Enviar pesquisa
Carregar
Mobmap人流データ解析入門
•
42 gostaram
•
17,470 visualizações
Hiroaki Sengoku
Seguir
Dados e análise
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 94
Baixar agora
Baixar para ler offline
Recomendados
G2o
G2o
Fujimoto Keisuke
Cesiumを用いた3次元リアルタイムデータの可視化について
Cesiumを用いた3次元リアルタイムデータの可視化について
Ryousuke Wayama
Cesiumマニアックス― Revenge ―
Cesiumマニアックス― Revenge ―
Ryousuke Wayama
オープンソース SLAM の分類
オープンソース SLAM の分類
Yoshitaka HARA
mcl_3dl: amcl並に軽量な3-D/6-DoFローカリゼーションパッケージ
mcl_3dl: amcl並に軽量な3-D/6-DoFローカリゼーションパッケージ
Atsushi Watanabe
Teslaにおけるコンピュータビジョン技術の調査 (2)
Teslaにおけるコンピュータビジョン技術の調査 (2)
Kazuyuki Miyazawa
QGIS training 2/3
QGIS training 2/3
Yoichi Kayama
SSII2022 [TS2] 自律移動ロボットのためのロボットビジョン〜 オープンソースの自動運転ソフトAutowareを解説 〜
SSII2022 [TS2] 自律移動ロボットのためのロボットビジョン〜 オープンソースの自動運転ソフトAutowareを解説 〜
SSII
Recomendados
G2o
G2o
Fujimoto Keisuke
Cesiumを用いた3次元リアルタイムデータの可視化について
Cesiumを用いた3次元リアルタイムデータの可視化について
Ryousuke Wayama
Cesiumマニアックス― Revenge ―
Cesiumマニアックス― Revenge ―
Ryousuke Wayama
オープンソース SLAM の分類
オープンソース SLAM の分類
Yoshitaka HARA
mcl_3dl: amcl並に軽量な3-D/6-DoFローカリゼーションパッケージ
mcl_3dl: amcl並に軽量な3-D/6-DoFローカリゼーションパッケージ
Atsushi Watanabe
Teslaにおけるコンピュータビジョン技術の調査 (2)
Teslaにおけるコンピュータビジョン技術の調査 (2)
Kazuyuki Miyazawa
QGIS training 2/3
QGIS training 2/3
Yoichi Kayama
SSII2022 [TS2] 自律移動ロボットのためのロボットビジョン〜 オープンソースの自動運転ソフトAutowareを解説 〜
SSII2022 [TS2] 自律移動ロボットのためのロボットビジョン〜 オープンソースの自動運転ソフトAutowareを解説 〜
SSII
Cesiumを動かしてみよう
Cesiumを動かしてみよう
Kazutaka ishizaki
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
Kitsukawa Yuki
【FOSS4G 2016 Hokkaido】Cesiumマニアックス
【FOSS4G 2016 Hokkaido】Cesiumマニアックス
中洞 友希
QGIS講習会【印刷編】
QGIS講習会【印刷編】
Kosuke Asahi
Teslaにおけるコンピュータビジョン技術の調査
Teslaにおけるコンピュータビジョン技術の調査
Kazuyuki Miyazawa
ROS を用いた自律移動ロボットのシステム構築
ROS を用いた自律移動ロボットのシステム構築
Yoshitaka HARA
ORB-SLAMの手法解説
ORB-SLAMの手法解説
Masaya Kaneko
ロボティクスにおける SLAM 手法と実用化例
ロボティクスにおける SLAM 手法と実用化例
Yoshitaka HARA
Cartographer を用いた 3D SLAM
Cartographer を用いた 3D SLAM
Yoshitaka HARA
バイオインフォマティクスで実験ノートを取ろう
バイオインフォマティクスで実験ノートを取ろう
Masahiro Kasahara
SLAM勉強会(3) LSD-SLAM
SLAM勉強会(3) LSD-SLAM
Iwami Kazuya
Pythonではじめるロケーションデータ解析
Pythonではじめるロケーションデータ解析
Hiroaki Sengoku
データ基盤に関わる問い合わせ対応を仕組みで解決する
データ基盤に関わる問い合わせ対応を仕組みで解決する
株式会社MonotaRO Tech Team
カッパ(妖怪)の生息適地マップ作成入門
カッパ(妖怪)の生息適地マップ作成入門
Mizutani Takayuki
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
Yoshitaka HARA
第41回関東CV勉強会 CNN-SLAM
第41回関東CV勉強会 CNN-SLAM
邦洋 長谷川
Cartographer と Autoware を用いた自律走行
Cartographer と Autoware を用いた自律走行
Yoshitaka HARA
Lucas kanade法について
Lucas kanade法について
