AI・機械学習
研究概要
AI・機械学習研究では、深層学習や強化学習などの最先端AI技術を活用し、 都市データからの知見抽出や予測モデルの構築を行っています。 大量のデータから人間では発見困難なパターンを見出し、 次世代の都市計画支援システムの開発を目指しています。
研究テーマ
1. 深層学習による都市画像解析
CNNやTransformerを用いて、衛星画像やStreet View画像から 都市の特徴を自動抽出しています。土地利用分類、建物検出、 都市景観の評価など、幅広い応用を展開しています。
2. 時系列予測モデル
LSTMやTransformerベースのモデルを用いて、 交通量、人流、エネルギー消費などの時系列予測を行っています。 リアルタイムの都市モニタリングシステムへの応用を進めています。
3. グラフニューラルネットワーク
道路ネットワークや施設間の関係性をグラフ構造として捉え、 GNNを用いた分析を行っています。交通ネットワークの最適化や、 地域間の相互作用の解明に取り組んでいます。
4. 生成AIの都市計画への応用
GANやDiffusion Modelなどの生成モデルを活用し、 都市デザインの自動生成や、シミュレーションデータの 拡張に関する研究を行っています。
5. 強化学習による最適化
交通信号制御、経路誘導、施設配置などの最適化問題に 強化学習を適用しています。複雑な制約条件下での 最適解探索に取り組んでいます。
使用技術・ツール
- 深層学習フレームワーク（PyTorch, TensorFlow）
- 画像解析（OpenCV, torchvision）
- 自然言語処理（Transformers, spaCy）
- グラフニューラルネットワーク（PyG, DGL）
- 強化学習（Stable Baselines, RLlib）
- 大規模言語モデル（LLM）の活用
計算環境
研究室では高性能GPUサーバーを複数台保有しており、 大規模な機械学習モデルの学習が可能です。 クラウドコンピューティング環境との連携も行っています。