モバイル端末の機能が向上するにつれ、人々は都市環境との関わりの足跡を残すようになっています。その結果、都市コンピューティングやスマートシティといった新たな研究分野では、都市の動態を理解することで、都市環境における生活の質を高めることに取り組んでいます。従来、都市分析には調査で得られたデータが用いられてきました。しかし、従来の手法には主に次のような重大な制約があるため、GPS、Wi-Fiホットスポット、位置情報付きソーシャルネットワークなど、新たなデータソースの重要性が増しています。（1）調査データの収集が複雑で費用がかかること、（2）データが静的で、特定の時点における状況のスナップショットにすぎないこと、（3）個人情報と受け止められる情報を提供することへの人々の抵抗が強まっていることです。都市環境の研究に関わる主な新しいデータソースの一つが携帯電話の記録です。これには、人の動態に関する幅広い情報（移動性から社会的背景、社会的ネットワークまで）が含まれており、個人や地理的区域の特徴づけに利用できます。
Telefónica I+Dでは、携帯電話ネットワークのインフラが提供するデータを用いた3つの応用に取り組み、そこから抽出した情報が都市の動態のモデル化にどのように活用できるかを実証してきました。すなわち、人口密集地域（ホットスポット）の検出、土地利用の特定（住宅地、工業地、商業地など）、そして通勤行列の構築です。
人口密集地域の検出では、都市環境の中で人々が毎日の特定の時間帯に訪れる傾向のある区域と、その時間的な変化を特定します。この情報は、とりわけ都市計画や交通計画の担当者にとって極めて重要です。都市環境のどこで、いつ、人々の密度が高くなるのかについて、重要な知見が得られるためです。人口密集地域検出の問題は、当初、データマイニング分野で、時空間データから最小密度値を満たす区域の集合を特定する課題として提示されました。これらの手法に共通するのは、値を集約するために、固定サイズで重なり合わないグリッドを用いることです。そのため、検出される区域の形状が「制約」され、一般に、望ましい密集区域の上位集合または下位集合にあたる区域が特定されます。Telefónica I+Dでは、携帯電話ネットワークのデータを使って人口密集地域を自動検出する新たな手法、Dense Area Discovery（DAD-MST）アルゴリズムを開発しました（詳細は参考文献[1]を参照）。従来の手法とは異なり、固定サイズのグリッドではなく、空間領域を自然に分割する手法を用いるため、従来の解決策の制約を克服できます。一例として、図1はメキシコのグアダラハラ市で特定された人口密集地域を示しています。
携帯電話記録データベースに含まれる情報を用いて、特定の都市区域がどのように利用されているか（住宅地、商業地、公園など）を特徴づけることができます。都市を分割する地理的区域は、通信塔群の概算カバー範囲に基づいて定義します。通信塔、ひいてはそのカバー区域の活動量を、一定期間にそのBTSが処理した通話数と定義し、平日と週末の活動を区別します。このデータを用い、次のようなクラスタリング手法によって、各区域の特徴をクラスタリングすることで土地利用を自動的に特定できます。 k-means または スペクトラルクラスタリング。詳細は[2]および[3]を参照してください。一例として、図2はマドリードで検出された夜間の活動に基づく土地利用を示しており、この種の塔の活動は週末の夜にピークを迎えることが分かります。
携帯電話の記録に含まれる時空間情報を集約すれば、都市区域の通勤行列を構築できます。この情報は、交通路線の設計や、現在の交通路線と都市の実際の需要を照合し、新たな公共交通路線を定めるうえで重要です。形式的には、この問題は、特定の時点における2つの地理的区域間の頻繁な移動を特定することとして示せます。Telefónica I+Dでは、携帯電話の記録を用いて通勤行列を構築する新たなアルゴリズムを提案し（参考文献[4]および[5]を参照）、市役所が作成した通勤行列を用いて検証しました。結果は、元の行列を誤差15%以内で近似できることを示しています。
結論として、従来の都市分析手法はアンケートに基づいており、時間と費用の制約を伴います。携帯電話ネットワークのように広く普及したインフラが生み出す知見を抽出することで、都市の動態を説明するモデルを構築できます。これらは従来の都市分析手法を補完し、従来の制約を克服するものです。ここで挙げた例は、あくまでこうしたアプローチの能力を実証するものであり、より具体的な応用を開発するための基礎として利用できます。
参考文献
[1] M. Vieira、V. Frias-Martinez、N. Oliver、E. Frias-Martinez、「携帯電話通話データによる高密度都市区域の特徴づけ：発見と社会的動態」、第2回国際社会コンピューティング会議（SocialCom 2010）、2010年。
[2] V. Soto、E. Frias-Martinez、「携帯電話データを用いた都市景観の頑健な土地利用特性評価」、第9回国際ユビキタス・コンピューティング会議併催、第1回Pervasive Urban Applicationsワークショップ、サンフランシスコ、2011年。
[3] V. Soto、E. Frias-Martinez、「携帯電話記録を用いた土地利用の自動特定」、ACM Hotplanet 2011、第3回惑星規模計測のホットトピックに関する国際ワークショップ、ACM Mobisys 2011併催、ワシントンD.C.。
[4] 「携帯電話ネットワークデータを用いた都市通勤パターンの推定」、V. Frias-Martinez、C. Soguero、E. Frias-Martinez、ACM SIGKDD都市コンピューティング国際ワークショップ（UrbComp）、中国・北京、2012年。
[5] 「人の移動性とソーシャルネットワーク情報を用いた感染症拡大のエージェントベースモデル」、E. Frias-Martinez、G. Williamson、V. Frias-Martinez、第3回IEEE国際社会コンピューティング会議（SocialCom 2011）、米国マサチューセッツ州ボストン。
本記事は、 Think Bigとの協力により公開されています。公開は、世界経済フォーラムによる見解への賛同を意味するものではありません。
アジェンダの最新情報を受け取るには、 週刊ニュースレターにご登録ください。
著者：Enrique Frías-MartinezはTelefónica I+Dに勤務しています。
画像：ゼニツァで撮影された写真イラストの中で、男性たちがスマートフォンを手にしている。ロイター。