JP2019021143A - 人流シミュレーション装置、人流シミュレーション方法、及び人流シミュレーションプログラム - Google Patents

人流シミュレーション装置、人流シミュレーション方法、及び人流シミュレーションプログラム Download PDF

Info

Publication number
JP2019021143A
JP2019021143A JP2017140341A JP2017140341A JP2019021143A JP 2019021143 A JP2019021143 A JP 2019021143A JP 2017140341 A JP2017140341 A JP 2017140341A JP 2017140341 A JP2017140341 A JP 2017140341A JP 2019021143 A JP2019021143 A JP 2019021143A
Authority
JP
Japan
Prior art keywords
facility
visitor
agent
information
visitors
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
JP2017140341A
Other languages
English (en)
Inventor
匡史 山海
Tadashi Sankai
匡史 山海
拓郎 池田
Takuro Ikeda
拓郎 池田
阿南　泰三
Taizo Anami
泰三 阿南
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to JP2017140341A priority Critical patent/JP2019021143A/ja
Priority to US16/033,853 priority patent/US20190026408A1/en
Publication of JP2019021143A publication Critical patent/JP2019021143A/ja
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Biophysics (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

【課題】来場者の影響特性を考慮した人流をシミュレーションできる人流シミュレーション装置を提供する。
【解決手段】人流シミュレーション装置は、複数の施設が設置された場所における複数の来場者の人流をシミュレーションする人流シミュレーション装置であって、複数の来場者の状況をそれぞれ表す来場者情報と、複数の来場者の行動を誘発する誘発情報に対して複数の来場者が影響を受ける特性をそれぞれ表す複数の影響特性モデル情報とに基づき、複数の影響特性モデル情報とそれぞれ関連付けられた複数の来場者エージェントをシミュレーション環境上に生成し、複数の施設の中から目的の施設を選択する確率を算出する算出式と複数の影響特性モデル情報とに基づいて、シミュレーション環境上に生成された複数の施設エージェントの中から複数の来場者エージェントが向かう目的の施設エージェントを選択する、処理を実行する処理部を含む。
【選択図】図３

Description

本件は、人流シミュレーション装置、人流シミュレーション方法、及び人流シミュレーションプログラムに関する。
複数の施設を備えたテーマパークを設計する際に、来場者の移動及び滞留の状況（以下、人流という）をシミュレーションし、施設の配置等の設計に反映する技術が知られている（例えば、特許文献１参照）。一方で、施設の配置を見直さずに、来場者が集中する施設に対する優先入場券を来場者に発券して、その施設で生じる混雑を緩和する技術も知られている（例えば、特許文献２参照）。
優先入場券を取得した来場者は先にその施設とは異なる別の施設に移動し、その別の施設を利用した後に優先入場券が対象とする施設を後から利用するため、待ち時間を抑えることができる。このように、優先入場券は来場者の行動を誘発する契機となる場合がある。また、このような優先入場券に限らず、例えばテーマパーク内の飲食店で利用できる割引券やサービス券、クーポン券などの各種媒体も来場者の行動を誘発する契機となる場合がある。