Hitoshi Nishimura
PythonとQGISで簡単処理
PythonとQGISで簡単処理
Kazutaka ishizaki
Cesium入門ハンズオン~kml読み込み~
Cesium入門ハンズオン~kml読み込み~
Hiroyuki YAMAUCHI
[DL輪読会]DeepSignals: Predicting Intent of Drivers Through Visual Signals
[DL輪読会]DeepSignals: Predicting Intent of Drivers Through Visual Signals
Deep Learning JP
実社会・実環境におけるロボットの機械学習
実社会・実環境におけるロボットの機械学習
Kuniyuki Takahashi
Mais conteúdo relacionado
Mais procurados
Cesiumを動かしてみよう
Cesiumを動かしてみよう
Kazutaka ishizaki
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
Kitsukawa Yuki
【FOSS4G 2016 Hokkaido】Cesiumマニアックス
【FOSS4G 2016 Hokkaido】Cesiumマニアックス
中洞 友希
QGIS講習会【印刷編】
QGIS講習会【印刷編】
Kosuke Asahi
Teslaにおけるコンピュータビジョン技術の調査
Teslaにおけるコンピュータビジョン技術の調査
Kazuyuki Miyazawa
ROS を用いた自律移動ロボットのシステム構築
ROS を用いた自律移動ロボットのシステム構築
Yoshitaka HARA
ORB-SLAMの手法解説
ORB-SLAMの手法解説
Masaya Kaneko
ロボティクスにおける SLAM 手法と実用化例
ロボティクスにおける SLAM 手法と実用化例
Yoshitaka HARA
Cartographer を用いた 3D SLAM
Cartographer を用いた 3D SLAM
Yoshitaka HARA
バイオインフォマティクスで実験ノートを取ろう
バイオインフォマティクスで実験ノートを取ろう
Masahiro Kasahara
SLAM勉強会(3) LSD-SLAM
SLAM勉強会(3) LSD-SLAM
Iwami Kazuya
Pythonではじめるロケーションデータ解析
Pythonではじめるロケーションデータ解析
Hiroaki Sengoku
データ基盤に関わる問い合わせ対応を仕組みで解決する
データ基盤に関わる問い合わせ対応を仕組みで解決する
株式会社MonotaRO Tech Team
カッパ(妖怪)の生息適地マップ作成入門
カッパ(妖怪)の生息適地マップ作成入門
Mizutani Takayuki
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
Yoshitaka HARA
第41回関東CV勉強会 CNN-SLAM
第41回関東CV勉強会 CNN-SLAM
邦洋 長谷川
Cartographer と Autoware を用いた自律走行
Cartographer と Autoware を用いた自律走行
Yoshitaka HARA
Lucas kanade法について
Lucas kanade法について
Hitoshi Nishimura
PythonとQGISで簡単処理
PythonとQGISで簡単処理
Kazutaka ishizaki
Cesium入門ハンズオン~kml読み込み~
Cesium入門ハンズオン~kml読み込み~
Hiroyuki YAMAUCHI
Mais procurados
(20)
Cesiumを動かしてみよう
Cesiumを動かしてみよう
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
NDTスキャンマッチング 第1回3D勉強会@PFN 2018年5月27日
【FOSS4G 2016 Hokkaido】Cesiumマニアックス
【FOSS4G 2016 Hokkaido】Cesiumマニアックス
QGIS講習会【印刷編】
QGIS講習会【印刷編】
Teslaにおけるコンピュータビジョン技術の調査
Teslaにおけるコンピュータビジョン技術の調査
ROS を用いた自律移動ロボットのシステム構築
ROS を用いた自律移動ロボットのシステム構築
ORB-SLAMの手法解説
ORB-SLAMの手法解説
ロボティクスにおける SLAM 手法と実用化例
ロボティクスにおける SLAM 手法と実用化例
Cartographer を用いた 3D SLAM
Cartographer を用いた 3D SLAM
バイオインフォマティクスで実験ノートを取ろう
バイオインフォマティクスで実験ノートを取ろう
SLAM勉強会(3) LSD-SLAM
SLAM勉強会(3) LSD-SLAM
Pythonではじめるロケーションデータ解析
Pythonではじめるロケーションデータ解析
データ基盤に関わる問い合わせ対応を仕組みで解決する
データ基盤に関わる問い合わせ対応を仕組みで解決する
カッパ(妖怪)の生息適地マップ作成入門
カッパ(妖怪)の生息適地マップ作成入門
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
第41回関東CV勉強会 CNN-SLAM
第41回関東CV勉強会 CNN-SLAM
Cartographer と Autoware を用いた自律走行
Cartographer と Autoware を用いた自律走行
Lucas kanade法について
Lucas kanade法について
