上智大の研究チームが、過去の出没記録や土地被覆、人口構造、気象、標高、ブナの実の豊凶といった多因子を統合し、秋田県の日別1kmメッシュでクマ遭遇確率をAIで予測します。Extra Treesで正答率63.7％を達成し、遭遇予測マップも公開されました。
何をどう予測したのか、そして精度はどれくらいか
上智大学の深澤佑介准教授と中許眞氏の研究は、近年増加するクマの市街地出没による人身事故を未然に防ぐ目的で進められました。研究は秋田県全域を対象に、日別かつ1kmメッシュ単位で「出没あり／なし」を予測するモデルを構築しています。入力には過去の出没記録や日時、土地被覆（人口構造物、水田、竹林など）、年齢別人口分布（高齢者数を含む）、気象、道路の有無、標高、ブナの実の豊凶情報など、多様な時間的・環境的・社会的要因を取り入れています。
学習時の課題である目的変数のクラス不均衡には、類似性に基づくアンダーサンプリングとランダムアンダーサンプリングを組み合わせて対処しました。訓練データ（2021–2022年度）は出没あり1,736件・出没なし2,078件、テストデータ（2023年度）は出没あり3,981件・出没なし4,772件を使用しています。
モデルにはExtra Treesを採用し、秋田県全域の日別1kmメッシュで評価したところ、正答率63.7％、適合率63.5％、再現率63.6％を達成しました。従来の単純な時間・空間ルールやkNNを上回る結果です。説明可能性の手法としてSHAP解析を行い、過去の出没状況、土地被覆（人口構造物や水田、竹林等）、高齢者数を含む人口分布、標高が主要因子であることを明らかにしました。未知地点での一般化能力を評価するLeave-One-Location-Outでも安定した性能（Accuracy 0.601、Precision 0.568、Recall 0.563）を示しています。
本成果は2025年7月22日にInternational Journal of Data Science and Analyticsに掲載され、研究室は2025年10月に秋田県の遭遇予測マップを公開、10月24日には対象自治体を拡大した「クマ遭遇AI予測マップ」を公表しました。今後はリアルタイム気象や最新出没情報の取り込み、他地域での適用検証を進め、自治体の警戒情報や住民への注意喚起に役立てる計画です。
多様な社会・環境データを統合し説明可能性も担保した点は実運用に近い成果です。自治体と連携した運用設計が次の鍵となります。
詳しくは「上智大学」の公式ページまで。