特開平６−１７６００４号公報 特表２００７−５０９３９３号公報
ところで、来場者の中には、上述した各種媒体に影響を受け易い来場者もいれば、影響を受けにくい来場者もいる。このように、各種媒体に影響を受ける来場者の特性（以下、影響特性という）により来場者は様々な行動をとる可能性がある。
しかしながら、上述した技術は来場者の影響特性を考慮せずに人流をシミュレーションしており、来場者の影響特性を考慮した場合、来場者の人流を正確にシミュレーションすることができない可能性ある。
そこで、１つの側面では、来場者の影響特性を考慮した人流をシミュレーションできる人流シミュレーション装置、人流シミュレーション方法、及び人流シミュレーションプログラムを提供することを目的とする。
１つの実施態様では、人流シミュレーション装置は、複数の施設が設置された場所における複数の来場者の人流をシミュレーションする人流シミュレーション装置であって、前記複数の来場者の状況をそれぞれ表す来場者情報と、前記複数の来場者の行動を誘発する誘発情報に対して前記複数の来場者が影響を受ける特性をそれぞれ表す複数の影響特性モデル情報とに基づき、前記複数の影響特性モデル情報とそれぞれ関連付けられた複数の来場者エージェントをシミュレーション環境上に生成し、前記複数の施設の中から目的の施設を選択する確率を算出する算出式と前記複数の影響特性モデル情報とに基づいて、前記シミュレーション環境上に生成された複数の施設エージェントの中から前記複数の来場者エージェントが向かう目的の施設エージェントを選択する、処理を実行する処理部を含む。
来場者の影響特性を考慮した人流をシミュレーションすることができる。
図１は人流シミュレーションシステムの一例を説明するための図である。 図２は制御装置のハードウェア構成の一例である。 図３は制御装置のブロック図の一例である。 図４は場所データの一例である。 図５は施設データの一例である。 図６は施設プログラムデータの一例である。 図７は経路データの一例である。 図８は来場者データの一例である。 図９は来場者モデルデータの一例である。 図１０（ａ）は選好度モデルデータの一例である。図１０（ｂ）は行動特性モデルデータの一例である。図１０（ｃ）は影響特性モデルデータの一例である。 図１１は場所テーブルの一例である。 図１２は施設テーブルの一例である。 図１３は施設プログラムテーブルの一例である。 図１４は経路テーブルの一例である。 図１５は来場者テーブルの一例である。 図１６は制御装置の動作の一例を示すフローチャートである。 図１７は来場者エージェントのシミュレーション結果の一例である。 図１８は来場者エージェントのシミュレーション結果の他の一例である。 図１９は施設エージェントのシミュレーション結果の一例である。 図２０は施設エージェントのシミュレーション結果の他の一例である。 図２１（ａ）及び（ｂ）は施設エージェントのシミュレーション結果の他の一例である。 図２２はシミュレーション処理のフローチャートの一例である。 図２３は状態遷移処理の処理手順の一例を示す図である。 図２４は施設選択処理の一例を示すフローチャートである。
以下、本件を実施するための形態について図面を参照して説明する。
図１は人流シミュレーションシステムＳの一例を説明するための図である。人流シミュレーションシステムＳはいわゆるマルチエージェントシステムである。人流シミュレーションシステムＳは人流シミュレーション装置としての端末装置１００とサーバ装置２００とを備えている。図１では、端末装置１００の一例としてPersonal Computer（ＰＣ）が示されているが、例えばスマートフォンやタブレット端末といったスマートデバイスであってもよい。端末装置１００はユーザによって操作される。ユーザとしては、例えばテーマパークにおける来場者の人流をシミュレーションする者が該当する。尚、テーマパークは人流をシミュレーションする場所の一例であって、テーマパークに代えて例えば観光地や行楽地などが利用されてもよい。以下、テーマパークを一例として説明する。
