[論文レビュー] Mining GIS Data to Predict Urban Sprawl

Anita Pampoore-Thampi, Aparna S. Varde+1 more|arXiv (Cornell University)|Mar 21, 2021

Data Mining Algorithms and Applications参考文献 12被引用数 9

ひとこと要約

本論文は、空間的時間的GISデータを用いて都市の拡大を予測するため、データマイニング技術—特にアソシエーションルールマイニングに用いられるAprioriと、意思決定木分類に用いられるJ4.8—を活用した空間的意思決定支援システム（SDSS）を提案する。ArcGISを用いて地理空間マッピングを実施し、人口増加や人口構成などの変数を分析することで、予測可能なパターンを同定し、変数の影響を推定する。これにより、持続可能な開発を実現するための予防的都市計画が可能になる。

ABSTRACT

This paper addresses the interesting problem of processing and analyzing data in geographic information systems (GIS) to achieve a clear perspective on urban sprawl. The term urban sprawl refers to overgrowth and expansion of low-density areas with issues such as car dependency and segregation between residential versus commercial use. Sprawl has impacts on the environment and public health. In our work, spatiotemporal features related to real GIS data on urban sprawl such as population growth and demographics are mined to discover knowledge for decision support. We adapt data mining algorithms, Apriori for association rule mining and J4.8 for decision tree classification to geospatial analysis, deploying the ArcGIS tool for mapping. Knowledge discovered by mining this spatiotemporal data is used to implement a prototype spatial decision support system (SDSS). This SDSS predicts whether urban sprawl is likely to occur. Further, it estimates the values of pertinent variables to understand how the variables impact each other. The SDSS can help decision-makers identify problems and create solutions for avoiding future sprawl occurrence and conducting urban planning where sprawl already occurs, thus aiding sustainable development. This work falls in the broad realm of geospatial intelligence and sets the stage for designing a large scale SDSS to process big data in complex environments, which constitutes part of our future work.

研究の動機と目的

• 都市の拡大という増大する課題に、データ駆動型意思決定支援システムによって対処すること。
• 人口増加や人口動態の傾向を含む、空間的時間的GISデータから実行可能な知識を抽出すること。
• 都市の拡大に関連するパターンを特定するため、従来のデータマイニングアルゴリズム（AprioriとJ4.8）を地理空間分析に適応させること。
• 都市の拡大の発生確率を予測し、変数間の相互作用を推定できるプロトタイプ空間的意思決定支援システム（SDSS）を開発すること。
• 都市計画者が拡大を事前に予測し、抑制できるようにすることで、持続可能な都市開発を支援すること。

提案手法

• 本研究では、人口密度や土地利用など、都市の拡大に関連する地理空間変数の間の関連ルールを発見するために、Aprioriアルゴリズムを用いる。
• J4.8意思決定木分類器を用いて、空間的時間的特徴を活用して、都市の拡大の発生確率が高い地域を分類する。
• ArcGISを用いて、地理的地域にわたる抽出されたパターンや予測結果をマッピングおよび可視化する。
• 人口動態や人口増加の指標を含む空間的時間的データを抽出し、分析に備えて前処理を行う。
• 抽出された知識を統合することで、SDSSは変数の影響を推定し、シナリオベースの計画を支援する。
• 都市地域の実際のGISデータを用いたプロトタイプ実装を通じて、システムの妥当性を検証した。

実験結果

リサーチクエスチョン

• RQ1 GISデータにおけるどの空間的時間的パターンが都市の拡大を最も効果的に予測するか？
• RQ2 アソシエーションルールマイニングと意思決定木分類が、都市の拡大予測に適応された地理空間データに対してどのように適用できるか？
• RQ3 どの人口動態的および社会経済的変数が都市の拡大発生に最も強く影響を与えるか？
• RQ4 プロトタイプSDSSは、都市の拡大を効果的に予測し、変数間の依存関係を推定できるか？
• RQ5 データマイニングの結果は、どのように可視化され、持続可能な都市計画意思決定を支援するか？

主な発見

• Aprioriアルゴリズムは、人口増加、土地利用の変化、都市拡大のパターンを結びつける有意義な関連ルールを効果的に特定した。
• J4.8意思決定木モデルは、都市の拡大リスクが非常に高い地域を分類する上で高い予測精度を示した。
• ArcGISとの統合により、予測された拡大のホットスポットや変数間の関係を効果的に可視化できた。
• SDSSプロトタイプは、人口密度や住宅・商業地域の分離といった主要な変数が都市の拡大確率に与える影響を効果的に推定した。
• システムは都市計画者に実行可能なインサイトを提供し、拡大トレンドの早期発見と緩和を可能にした。
• 本研究は、ビッグジオスペーシャルデータと機械学習を活用した大規模SDSS開発の基盤フレームワークを確立した。