上智大学が開発したAIモデルは、過去の出没記録・土地被覆・人口・気象・標高・ブナの実の豊凶など多様なデータを統合し、秋田県1kmメッシュの日別出没を63.7％の正答率で予測しました。自治体の警戒配信や現場対応に直結する可能性を示します。
研究の中身と自治体DXへの示唆
上智大学大学院の中許眞氏と深澤佑介准教授らは、秋田県を対象に「日別かつ1kmメッシュ」でクマの出没有無を予測するモデルを構築しました。本研究は、出没記録や日時に加え、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）、気象データ、道路の有無、標高、そしてクマの主要食料であるブナの実の豊凶情報といった時間的・環境的・社会的特徴量を統合した点が特徴です。訓練データの不均衡に対して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る手法で対処し、学習の偏りを抑えています。
予測器としてExtra Trees（ExtraTrees）を採用した結果、2023年度の秋田県全域テストにおいて正答率63.7％、適合率63.5％、再現率63.6％を達成しました。従来の単純な空間・時間ルールやkNNを上回る性能を示し、Leave-One-Location-Out評価でもAccuracy 0.601、Precision 0.568、Recall 0.563と未知の場所での一般化性能が確認されています。さらにXAIの手法であるSHAP解析により、過去の周辺出没状況、土地被覆（構造物・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が明らかになりました。こうした因子の特定は、自治体が警戒情報をどの地域に優先的に出すべきか、どの集落で見回りや防護柵整備、人員配置を強化すべきかといった実務的な判断に直結します。
論文はInternational Journal of Data Science and Analyticsに2025年7月22日付で掲載され、共著者はShin Nakamoto（中許眞）とYusuke Fukazawa（深澤佑介）です。本研究の成果は、リアルタイム天気情報や最新の出没報告を取り込むことで、さらに即応性の高い警報配信が可能になる見通しが示されています。自治体側が持つ現地データと結びつけ、運用フローを整備すれば、住民への注意喚起や巡回パトロールの効率化に直結する実装が期待できます。
詳しくは「上智大学」の公式ページまで。
ポート／DXマガジン編集部 權