サーバ装置２００は例えばテーマパーク内の管理事務室１０などに配備される。サーバ装置２００は複数のセンサ１１〜１４と接続されている。センサ１１は入退場ゲートと接続されており、テーマパークに入場した来場者の数を計数したり、テーマパークから退場した来場者の数を計数したりする。一方、センサ１２〜１４は優先利用券を発券する発券機器を備え、ジェットコースター、巨大迷路、観覧車といった各種アトラクション施設（以下、単に施設という）の利用人数及び待ち人数を計数するとともに、優先利用券を発券する。特に、センサ１２〜１４は優先利用券を持つ優先来場者が並ぶ優先レーンと優先利用券を持たない一般来場者が並ぶ一般レーンを分けて待ち人数を計数する。したがって、サーバ装置２００はセンサ１１〜１４からテーマパークの来場者数や各施設の利用人数及び待ち人数を取得することができる。このように、サーバ装置２００はテーマパークや各施設の混雑状況を管理する。尚、センサ１１〜１４の代わりに、サーバ装置２００がシミュレーションしたテーマパークや各施設の混雑状況を利用してもよい。また、サーバ装置２００は混雑状況に応じて定期的又は非定期的に優先利用券の情報を生成する。サーバ装置２００は生成した情報を上記発券機器に出力したり、端末装置１００（具体的には、後述する来場者エージェント）からの要求に応じて当該情報を端末装置１００に出力したりする。尚、サーバ装置２００は当該情報の出力と併せて、施設への移動を提案する情報やクーポン券といった各種媒体に関する情報を出力してもよい。
端末装置１００とサーバ装置２００は互いに接続されている。より詳しくは、端末装置１００とサーバ装置２００は通信ネットワークＮＷを介して接続されている。通信ネットワークＮＷとしては例えばインターネットなどがある。したがって、端末装置１００は有線通信を利用してサーバ装置２００に接続することができる。
端末装置１００は入力装置１１０、表示装置１２０、及び制御装置１３０を含んでいる。制御装置１３０は入力装置１１０から入力された情報や指示に基づいて、表示装置１２０の表示内容を制御する。また、制御装置１３０は入力装置１１０から入力された情報や指示に基づいて、サーバ装置２００から送信された情報を受信したりする。制御装置１３０は受信した情報に基づいて、表示装置１２０の表示内容を制御する。
以下、上述した制御装置１３０の構成及び動作の詳細を説明する。
図２は制御装置１３０のハードウェア構成の一例である。尚、上述したサーバ装置２００については基本的に制御装置１３０と同様のハードウェア構成であるため、説明を省略する。図２に示すように、制御装置１３０は、少なくともプロセッサとしてのCentral Processing Unit（ＣＰＵ）１３０Ａ、Random Access Memory（ＲＡＭ）１３０Ｂ、Read Only Memory（ＲＯＭ）１３０Ｃ及びネットワークＩ／Ｆ（インタフェース）１３０Ｄを含んでいる。制御装置１３０は、必要に応じて、Hard Disk Drive（ＨＤＤ）１３０Ｅ、入力Ｉ／Ｆ１３０Ｆ、出力Ｉ／Ｆ１３０Ｇ、入出力Ｉ／Ｆ１３０Ｈ、ドライブ装置１３０Ｉの少なくとも１つを含んでいてもよい。ＣＰＵ１３０Ａからドライブ装置１３０Ｉまでは、内部バス１３０Ｊによって互いに接続されている。少なくともＣＰＵ１３０ＡとＲＡＭ１３０Ｂとが協働することによってコンピュータが実現される。尚、ＣＰＵ１３０Ａに代えてMicro Processing Unit（ＭＰＵ）をプロセッサとして利用してもよい。
入力Ｉ／Ｆ１３０Ｆには、入力装置１１０が接続される。入力装置１１０としては、例えばキーボードやマウスなどがある。出力Ｉ／Ｆ１３０Ｇには、表示装置１２０が接続される。表示装置１２０としては、例えば液晶ディスプレイがある。入出力Ｉ／Ｆ１３０Ｈには、半導体メモリ７３０が接続される。半導体メモリ７３０としては、例えばUniversal Serial Bus（ＵＳＢ）メモリやフラッシュメモリなどがある。入出力Ｉ／Ｆ１３０Ｈは、半導体メモリ７３０に記憶されたプログラムやデータを読み取る。入力Ｉ／Ｆ１３０Ｆ及び入出力Ｉ／Ｆ１３０Ｈは、例えばＵＳＢポートを備えている。出力Ｉ／Ｆ１３０Ｇは、例えばディスプレイポートを備えている。
