The Method of Predicting Area Characteristics by Colored Category Map Images Based on Geographic Object Categories

本稿では地理オブジェクトカテゴリに基づいた色付きカテゴリ地図画像を利用した地域特性予測手法を提案する．地域は人々が生活や社会活動を行う地理的な領域であり，様々な側面からその特性（地域特性）をとらえることができる．たとえば，子育て中の夫婦にとっては「子育てのしやすさ」は重要な地域特性であると考えられる．しかし，「子育てのしやすさ」といった抽象度が高い地域特性は，複合的で定式化が困難な地理的要因に基づいて決定されるため，機械学習を用いた高精度な予測が期待される．本稿では，教師あり学習を利用した地域特性予測において，その予測性能を向上させる手法を提案する．本手法では，対象地域内に存在する地理オブジェクトの位置とカテゴリが地域特性に強く関連するという仮説の下，入力データとして，地理オブジェクトのカテゴリを色で表した地図画像（Colored-Category Map画像：CCM画像）を用いる機械学習モデルを利用する．この機械学習モデルに対してCCM画像の特徴を利用した自己教師あり学習を事前学習として行う．そして，事前学習をした訓練済みモデルを対象とする地域特性に関する教師データでファインチューニングする．評価実験により，提案手法が予測性能の向上に寄与することが示された．

In this study, we propose a method for predicting area characteristics using colored map images based on geographic object categories. Areas are where people live and involve in social activities, and their characteristics can be understood from various aspects. For example, whether the area is suitable for raising children would be an important area characteristic for a family raising a child. However, since highly abstract regional characteristics such as “ease of raising children” are determined based on complex geographical factors that are difficult to formulate, highly accurate predictions using machine learning are expected. Then, we propose a method to improve the predictive performance of area characteristic predictions using supervised learning. Based on the hypothesis that the location and category of geographic objects in the target region are highly related to area characteristics, our method uses a machine learning model that trains Colored-Category Map images (CCM images) in which the categories of geographic objects are represented by colors. Also, this machine learning model is pre-trained using self-supervised learning that uses CCM images. The pre-trained trained model is then fine-tuned using supervised data on the target area characteristics. Evaluation experiments demonstrated that the proposed method contributes to improving predictive performance.