PythonとQGISで簡単処理
PythonとQGISで簡単処理
Cesium入門ハンズオン~kml読み込み~
Cesium入門ハンズオン~kml読み込み~
Semelhante a Mobmap人流データ解析入門
[DL輪読会]DeepSignals: Predicting Intent of Drivers Through Visual Signals
[DL輪読会]DeepSignals: Predicting Intent of Drivers Through Visual Signals
Deep Learning JP
実社会・実環境におけるロボットの機械学習
実社会・実環境におけるロボットの機械学習
Kuniyuki Takahashi
実社会・実環境におけるロボットの機械学習 ver. 2
実社会・実環境におけるロボットの機械学習 ver. 2
Kuniyuki Takahashi
20141011 moss9aoki
20141011 moss9aoki
和人 青木
『Mobageの大規模データマイニング活用と 意思決定』- #IBIS 2012 -ビジネスと機械学習の接点-
『Mobageの大規模データマイニング活用と 意思決定』- #IBIS 2012 -ビジネスと機械学習の接点-
Koichi Hamada
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
Preferred Networks
A07 角田研究室7 板垣百華
A07 角田研究室7 板垣百華
aomorisix
深層学習を用いたコンピュータビジョン技術とスマートショップの実現
深層学習を用いたコンピュータビジョン技術とスマートショップの実現
DeNA
【A02】ドローンを使ったプログラミング教育【青森大学/ソフトウェア情報学部 橋本研究室】
【A02】ドローンを使ったプログラミング教育【青森大学/ソフトウェア情報学部 橋本研究室】
aomorisix
Study Group of NIPS2017 presented by webfarmer.ltd
Study Group of NIPS2017 presented by webfarmer.ltd
WEBFARMER. ltd.
強化学習その5
強化学習その5
nishio
強化学習その5
強化学習その5
Hirokazu Nishio
2011研究室紹介
2011研究室紹介
Hironobu Fukai
Try Azure Machine Learning
Try Azure Machine Learning
sady_nitro
人を動かすデータビジュアライゼーション - データビジュアライゼーションを学問にするには?
人を動かすデータビジュアライゼーション - データビジュアライゼーションを学問にするには?
E2D3.org
T univ
T univ
Makoto Kawano
0208 ioddプレイベント発表資料案 20140203
0208 ioddプレイベント発表資料案 20140203
okfjevent
2010 10 02_mahara_openforum_report
2010 10 02_mahara_openforum_report
Tom Hayakawa
ICDE 2014参加報告資料
ICDE 2014参加報告資料
Masumi Shirakawa
120727 gms2012nagoya presentation
120727 gms2012nagoya presentation
Takayuki Nuimura
Semelhante a Mobmap人流データ解析入門
(20)
[DL輪読会]DeepSignals: Predicting Intent of Drivers Through Visual Signals
[DL輪読会]DeepSignals: Predicting Intent of Drivers Through Visual Signals
実社会・実環境におけるロボットの機械学習
実社会・実環境におけるロボットの機械学習
実社会・実環境におけるロボットの機械学習 ver. 2
実社会・実環境におけるロボットの機械学習 ver. 2
20141011 moss9aoki
20141011 moss9aoki
『Mobageの大規模データマイニング活用と 意思決定』- #IBIS 2012 -ビジネスと機械学習の接点-
『Mobageの大規模データマイニング活用と 意思決定』- #IBIS 2012 -ビジネスと機械学習の接点-
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
A07 角田研究室7 板垣百華
A07 角田研究室7 板垣百華
深層学習を用いたコンピュータビジョン技術とスマートショップの実現
深層学習を用いたコンピュータビジョン技術とスマートショップの実現
【A02】ドローンを使ったプログラミング教育【青森大学/ソフトウェア情報学部 橋本研究室】
【A02】ドローンを使ったプログラミング教育【青森大学/ソフトウェア情報学部 橋本研究室】
Study Group of NIPS2017 presented by webfarmer.ltd
Study Group of NIPS2017 presented by webfarmer.ltd
強化学習その5
強化学習その5
強化学習その5
強化学習その5
2011研究室紹介
2011研究室紹介
Try Azure Machine Learning
Try Azure Machine Learning
人を動かすデータビジュアライゼーション - データビジュアライゼーションを学問にするには?
