未来の混雑を予測し、ユーザーの課題を解決したい

「都市動態解析」は、「いつものパターン（通常時）」を求めるモデル（学習方法）です。例えば、ある晴れた日、赤坂見附駅に、朝8時ならどのくらいの人がいるのか。こうした研究成果を社内セミナーで発表しました。

「いつものパターン」を求めるのは簡単なことではないんです。雨と晴れでも変わるし、曜日によっても違う。「いつものパターン」が分かると、いつもとは違う「異常」も分かります。例えば、いつもの浅草駅と、隅田川の花火大会がある日は明らかに違います。そこで、丸山さんから、乗り換え案内に応用できないかと相談を受けました。

当時は、アカデミアな分野でも「いつものパターン」を求めることが精一杯で、「予測」までは行きついていませんでした。雨が降ったり、気温が低くなったり、ありとあらゆる条件があるなかで、「いつものパターン」を求められるようになった、これだけでも十分に画期的でした。

ところが、ある大学の研究グループがさらに先を行く研究成果を発表しました。位置情報から20分先の未来を予測するというものです。トップカンファレンス（国際会議）でその発表を聞いて、とても悔しかったです。

まさにそうですね。丸山さんから相談を受けたときに、少し先のことが分かる「シティ・モメンタム：City Momentum（都市動態）」の研究論文を思い出しました。City Momentumは、20分先の未来が分かる研究ですが、乗り換え案内のログには未来の行動の意図が含まれているので、City Momentumを超えて、「シティ・プロフェット（予言）」ができるのでは？ と考えました。そして、試しにやってみたところ、うまくいきそう！ となりました。研究の末、計画通りCity Prophetという論文を書き上げました。

• City Momentum（外部サイト）
• City Prophet（外部サイト）

研究成果をサービスに実装するのは、ハードルが高いことが多いです。「明日のKPI」を求められるというのが、サービスの世界で、乗り換え案内というサービスのエンジニアである丸山さんが、こうした研究に興味を持って、実装まで情熱を燃やし続けてくれたことはとても大きな意味があります。

そうなんですよ！　丸山さんはいつも「ちょっと時間がかかっていますが、順調です！」しか言わなかった。リリース後に初めて丸山さんの苦労を知りました。こっそりと粘り続けた丸山さんは本当にすごい。

ですね。私も、東京で子育てをしていたので、その大変さはよく分かります。ベビーカーを押しながら、移動するのは本当に大変です。

他のサービスへの応用も可能です。例えば、あるABC駅で3日後に、アイドルのコンサートがあったとします。そうすると「3日後を指定してABC駅に到着する電車を検索」しているユーザーは、そのアイドルのファンである可能性が高いわけです。こういうユーザーに対して、例えばこのアイドルのグッズの販売などを「Yahoo!ショッピング」で提示したり、ファンクラブへの会員の招待メールをそのユーザーに送信したりすることで、良い反応が期待できます。このようにこのYahoo!路線情報の検索ビッグデータを、他のヤフーのサービスで活かす、といったことが可能になるのです。

これまで日本のビッグデータは量だけで勝負していました。これからは、量ではなく、データの多様性*がものをいう時代になるんです。多種多様なデータをマルチに解析できるのはヤフーならではの研究といえます。ヤフーのビジネスにつなげるだけではなく、ユーザーにとってより有益な情報を提供していきたいですね。

地方でも「異常混雑」の予測は役立ちます。例えば、駅前のお弁当屋さんが「異常混雑」を事前に知ることができれば、お弁当の仕入れ数を増やすこともできます。それまでの「勘」と「経験」の世界から、より正確なデータを活用できるようになります。むしろ、地方の方がより広く活用できる可能性があると思っています。

毎年開催されているイベントでも、テレビで取り上げられるなど、急に来場者が増えることもあります。そうしたときに「売り切れごめん」ではなく、事前に対策できるのです。チケットの売上数から、ある程度予測はできますが、主催者しか知りえない情報もあります。

鉄道会社は乗客数を「結果」として持ってはいますし、過去の実績からシミュレーションもできます。しかし、「当日」の「予測」はできないのです。過去の実績はあくまで過去の実績で、現在の状況を反映していないですから。

例えば、隅田川の花火大会の場合、今年は開催予定日の土曜日が台風で延期になり、日曜日の開催となりました。昨年は土曜に開催されましたが、途中で雨が降りました。2013年は、中止となっている。同じイベントでも、毎年少なからず前提条件が異なるのです。昨年参加した人が、今年も同じイベントに参加するとは限らないですよね。こういうこともあり、予測は難しいとされていたのです。一週間前に、ある程度正確な数が分かるということが、混雑予測のポイントです。

世の中には「勘」と「経験」と「コツ」で成り立っているものがとても多いのですが、それらをデータ化することで、解決できることがたくさんあります。

ヤフーの場合、人の動きを追うだけではなくて、どう考えてその行動を取ったのか、まで分かります。アタマの部分がヤフーの検索結果に出て、カラダの結果が位置情報に出ているともいえます。さまざまなサービスのデータをかけ合わせれば、いろいろなことができます。

私は、ユーザーの「超理解」をテーマに研究しています。よりユーザーのことを理解する「超理解」を用いればユーザーが気付いていないような利便性の高いサービスも提供できます。そうなると「気持ち悪い」を超え、「すごい！」に変わるのです。

例えば、一カ月間、いつ、どこにいるか、人の位置情報を記録したとします。そうすると、いつも家を出る時間に家にいると、「まだ出なくていいの？」といった案内ができます。家にいるということは、トラブルが起こったり、具合が悪かったりするのかもしれない。先を読んで次のサービスを提供するのが超理解です。

まさにいま考えているところです！　逃げる、逃げないの判断材料になるような情報まで提供していきたいと考えています。