新型コロナウイルス感染症により人々の密集や移動に関心が集まっており，他にもMaaSや5Gなど移動に関する技術に注目が集まっている．我々はジオタグ付きツイートを用いて密集している場所を明らかにする研究を行っており，本稿ではそれを拡張した手法を提案する．ジオタグ付きツイートとは，ツイート場所の地理情報が含まれたツイートである．ジオタグ付きツイートはユーザの行動が反映され，その行動を知る手掛かりになる．我々は，3年間の日本語と英語のすべてのジオタグ付きツイートを使うことで，ユーザの好みに応じた経路推薦手法を提案する．提案手法はユーザの好みに応じたサブセットを利用し，それを経路探索のコストに組み込むことで経路を推薦するものである．ジオタグ付きツイートの多いエリアは注目すべきエリアと考えられ，これを経路探索のコストに重ね合わせることで，ユーザの好みに応じた経路推薦を行う．提案手法の1例として，「海沿いを通りたい」好み，「朝日/夕日を見たい」好み，「夜間に賑やかな経路を通りたい」好みに応じた場合について説明する．「海沿いを通りたい」好みに対してはハッシュタグで抽出，「夜間に賑やかな経路を通りたい」好みに対しては夜間のツイートから抽出したサブセットを利用する．また，提案手法は外部データソースもコストとして扱うことができ，夜間光データも経路推薦のコストとして使用する．

The COVID-19 infection has attracted attention to the density and mobility of people, and other mobility-related technologies, such as MaaS and 5G, have also attracted attention. We have been studying the use of geo-tagged tweets to identify densely populated areas, and in this paper we propose an extended method. A geo-tagged tweet is georeferenced information that indicates the geographical origin of a tweet. Geo-tagged tweets provide an excellent opportunity to understand the underlying user behavior. We propose a preference-aware route recommendation method relying on a large number of tweets over a 3 years English and Japanese tweets. The method can recommend routes based on user preference by extracting a subset of geo-tagged tweets according to user preference and using that subset to generate a cost function for route discovery. The proposed method assumes that areas with a high density of geo-tagged tweets are areas of high interest. In other words, if the density of geo-tagged tweets with user preference is superimposed on the cost of the route search, the users' preference can be considered when recommending a route. We highlight a coastal, sunrise/sunset views, and vibrant at night route recommendation mechanism for a case study of our method. For the preference to go coastal road, we use hashtags, and for the preference to go vibrant route at night, we use a subset extracted from nighttime tweets. Our proposed method can also use external data as a cost, and nighttime light data is also used as a cost for route recommendation.