人を動かすデータビジュアライゼーション - データビジュアライゼーションを学問にするには?
T univ
T univ
0208 ioddプレイベント発表資料案 20140203
0208 ioddプレイベント発表資料案 20140203
2010 10 02_mahara_openforum_report
2010 10 02_mahara_openforum_report
ICDE 2014参加報告資料
ICDE 2014参加報告資料
120727 gms2012nagoya presentation
120727 gms2012nagoya presentation
Mais de Hiroaki Sengoku
社会を支えるインフラが、 社会の問題にならないために。 上水道インフラへのAI導入の挑戦。
社会を支えるインフラが、 社会の問題にならないために。 上水道インフラへのAI導入の挑戦。
Hiroaki Sengoku
都市計画情報を考慮した ミクロな将来世帯数の推計手法の構築
都市計画情報を考慮した ミクロな将来世帯数の推計手法の構築
Hiroaki Sengoku
物流オープンデータ活用コンテストに応募してみよう!!
物流オープンデータ活用コンテストに応募してみよう!!
Hiroaki Sengoku
mobmap hands-on @ FOSS4G SEOUL 2015
mobmap hands-on @ FOSS4G SEOUL 2015
Hiroaki Sengoku
位置情報にまつわるデータ補間技術
位置情報にまつわるデータ補間技術
Hiroaki Sengoku
2014年度中部大学共同研究報告
2014年度中部大学共同研究報告
Hiroaki Sengoku
人流データ解析プラットフォーム Mobmap
人流データ解析プラットフォーム Mobmap
Hiroaki Sengoku
みんなでつくるデジタル地図教材 学校支援活動
みんなでつくるデジタル地図教材 学校支援活動
Hiroaki Sengoku
伊能社中の一億総伊能化計画
伊能社中の一億総伊能化計画
Hiroaki Sengoku
学び方・教え方が変わる!直感で学べる電子地図教材
学び方・教え方が変わる!直感で学べる電子地図教材
Hiroaki Sengoku
Foss4 g2013 geoxcode_sengoku
Foss4 g2013 geoxcode_sengoku
Hiroaki Sengoku
QGIS training class 3
QGIS training class 3
Hiroaki Sengoku
QGIS training class 2
QGIS training class 2
Hiroaki Sengoku
QGIS training class 1
QGIS training class 1
Hiroaki Sengoku
Qgis install guide
Qgis install guide
Hiroaki Sengoku
Introduction of open source gis
Introduction of open source gis
Hiroaki Sengoku
伊能社中 地図研修会【入門編】【初級編】
伊能社中 地図研修会【入門編】【初級編】
Hiroaki Sengoku
Foss4 gマイクロジオデータ解析入門
Foss4 gマイクロジオデータ解析入門
Hiroaki Sengoku
GIS future prospects pioneered by microgeodata usage
GIS future prospects pioneered by microgeodata usage
Hiroaki Sengoku
QGIS入門(1)
QGIS入門(1)
Hiroaki Sengoku
Mais de Hiroaki Sengoku
(20)
社会を支えるインフラが、 社会の問題にならないために。 上水道インフラへのAI導入の挑戦。
社会を支えるインフラが、 社会の問題にならないために。 上水道インフラへのAI導入の挑戦。
都市計画情報を考慮した ミクロな将来世帯数の推計手法の構築
都市計画情報を考慮した ミクロな将来世帯数の推計手法の構築
物流オープンデータ活用コンテストに応募してみよう!!
物流オープンデータ活用コンテストに応募してみよう!!
mobmap hands-on @ FOSS4G SEOUL 2015
mobmap hands-on @ FOSS4G SEOUL 2015
位置情報にまつわるデータ補間技術
位置情報にまつわるデータ補間技術
2014年度中部大学共同研究報告
2014年度中部大学共同研究報告
人流データ解析プラットフォーム Mobmap
人流データ解析プラットフォーム Mobmap
みんなでつくるデジタル地図教材 学校支援活動
みんなでつくるデジタル地図教材 学校支援活動
伊能社中の一億総伊能化計画
伊能社中の一億総伊能化計画
学び方・教え方が変わる!直感で学べる電子地図教材
学び方・教え方が変わる!直感で学べる電子地図教材
Foss4 g2013 geoxcode_sengoku
Foss4 g2013 geoxcode_sengoku
QGIS training class 3
QGIS training class 3
QGIS training class 2
QGIS training class 2
QGIS training class 1
QGIS training class 1
Qgis install guide
Qgis install guide
Introduction of open source gis
Introduction of open source gis
伊能社中 地図研修会【入門編】【初級編】
伊能社中 地図研修会【入門編】【初級編】
Foss4 gマイクロジオデータ解析入門
Foss4 gマイクロジオデータ解析入門
GIS future prospects pioneered by microgeodata usage
GIS future prospects pioneered by microgeodata usage
QGIS入門(1)
QGIS入門(1)
Mobmap人流データ解析入門
1.