ドライブ装置１３０Ｉには、可搬型記録媒体７４０が挿入される。可搬型記録媒体７４０としては、例えばCompact Disc（ＣＤ）−ＲＯＭ、Digital Versatile Disc（ＤＶＤ）といったリムーバブルディスクがある。ドライブ装置１３０Ｉは、可搬型記録媒体７４０に記録されたプログラムやデータを読み込む。ネットワークＩ／Ｆ１３０Ｄは、例えばＬＡＮポートを備えている。ネットワークＩ／Ｆ１３０Ｄは上述した通信ネットワークＮＷと接続される。
上述したＲＡＭ１３０Ｂには、ＲＯＭ１３０ＣやＨＤＤ１３０Ｅに記憶されたプログラムがＣＰＵ１３０Ａによって格納される。ＲＡＭ１３０Ｂには、可搬型記録媒体７４０に記録されたプログラムがＣＰＵ１３０Ａによって格納される。格納されたプログラムをＣＰＵ１３０Ａが実行することにより、後述する各種の機能が実現され、また、後述する各種の処理が実行される。尚、プログラムは後述するフローチャートに応じたものとすればよい。
次に、図３から図１５までを参照して、制御装置１３０の機能について説明する。
図３は制御装置１３０のブロック図の一例である。図３では、制御装置１３０の機能構成を表している。図４は場所データ２１の一例である。図５は施設データ２２の一例である。図６は施設プログラムデータ２３の一例である。図７は経路データ３１の一例である。図８は来場者データ４１の一例である。図９は来場者モデルデータ５１の一例である。
図１０（ａ）は選好度モデルデータ５２の一例である。図１０（ｂ）は行動特性モデルデータ５３の一例である。図１０（ｃ）は影響特性モデルデータ５４の一例である。図１１は場所テーブルＴ１の一例である。図１２は施設テーブルＴ２の一例である。図１３は施設プログラムテーブルＴ３の一例である。図１４は経路テーブルＴ４の一例である。図１５は来場者テーブルＴ５の一例である。
制御装置１３０は、図３に示すように、施設情報受付部１３１、経路情報受付部１３２、来場者情報受付部１３３、及び来場者モデル受付部１３４を備えている。制御装置１３０は、処理部としての施設エージェント生成部１３５、経路生成部１３６、及び来場者エージェント生成部１３７を備えている。制御装置１３０は、施設記憶部１４０、経路記憶部１４１、及び来場者記憶部１４２を備えている。制御装置１３０は、処理部としての来場者エージェント更新部１４３、誘発情報受信部１４４、施設選択部１４５、及び施設エージェント更新部１４６を備えている。
尚、施設情報受付部１３１、経路情報受付部１３２、来場者情報受付部１３３、来場者モデル受付部１３４は、例えば上述した入力Ｉ／Ｆ１３０Ｆによって実現される。施設記憶部１４０、経路記憶部１４１、及び来場者記憶部１４２は、例えば上述したＲＡＭ１３０Ｂ又はＨＤＤ１３０Ｅによって実現される。施設エージェント生成部１３５、経路生成部１３６、及び来場者エージェント生成部１３７、来場者エージェント更新部１４３、施設選択部１４５、及び施設エージェント更新部１４６は、例えば上述したＣＰＵ１３０Ａによって実現される。誘発情報受信部１４４は、例えば上述したネットワークＩ／Ｆ１３０Ｄによって実現される。
施設情報受付部１３１は入力装置１１０から入力された施設情報を受け付ける。施設情報受付部１３１は受け付けた施設情報を施設エージェント生成部１３５に出力する。施設情報は、図４から図６に示すように、特定の記述言語で記載された場所データ２１、施設データ２２、及び施設プログラムデータ２３を含んでいる。場所データ２１は人流をシミュレーションする場所のデータである。場所データ２１は場所の名称、その場所の営業時間及び位置（具体的には経路及び緯度）を含んでいる。施設データ２２は場所データ２１によって特定される場所に設置された複数の施設に関するデータである。施設データ２２は複数の施設の名称、その施設の位置、及び収容人数などを含んでいる。施設プログラムデータ２３は施設データ２２によって特定される施設が提供するプログラムに関するデータである。施設プログラムデータ２３は施設が提供するプログラムの開始時刻及び終了時刻を含んでいる。施設情報受付部１３１は、このような場所データ２１、施設データ２２、及び施設プログラムデータ２３を含む施設情報を受け付けて、施設エージェント生成部１３５に出力する。
