都市空間の様々な地点に数多くのセンサーが設置され，都市の活動が膨大な時空間データとして計測されている．これらの時空間データを利活用し，都市の状態把握や将来の変化予測に役立つ新たなデータ解析技術が必要とされている．データ解析のための技術として，畳み込み型ニューラルネットワーク(Convolutional Neural Network: CNN)が注目を集めて久しいが，CNNは観測値が格子状に存在することを前提としており，都市から取得される時空間データのように観測する地点が散在する場合には使用できない．一方，コンピュータビジョンでは，レーザースキャナーを用いて観測した3次元点群から，物体認識を行う点群深層学習が提案され，まばらに存在する点群の位置情報の活用が進められている．そこで本研究では，点群深層学習を要素として組み込んだ，時空間データ解析のための新たな畳み込み型の深層学習技術を提案する．都市で運用されるシェアリングエコノミー型サービスであるバイクシェアリングの移動履歴データを用いた実験を行い，提案手法の優位性を検証する．