FOSS4G北海道 2014/6/29(Sun) マイクロジオデータ研究会 仙石 裕明・上山 智士 Mobmap
人流データ解析入門
2.
本ハンズオンの目的と概要 本ハンズオンはマイクロジオデータの普及と利活用を 促進するために演習形式で開催しているハンズオンです。 実習では東京大学空間情報科学センター(CSIS) 内で利用されている時空間データ解析プラットフォー ムMobmapの演習をもとに構成されています。ジ オタグツイートデータ(株式会社ナイトレイ提供) から作成した疑似人流データ(演習用途)を用いて 人流データ解析を行います。
3.
ADENDA SESSION 1 導入編 ・自己紹介 ・Mobmapについて ・ハンズオンデータについて ! SESSION
2 講習編 ・基本操作 (休憩) 10分 ! ・属性検索 ・空間検索 ・他のGISとの連携 (休憩) 10分 ! SESSION 3 演習編 ・演習問題 ・参加者発表 ・まとめ
4.
SESSION1 導⼊入編
5.
自己紹介 合同会社マイクロベース CEO 東京大学大学院 博士課程(今月修了) マイクロジオデータ研究会 副運営委員長 NPO法人伊能社中 副理事長 ! 六本木のジオデータサイエンティスト 夢はReal SimCityの実現!! ! 趣味: バイク、ニコニコ動画 仙石裕明 @xianshiyuming
6.
自己紹介タイム
7.
講習内容 商店街の来訪者分析
8.
講習内容 商店街の来訪者はどこから来るのか? 商店街の訪問者はどこから来るのか?
9.
本ハンズオンで用いるソフトウェア Mobmap (Google Chrome) QGIS Google
Earth (任意)
10.
2013–11–23 16:18:21 35.979504,139.827072 Visualizing Moving
Data, Interactively Using Mobmap for Google Chrome Satoshi Ueyama EDITORIA,The University of Tokyo http://shiba.iis.u-tokyo.ac.jp/member/ueyama/mm/
11.
What s mobmap? •
移動データ(GPSログ等)に特化した可視化・解析ツール • Google Mapsの上に重ねられる移動物レンダラを実装 • ベースマップの準備不要、Windows・Mac・Linux対応 1500,1,1,1998/10/01 06:00:00,139.9249985549,35.7318406842,2,7,4110309,14,97,33,,97 3700,1,1,1998/10/01 06:00:00,139.9123053021,35.753511987,1,10,4112107,10,97,33,,97 7300,1,1,1998/10/01 06:00:00,139.9132597066,35.7134959947,1,7,4114009,8 ,97,40,,97 5500,1,1,1998/10/01 06:00:00,139.9374260851,35.7387718937,2,12,4113004,14,97,32,,97 9500,1,1,1998/10/01 06:00:00,139.9268670539,35.6868715236,1,2,4115011,12,97,26,,97 9700,1,1,1998/10/01 06:00:00,139.9238668934,35.6892555155,2,6,4115016,14,97,32,,97 11400,1,1,1998/10/01 06:00:00,139.9293917865,35.6808909812,1,6,4115107,9 ,97,36,,97 11800,1,1,1998/10/01 06:00:00,139.9077829215,35.6792209637,2,6,4115202,14,97,21,,97 10100,1,1,1998/10/01 06:00:00,139.9298447577,35.684551261,1,1,4115014,12,97,26,,97
12.
インストール • Google Chromeをインストール(入っていなければ) •
Chromeウェブストアで「mobmap2」を検索
13.
アプリケーション起動 •Google Chromeの新規タブを開く •アプリ一覧を開く •Mobmapを開く
14.
本ハンズオンの対象地域 東京都全域(離島除く) 北海道でご用意できず、すみません。。。
15.
本ハンズオンで用いるデータ ①疑似人流データ(ポイントデータ) ②商業集積統計(ポリゴンデータ) commercialDistricts.kml 2013-07-01.csv 2013-07-07.csv 2013-10-07.csv 2013-10-13.csv 2013-12-16.csv
2013-12-22.csv
16.
演習データ① 疑似人流データ
17.
