[論文レビュー] Place with Intention: An Empirical Attendance Predictive Study of Expo 2025 Osaka, Kansai, Japan

Xiaojie Yang, Dan Huang+5 more|arXiv (Cornell University)|Jan 21, 2026

Human Mobility and Location-Based Analysis被引用数 0

ひとこと要約

要約: トランスフォーマーベースのフレームワークが予約ダイナミクスを主な予測信号として Expo 2025 の来場者数を予測し、多源データの重い融合を回避します。

ABSTRACT

Accurate forecasting of daily attendance is vital for managing transportation, crowd flows, and services at large-scale international events such as Expo 2025 Osaka, Kansai, Japan. However, existing approaches often rely on multi-source external data (such as weather, traffic, and social media) to improve accuracy, which can lead to unreliable results when historical data are insufficient. To address these challenges, we propose a Transformer-based framework that leverages reservation dynamics, i.e., ticket bookings and subsequent updates within a time window, as a proxy for visitors' attendance intentions, under the assumption that such intentions are eventually reflected in reservation patterns. This design avoids the complexity of multi-source integration while still capturing external influences like weather and promotions implicitly embedded in reservation dynamics. We construct a dataset combining entrance records and reservation dynamics and evaluate the model under both single-channel (total attendance) and two-channel (separated by East and West gates) settings. Results show that separately modeling East and West gates consistently improves accuracy, particularly for short- and medium-term horizons. Ablation studies further confirm the importance of the encoder-decoder structure, inverse-style embedding, and adaptive fusion module. Overall, our findings indicate that reservation dynamics offer a practical and informative foundation for attendance forecasting in large-scale international events.

研究の動機と目的

• 大規模国際イベントの日次来場予測の正確性を動機づけ、運用、群衆管理、資源配分を支援する。
• 予約ダイナミクスを来場意図信号として活用することで、多源データの重い融合を避ける軽量な予測アプローチを提案する。
• 入場記録と予約更新のデータセットを作成・分析し、予測信号とモデル性能を調べる。
• 単一チャネル（総来場者数）と二チャネル（東ゲートと西ゲート）の設定でモデル性能を評価し、空間的粒度の影響を理解する。）

提案手法

• 予約ダイナミクスと入場記録から学ぶように、トランスフォーマー型時系列フレームワークを拡張する。
• 数値的特徴とカレンダー信号を逆風格トークン埋め込みで組み合わせる時系列埋め込みスキームを導入する。
• エンコーダ–デコーダとデコーダのみのアーキテクチャを提供し、過去の文脈とクロスアテンションの価値を比較する。
• 予測を非負のベースライン、学習可能な時間カーネル、信頼性ゲートに分解する適応融合モジュールを組み込む。
• 平均絶対誤差（MAE）を用いて学習し、1日から14日までのホライズンで評価する。
• ARIMA、LSTM、GRU、TCNのベンチマークと比較して相対的な性能向上を確立する。

Figure 1: Heatmap of correlations between daily visits and lagged visits (1–10 days) across months (May–August). The figure shows that, besides the strong correlation with the previous day (lag 1), the 7-day lag generally exhibits the second-highest correlation, indicating a clear weekly periodicity

実験結果

リサーチクエスチョン

• RQ1 予約ダイナミクスは大規模イベントの来場意図の信頼できる代理指標になり得るか。
• RQ2 東ゲートと西ゲートを別々にモデル化する方が、単一の集計カウントと比較して予測精度を向上させるか。
• RQ3 エンコーダ–デコーダのクロスアテンション、逆風格埋め込み、適応融合が予測性能に与える影響は何か。
• RQ4 Expo 2025 大阪における短期・中期・長期のホライズンで予測精度はどう変化するか。

主な発見

• 予約更新は実際の来場者数と非常に高い相関を示し、実際の来場数に対する予測で遅延が0–1日程度の短期で特に優れている。
• 東ゲートと西ゲートの二チャネルモデルは、特に短期ホライズンで単一チャネルモデルよりMAEが低い。
• エンコーダ–デコーダ構成、逆風格埋め込み、適応融合を備えた完全なトランスフォーマーモデルは、ARIMA、LSTM、GRU、TCNと比較して最も良いMAEとMAPEを達成する。
• アブレーション研究は適応融合モジュールが最も重要な要素であることを示し、クロスアテンションと逆風格埋め込みも性能向上に寄与する。
• 短いホライズンの予測はより正確で堅牢だが、長いホライズンでは誤差が大きくなり、分母が小さいことによるMAPEの膨張が潜在的に起こる。

Figure 2: Heatmap of correlations between daily visit counts and reservation counts from up to 10 days earlier (lag 0–10), computed across months (May–August). The correlations are generally very high and increase as the reservation date approaches the actual visit day, highlighting the strong predi