井村
発表概要：
熊本市内の商店街回遊調査の分析では，加速度データを用いて，施設内の滞在判別を行いたい．施設内の移動滞在判別にはGPSだけでは不可能であり，加速度データを用いる．加速度データの大量のデータを判別に用いるにあたり，機械学習理論のSVMを用いる．
発表では，SVM理論の説明と実証結果について発表した．滞在判定がまだうまくいっていない．実際にうまくいかなかった判定部分のどうなっているかを今後検証したほうがよいなどのコメントがあった．

p.3
羽藤： この経路本当か
p.21?
羽藤：滞在が悪い．時間あたりか？何ヘルツか？
p.23
羽藤：まじ，まるちゃんスパルタだなあ．

羽藤：景観的に魅力があったら，携帯でカメラをとっているのではないか．
柳沼：うまく判別ができていないところが実際にどうなっているのかを見たほうがいいのではないか．
そういったポイントを抽出して，分析してほしい．
羽藤：HMMが，こまかな状態がある．椅子に座るとか，話しているとか．隠れ状態のラベルを調査の時にとったほうがいい．
それをやるときにはまず細かな分析をしたほうがいい．まずは，細かくとったほうがいい．
羽藤：細かくとっていかないとやっていかないと理屈が出てこない．
柳沼：ビデオをとりながらやるのは，画像処理系だとでてくるのではないか．
今泉：ゆらゆら揺れているけど，移動とは違うというのとは出てくるはず．
羽藤：周波数解析とかがあるのだろう．場所に固有ではないか．場所すらも周波数で識別できるはずではないか．
福田：携帯みてる時間とかがわかったら面白そう．
羽藤：携帯をみていることを説明変数にしたらよいかもしれない．
吉野：マージンをとるときに，傾きはどう決めているのか．
井村：垂直になるようにやっていた気がする．．
羽藤：SVMについての説明を最終日にもう一回．結果は回ったのでOK.アルゴリズムを理解するといい．
大山：移動滞在を判別なら位置座標でいいのではないか．ただ滞在ではなくて，椅子とかもわかると面白そう．

羽藤：道後の時空間のデザインを細かくしたときに，センサーから上がってくる情報が変わってくる．そうした情報もたぶんおそらく出る．駅ごとにベンチに座っている量が出る．加速度で出る．施設内のいごごちが変わってくる．柳沼のいうとおり，細かな情報をとっていれば評価できる．
大山：そういうのすごくやりたい．広場を作った時にこまかな評価をしたい．
羽藤：あまり拘泥すると，デザインの本質から離れるが，駅のいごごちのしやすさが評価できるようになる．バリアフリー度や休憩が評価できるようになるだろう．そういうことが投資の際に重要だろう．移動滞在とOD表はオールドタイプだが，途中で止まっていることが評価できる配分のモデルになれば，もっと使い道が広がる．