演習データ① 疑似人流データ 疑似人流データは、位置情報付きTweetのデータ (提供:株式会社ナイトレイ)をソースデータとし て作成しています。 ! I'm at ラーメン二郎
目黒店 (目黒区) 139.70714271068635.6341373645078 ex)
18.
演習データ① 疑似人流データ 位置情報付きTweetデータのままでは、人流データとして 扱うには不完全であるため、次のような補間を行っています。 ・自宅推定 ・滞在時間推定 ※詳しくは近々論文として公開予定です ・経路補間 朝や休日にチェックイン頻度が高い市区町村を 選定し、ランダムに自宅と推定 チェックインのカテゴリー(映画、遊園地等)別に 滞在時間を設けて、滞在時間を設定しています 滞在地点間の移動経路を道路データをもとに補間 (協力: 東京大学CSIS 人の流れプロジェクト 金杉洋氏)
19.
演習データ① 疑似人流データ 位置情報付きTweetデータを地図上にプロットした様子。 !
20.
演習データ① 疑似人流データ 加工後のデータを地図上にプロットした様子(夜間)。 !
21.
演習データ① 疑似人流データ id sex date
lat lon category1 category2 mode categor y 105 male 2013-07-01 22:10:39 35.71899231 139.31707368 MOVE 105 male 2013-07-01 22:15:39 35.71513008 139.31903984 MOVE 105 male 2013-07-01 22:20:39 35.71300252 139.31492206home arrival MOVE 8 105 male 2013-07-01 22:25:39 35.71483377 139.31029481 arts_enter tainment Art Gallery MOVE 4 105 male 2013-07-01 22:30:39 35.71591093 139.30722089home arrival STAY 8 1071 male 2013-07-01 00:00:00 35.72355807 139.73582609home departure STAY 8 Mobmapでデータを読み込むには、4つのデータが必要です。 「id(ユーザーID)」、「date(時間情報)」、「lat」、「lon」
22.
演習データ① 疑似人流データ 演習データは経路補間が「MOVE(移動中)」のデータにのみ施さ れ、5分おきに内挿されています。経路補間に鉄道ネットワークは反 映されていません。 別ユーザー 時刻 yyyy-mm-dd HH:MM:SS 滞在地点の カテゴリ 滞在地点の 詳細カテゴリ ※twitter id等の情報はプライバシー保護の観点から削除しています id
sex date lat lon category1 category2 mode categor y 105 male 2013-07-01 22:10:39 35.71899231 139.31707368 MOVE 105 male 2013-07-01 22:15:39 35.71513008 139.31903984 MOVE 105 male 2013-07-01 22:20:39 35.71300252 139.31492206home arrival MOVE 8 105 male 2013-07-01 22:25:39 35.71483377 139.31029481 arts_enter tainment Art Gallery MOVE 4 105 male 2013-07-01 22:30:39 35.71591093 139.30722089home arrival STAY 8 1071 male 2013-07-01 00:00:00 35.72355807 139.73582609home departure STAY 8
23.
もっと人流データをいじってみたいという方に http://www.cs.uic.edu/ wolfson/html/p2p.html http://research.microsoft.com/apps/pubs/?id=152883 イリノイ大学シカゴ校(イリノイ州周辺) Microsoft Research(北京周辺)
24.
演習データ② 商業集積地ポリゴンデータ 電話帳に掲載されている店舗・事業所データ(株式会社ゼンリン提供)を ソースとし、店舗間の密度から商業集積(クラスター)を抽出したデータ
25.
演習データ② 商業集積地ポリゴンデータ 演習データは、大学等の研究 者であれば、東京大学空間情 報科学センターの共同研究利 用システム(JORAS)から共 同研究申請を行うことで、ご 利用いただくことが可能です。 提供範囲: 県単位(日本全国) ! 提供時期: 2010年 2011年
26.
SESSION2 講習編
27.
Mobmap 基本操作 属性検索 他のGISとの連携 空間検索 • データ読み込み • 移動軌跡の可視化 •
複数条件 • ラインゲート • ポリゴンゲート • エクスポート
28.
基本操作
29.
CSV読み込み 1 •ウェルカム画面に並んでいるボタンから「Moving Objects」 を選択してCSVファイルを開く
30.
CSV読み込み 2 •冒頭10行がプレビューできるのでカラム位置を確認 •日本付近のデータであれば緯度・経度を自動判別 •自動判別結果が誤っていればカラムをクリックして変更 クリックするとカラム変更
31.
CSV読み込み 3 •設定が正しいことを確認したら下部の「Start loading」 をクリックして全データの読み込み開始 読み込み開始
32.
