算精度

クライアントサイドスクリプトやサーバサイドスクリプトを含むコード例については、 http://8tops.yamanashi.ac.jp/~toyoki/lectures/bwp/html_w_scripts.html を参照

6/20 井出

numerical model of the Tanimoto's paper

6/16 並木

コンピュータの仕組みの勉強 (CPU、記憶装置)

6/13 名倉

機械学習第4章

6/9 山崎

Davisの論文のIntroduction和訳

6/6 亀田

リモートホストへのアクセス

6/2 井出

Intro. of Tanimoto's article

5/30 並木

Fukuzaki's paper

5/26 名倉

最尤推定法の学習

5/23 山崎

Windowsのコマンドプロンプトについて

5/16 亀田

WiFiプローブデータ分析を例に、pythonスクリプトに関する学習報告 (ディクショナリーなど)

5/12 井出

Stochastic OV modelについて (OVモデル及びSOVの導入まで)

5/9 並木

sshの説明 RaspberryPiへのアクセス法、dhchp, 有線接続、 GPSのデータ取得(シリアルデバイスに生にアクセスして整形した。）

5/2 名倉

• pythonによるデータ処理（演習問題を通じて）
• (機械学習テキスト講読)

4/28 山崎、(予備：名倉)

pythonによるデータ処理: 生データから描画まで全体のスクリプトを作成。 処理単位として独自関数定義を積極利用

(本格的にtcpキャプチャデータの解析を行うなら、生データから必要なデータを取り出す手法を試す。手順等はGoogle Driveの方に書く。)

4/25 亀田

pythonによるデータ処理（演習問題を通じて）

4/21 井出

Javaプログラムの実行環境とサンプルプログラムの実行の仕方

櫻林卒論講読

4/18 3時限(並木)

早期配属の概要発表

スライドで概要を発表した。 　（次回は、RaspberryPiへのアクセス法、dhchp, 有線接続、GUI、GPSのデータ取得)

4/14 3時限 (名倉)

機械学習テキストによるデータサイエンス学習

「ITエンジニアのための機械学習理論入門」(中井悦司 著、技術評論社) 第１章

4/11 3時限 (名倉)

卒論の概要発表

Javaの実行環境についての講習

https://drive.google.com/drive/folders/0B6lH1nU-JHEcVG01dVhEWTEzQmc

ゼミの内容

• 共通言語としてのJava, Pythonの学習
  • Pythonの実習 GoogleDriveに演習問題を作成してある。https://drive.google.com/drive/folders/0B6lH1nU-JHEcRllFLTVwcWkxOFU

• 機械学習の基礎を書籍により学習
• 研究室のコンピュータの扱い
• ファイル共有
  • Google Drive (4/7)
  • Office365 OneDrive
  • 研究室サーバ
• 研究室サーバ (後日)
  • bdpserv.yamanashi.ac.jp
  • 8tops.yamanashi.ac.jp
  • ユーザ認証
  • ファイル共有
• プリンタ
  • 431室のプリンタ
  • B4回共通のプリンタ
• RaspberryPi

テーマ設定

交通流数値シミュレーション

車線規制がある道路の最適車線変更ルールの探索

セルオートマトンモデル

• 櫻林くんの卒論を読み、プログラムのコンパイル、実行を行ってみる。
• Javaの勉強とプログラムコードのなりたちを理解

微分方程式モデル

将来の課題（１）

道路網上の車が、混雑度、距離等を個々に判断して最適ルートを選択した場合、系全体の流量は最適になるのかをシミュレーションにより考えてみる。

バス運行サービス関連

遅延予測問題

• 機械学習の基礎をセミナーで学習

  「ITエンジニアのための機械学習理論入門」(中井悦司 著、技術評論社)

• 機械学習の遅延予測プログラムへの実装

バス車載器の製作

• 個別技術の習得
  • サーバへの送信とデータの格納
    • htmlにおけるform関連タグとサーバ側phpスクリプトでのデータ取得
  • Google Maps APIの利用
    • 地図へのマーカ、折れ線(Polyline)の描画
    • json形式データの扱い
  • データベースに関する学習
  • Raspberry Pi の扱い (Linux OSの自動起動スクリプト、システムのcloningなど)
• 筐体作成
  • 早期に八ヶ岳のバスでの実証実験

運行情報の標準フォーマットへの対応

• リアルタイムGTFS

観光客の行動分析

観光地（八ヶ岳地域）に設置した携帯端末からのビーコンデータ収集に基づく、観光客の行動分析

tcpdumpデータの解析

• pcap サンプルデータが8topsにある。 ログイン名などはセミナーの時に知らせる。
• それをcsv形式等に変換して解析してみる。 詳細はGoogleドライブの方に書く。