201619 20ハッカソンまとめ

2. まずはアプリのご紹介
ターゲット：釣りに行きたいひと
課題：明日めちゃくちゃ釣りに行きたい。
この時期、どこに行ったら釣れるかな？
解決法：「お魚どこ？」で過去データを
参照してみよう！

3. M.N.：チームリーダー
H.U.：データベース構築
Y.M.：UI設計
K.K.：データ整理
役割分担

4. 分析方法
Javaを使いCSVで提供された情報をデータベースにしました。
※位置はOpen Location Code(6桁)を使用しました。
釣果情報 日付、位置、魚種、(海水温)
海水温情報 日付、位置、温度
釣果情報に対して海水温の情報を付加しました。
海水温と釣果情報との突き合わせは、情報上の範囲では狭すぎるため、
もう一つ広域の範囲(4桁)で行いました。
場所情報 釣り場所、位置
検索時は釣り場所の位置から釣果情報を選択し、
リストとして出せるようにしました。

5. 利用データ
釣果データ：日付、OLC6、魚種タグ
天気データ：日付、緯度、経度、水温
釣り場スポット：釣り情報サイトを参照し、
OLC6を目視で対応づけ

6. データクレンジング（釣果データ）
魚種タグ：無記入データは削除、
複数記載あるものはスペースで自動分割、
カラムずれには未対応
日付：上位8桁のみ使用
OLC6：上位6桁のみ使用

7. 工夫のポイント
大阪湾周辺の漁場をOLC6に対応、
ユーザーが釣り計画を立てるのに役立つ
曜日による釣果の違いを想定して週単位で
表示することも検討したが・・・
釣果は検索日の前後3日間の平均値を採用

8. こんなデータがあったらもっといい！
（釣り場に近い）沿岸部の水温データ
水温だけでなく天気や気温、風速データ
精度の高い釣果データ（絵文字とかナシ）
釣り場の範囲と紐づいた位置情報データ

9. アプリ継続性について
Kriging法に挑戦！？
今回は大阪近海のデータのみ使用したが、
全国の釣り場所にターゲットの
お魚がいる可能性を計算する手法として、
“Kriging法”が使えるかも…しれない！