読み込み完了 時刻を指定 動画プレイヤーのように「再生」,「停止」,「早送り」ボタンがあります。 「再生」ボタンをクリックすると、時間軸に沿って移動オブジェクトが動き出します。
33.
演習① 疑似人流データを読み込んで、 動かしてみましょう!
34.
演習① こんなふうに読み込めましたか?
35.
レイヤーリスト •データを読み込んで生成したレイヤーは左ペインのレイヤー リストに追加 •移動可能なものは順序を入れ替え可能 追加したレイヤ
36.
レイヤー設定 •レイヤーリストの中でレイヤーの表示方法など詳細設定が可 能(折り畳まれている設定パネルをクリックで展開) レイヤの描画順序 レイヤ表示 レイヤ削除
37.
ポリゴンKML読み込み • 2つめ以降のレイヤー追加はドロップダウンメニューから • ポリゴンはKML形式、WGS84のみ対応 サンプルデータ commercialDistricts.kml
38.
ポリゴンKML読み込み ポリゴンデータを表示
39.
メッシュCSVの読み込み • 現在のバージョンではCSVのみ対応 • 現在のバージョンでは描画用。解析用ではありません。 サンプルデータ Census-MeshTest2005_3.csv @static-mesh @use-mesh-code
3 36533748 0 49395673 0 51394139 0 53393642 0 53393653 0 ※mobmapで表⽰示するには、下記のように フォーマットを加⼯工します。 1⾏行⺫⽬目 1列⺫⽬目に「@static- mesh」と記載 2⾏行⺫⽬目 1列⺫⽬目に「@use- mesh-code」と記載 2列⺫⽬目にメッシュのス ケールを記載 ex)3次メッシュの場合 -> 3 3⾏行⺫⽬目以降 数値(⼈人⼝口等)メッシュコード
40.
メッシュCSVの読み込み • 現在のバージョンではメッシュは描画のみ
41.
台風データ読み込み • ウェブサイトから台風の挙動を読み込み ソース:デジタル台風
42.
台風データ読み込み • デジタル台風の台風ページのURLを打ち込む http://agora.ex.nii.ac.jp/digital-typhoon/summary/wnp/s/201115.html.ja
43.
台風データ読み込み • 台風の移動軌跡をアニメーションで表示
44.
CSV読み込み 4 (応用) •
属性情報を読み込みたい場合は、Additional行に「フィールド 名:データ型」を入力することで、読み込み可能 category:intと入力
45.
CSV読み込み 5 (応用) •
MarkerオプションのVaryingを「By attribute」に変更し、 Vary by attributeにフィールド名を入れると、変数に基づい て色の識別が可能
46.
演習② 疑似人流データを色分けして 表示してみましょう。 また、ポリゴンデータも同時に 重ねて表示してください。
47.
移動経路の可視化 •SettingsのドロップダウンメニューからTarget選択 Settingsをクリック Settingsをクリック
48.
移動経路の可視化 ユーザーごとに移動経路が可視化される
49.
Tips: よりクールな可視化 色合いを変更 背景を Dark に変更 チェック
50.
属性テーブル Data タブをクリック 各人・物の属性を表示
51.
属性テーブル 各人・物の属性を表示 表示するテーブルを切替
52.
休憩(10分)
53.
属性検索
54.
属性検索 属性テーブルから条件式を記述し、属性 検索を行うことができます
55.
属性検索 フィールド名=値と入力 category=4 と入力 1:小売店(各種) 2:交通 3:飲食店 4:娯楽・レジャー 5:小売店(食料品) 6:教育 7:その他 8:自宅 カテゴリ
56.
属性検索 条件に合ったオブジェクトを選択
57.
選択解除 画面左上にある ボタンから選択解除
58.
高度な属性検索 ¦¦(OR)、&&(AND) 複数条件の場合 category=4 || category
= 8 OR文(または) AND文(かつ) category<4 && category > 1
59.
演習③ 観光していると考えられる人流のみ 表示してください。
60.
空間検索
61.
ゲート機能 •ある地点を通過した人・物を選択 •ラインゲート(線分で指定) •ポリゴンゲート(領域で指定)
62.
ラインゲート適用例 総武線の利用者を抽出 新小岩にゲートを設置
63.
ラインゲート適用 1 選択解除 ポリゴン による選択 長方形による選択 ラインゲート による選択 上部メニューの選択ボタンから移動オブジェクトを選択
64.
ラインゲート適用 2 羽田空港沿いの高速道路に適用してみます ①ラインゲートボタンをクリック ②マップ上をドラッグするとラ インを引くことができます。
65.