経路情報受付部１３２は入力装置１１０から入力された経路情報を受け付ける。経路情報受付部１３２は受け付けた経路情報を経路生成部１３６に出力する。経路情報は、図７に示すように、特定の記述言語で記載された経路データ３１を含んでいる。経路データ３１は複数の施設の間を移動できる経路を表すデータである。経路データ３１は経路を識別する経路ＩＤ、経路の始点を識別する始点ノードＩＤ、経路の終点を識別する終点ノードＩＤ、及び経路の始点及び終点を特定するそれぞれの位置（具体的には緯度及び経度）を含んでいる。経路情報受付部１３２は、このような経路データ３１を含む経路情報を受け付けて、経路生成部１３６に出力する。
来場者情報受付部１３３は入力装置１１０から入力された来場者情報を受け付ける。来場者情報受付部１３３は受け付けた来場者情報を来場者エージェント生成部１３７に出力する。来場者情報は、図８に示すように、来場者データ４１を含んでいる。来場者データ４１は上述した場所データ２１によって特定される場所の時間帯毎の来場者数、その時間帯における来場者の滞在時間の平均及び分散を含んでいる。来場者データ４１は例えば表計算用アプリなどによって定義される。来場者情報受付部１３３は、このような来場者データ４１を含む来場者情報を受け付けて、来場者エージェント生成部１３７に出力する。
来場者モデル受付部１３４は入力装置１１０から入力された来場者モデル情報を受け付ける。来場者モデル受付部１３４は受け付けた来場者モデル情報を来場者エージェント生成部１３７に出力する。来場者モデル情報は、図９及び図１０（ａ）〜（ｃ）に示すように、来場者モデルデータ５１、選好度モデルデータ５２、行動特性モデルデータ５３、及び影響特性モデルデータ５４を含んでいる。来場者モデルデータ５１、選好度モデルデータ５２、行動特性モデルデータ５３、及び影響特性モデルデータ５４はいずれも例えば表計算用アプリなどによって定義されている。
来場者モデルデータ５１は来場者の種々の特性をモデル化したデータである。来場者モデルデータ５１は、図９に示すように、来場者モデルＩＤ、選好度モデルＩＤ、行動特性モデルＩＤ、影響特性モデルＩＤ、及び重みを構成要素として含んでいる。来場者モデルＩＤは来場者モデルデータ５１を識別する識別情報である。選好度モデルＩＤは選好度モデルデータ５２を識別する識別情報である。行動特性モデルＩＤは行動特性モデルデータ５３を識別する識別情報である。影響特性モデルＩＤは影響特性モデルデータ５４を識別する識別情報である。重みは後述する来場者エージェントに来場者モデルＩＤを割り当てる際の基準である。
ここで、上述した選好度モデルデータ５２は来場者の施設に対する選好度をモデル化したデータである。選好度モデルデータ５２は、図１０（ａ）に示すように、選好度モデルＩＤ毎に複数の施設について各施設の時間帯毎の来場者の施設に対する選好度を表すパラメータを含んでいる。例えば、選好度モデルＩＤ「１」により特定される選好度モデルデータ５２では、９時台にはジェットコースターに対する選好度がパラメータ「０．９」であるが、１０時台にはその選好度がパラメータ「０．８」に下がっている。すなわち、１０時台では９時台よりジェットコースターを好んで選ぶ度合が下がっていることを表している。ジェットコースター以外の施設についてもジェットコースターと同様である。このように、選好度モデルデータ５２は複数の施設に対する時間帯毎の選好度を時系列に管理している。
また、上述した行動特性モデルデータ５３は来場者の行動の特性をモデル化したデータである。行動特性モデルデータ５３は、図１０（ｂ）に示すように、行動特性モデルＩＤ毎に待ち時間抵抗度及び移動距離抵抗度のそれぞれについて時間帯毎の来場者の行動の特性を表すパラメータを含んでいる。待ち時間抵抗度は、来場者が許容できない待ち時間の度合を表しており、移動距離抵抗度は、来場者が許容できない移動距離の度合を表している。例えば、行動特性モデルＩＤ「１」により特定される行動特性モデルデータ５３では、９時台には待ち時間抵抗度がパラメータ「０．１」であり、移動距離抵抗度がパラメータ「０．５」である。すなわち、９時台では来場者は待ち時間についてはある程度許容できるが、移動距離についてはあまり許容できないことを表している。このように、行動特性モデルデータ５３は時間帯毎に待ち時間抵抗度及び移動距離抵抗度を時系列に管理している。
