新幹線など公共交通機関向け混雑予測・緩和技術が近年注目してきた。従来の需要予測技術は平常時の駅や電車の利用人数の予測にパフォーマンスが良いが、大規模イベント開催時や運行事故発生時など、非定常状態における予測誤差が大きいという課題があった。 本稿では，予測対象以外の他駅の非定常状態データを事前学習し，予測対象駅の少量の非定常状態データを用いた転移学習を行う。このとき統計的因果推論技術を用いて事前学習時と転移学習時の特徴量の傾向の違いを吸収し，非定常状態発生時の混雑度予測精度を向上させる。 本技術の検討にあたり駅の利用者や滞在者のデータを公共交通機関から入手することは困難であるため，携帯電話のGPSを利用した位置情報を活用する。Twitterで公開した周辺駅に発生した電車運行事故のデータを活用し，提案手法がより高い精度で非定常状態時の駅混雑度予測を実現した。