ラインゲート適用 3 ライン選択オプションから詳細を調整 ラインを引いたあとに、ライン 上部にメニューが表示されます 確定ボタン 方向選択(上り・下り・両方) ラインのブックマーク キャンセル
66.
ラインゲート適用 4 商業集積地ポリゴンデータを 読み込んでみましょう! •35のオブジェクトが選択されました! •選択された状態で再⽣生してみると…
67.
ラインゲート適用 5 •選択された状態で移動経路の可視化を⾏行うと…
68.
演習④ 任意の場所でラインゲート機能で 通行者分析をしてみましょう。
69.
ポリゴンゲート機能 ポイント包含のみ 軌跡も含める
70.
ポリゴンゲート適用 1 「ポリゴンによる選択」から先に読み込んだ 商業集積地のポリゴンデータを選択します。
71.
ポリゴンゲート適用 2 ポリゴンの属性テーブルを表示すると、 選択したポリゴンの属性が表示 コンボボックスでポリゴンレイヤーを選択
72.
ポリゴンゲート適用 3 属性テーブルのIDの行をクリックすると、 ポリゴン詳細メニューが表示 選択ポリゴンの表示(地図上) 単一選択 選択解除 ポリゴンゲート機能 テーブルの行を展開した後にボタンをクリック
73.
ポリゴンゲート適用 4 「ポイント+エッジ」または「ポイントのみ」ボタンを選択 することで、ポリゴンを通過する移動オブジェクトのみ選択
74.
ポリゴンゲート適用 5 同様に移動経路を可視化可能
75.
条件付きポリゴンゲート 移動オブジェクトの属性値が条件を 満たす場合のみ選択 式を入力
76.
演習⑤ 任意の商業集積地の来訪者を 分析してみましょう。
77.
エクスポート •ラインゲートもしくはポリゴンゲート等でオブジェクトが選択 された状態なら属性テーブルの上にエクスポートボタンが表示 エクスポートボタン
78.
エクスポート •選択された移動オブジェクトの移動経路をポリラインとして KML形式でエクスポート
79.
エクスポート • デフォルトでは「mobmap-exported.kml」という名称で保存される
80.
他のソフトと連携 •属性は最初のレコードのみ反映されるので注意 •時系列で変化しない性別などであれば問題無し QGISなどで読み込み
81.
QGISとの連携 QGISで表示。読み込み時はKML形式で。
82.
QGISとの連携 他のレイヤとも互換性がある
83.
QGISとの連携 Mobmapは移動軌跡データの可視化・ 解析に特化しているため、一般的なGIS の操作はQGIS上で実行 主な連携例: •座標変換(ファイルが平面直角座標系の場合等) •KML形式・CSV形式へのファイル変換 •バッファリング等の空間解析・演算
84.
GoogleEarthとの連携 もちろんGoogle Earthでも表示可能
85.
休憩(10分)
86.
SESSION3 演習編
87.
演習 人流データを用いて任意の場所における 来訪者分析または通行者分析を行ってください。 ・商業集積以外のポリゴンデータ等を活用してみてください! ex)国土数値情報, メッシュデータ等
88.
発表 演習でやってみた内容を1人2∼3分程度で ご発表をお願いします。
89.
まとめ Mobmapをつかって、時間情報を持った GISデータの可視化・解析方法を学びました。 ! 属性検索・空間検索を行うことで、目的に沿っ た人流のみを選択し、エクスポートするなどの 既存のGISとの連携方法についても学びました。
90.
アンケートのお願い http://goo.gl/bwgCcl 今後、Mobmapおよびハンズオンを改善するため アンケートのご回答にご協力ください。
91.
今後のMobmap開発計画 みなさんのアンケート 内容次第です(笑)
92.
今後のMobmap開発計画 疑似人流データの全国展開 ! 今回は東京都のみしか用意できなかった ため、次回は北海道のデータも用意でき たらと思います! ! To be continued…
93.
謝辞 本資料の作成にあたり、東京大学地球観測データ統 融合連携研究機構の金杉洋氏には疑似人流データの 作成に際して経路補間のご協力をいただきました。 ! 株式会社ナイトレイの石川様には、本ハンズオンの ソースデータであるジオタグツイートをご提供いた だきました。 ! この場を持ちまして一同に心より御礼申し上げます。
94.
! • Background image
from AshtonPal https://www.flickr.com/photos/ashtonpal/12983045115 under CC BY-NC-ND 2.0Acknowledgement 本日はハンズオンにご参加いただき、 ありがとうございました。
Baixar agora