さらに、上述した影響特性モデルデータ５４は来場者の誘発情報に対する影響の特性をモデル化したデータである。誘発情報は来場者の行動を誘発する情報である。誘発情報としては、例えば施設の移動を提案する情報や、優先利用券に関する情報、サービス券、割引券、クーポン券に関する情報といった移動の動機付け（インセンティブ）を与える情報などがある。当該情報に動機付けの強度（例えば高い割引率や価値の高いサービスなど）を関連付けてもよい。影響特性モデルデータ５４は、図１０（ｃ）に示すように、時間帯毎に来場者の誘発情報に対する感受性に関する特性を表すパラメータを含んでいる。例えば、影響特性モデルＩＤ「１」により特定される影響特性モデルデータ５４では、９時台には感受性がパラメータ「０．３」である。すなわち、９時台では来場者は誘発情報に対しあまり影響を受けないことを表している。逆に、感受性がパラメータ「０．９」である場合、来場者は誘発情報に対し強く影響を受けることを表している。このように、影響特性モデルデータ５４は時間帯毎に感受性を時系列に管理している。
施設エージェント生成部１３５は施設情報受付部１３１から出力された施設情報に基づいて、施設エージェントを生成する。施設エージェントはシミュレーション環境上で施設の代理として動作する情報である。より詳しくは、施設エージェント生成部１３５は、施設情報に含まれる場所データ２１に基づいて、図１１に示すように、場所データ２１を含む場所テーブルＴ１を生成する。施設エージェント生成部１３５は生成した場所テーブルＴ１を施設記憶部１４０に登録する。また、施設エージェント生成部１３５は、施設情報に含まれる施設データ２２に基づいて、図１２に示すように、施設データ２２を含む施設テーブルＴ２を生成する。施設エージェント生成部１３５は生成した施設テーブルＴ２を施設エージェントとして施設記憶部１４０に登録する。さらに、施設エージェント生成部１３５は、施設情報に含まれる施設プログラムデータ２３に基づいて、図１３に示すように、施設プログラムデータ２３を含む施設プログラムテーブルＴ３を生成する。施設エージェント生成部１３５は生成した施設プログラムテーブルＴ３を施設記憶部１４０に登録する。
経路生成部１３６は経路情報受付部１３２から出力された経路情報に基づいて、来場者エージェントの移動経路を生成する。より詳しくは、経路生成部１３６は、経路情報に含まれる経路データ３１に基づいて、図１４に示すように、経路データ３１を含む経路テーブルＴ４を生成する。経路生成部１３６は生成した経路テーブルＴ４を移動経路として経路記憶部１４１に登録する。
来場者エージェント生成部１３７は来場者情報受付部１３３から出力された来場者情報と来場者モデル受付部１３４から出力された来場者モデル情報とに基づいて、来場者エージェントを生成する。来場者エージェントはシミュレーション環境上で来場者の代理として動作する情報である。より詳しくは、来場者エージェント生成部１３７は、まず、来場者情報に含まれる時間帯別来場者数と滞在時間の分散に基づいて、図１５に示すように、来場者テーブルＴ５を生成する。次に、来場者エージェント生成部１３７は、来場者モデルデータ５１に含まれる重み（図９参照）の比率に基づいて、来場者テーブルＴ５の来場者モデルＩＤの欄に、来場者モデルデータ５１の来場者モデルＩＤを割り当てる。これにより、来場者モデルデータ５１（図９参照）を介して、来場者テーブルＴ５と選好度モデルデータ５２（図１０（ａ）参照）、行動特性モデルデータ５３（図１０（ｂ）参照）、及び影響特性モデルデータ５４（図１０（ｃ）参照）とが互いに関連付けられる。例えば、図１５に示す来場者ＩＤ「１０１」の選好度、行動特性及び影響特性は来場者モデルＩＤ「３」によって特定され、来場者モデルデータ５１（図９参照）に基づけば、来場者モデルＩＤ「３」は選好度モデルＩＤ「３」、行動特性モデルＩＤ「４」及び影響特性モデルＩＤ「１」によって特定される。来場者エージェント生成部１３７は来場者テーブルＴ５を生成すると、生成したテーブルＴ５を来場者エージェントとして来場者記憶部１４２に登録する。
来場者エージェント更新部１４３は、シミュレーション環境上の時間軸に従って、来場者記憶部１４２が記憶する来場者エージェントの状態を更新する。より詳しくは、来場者エージェント更新部１４３は、シミュレーション環境上のテーマパーク内に滞在する全ての来場者エージェントの状態を更新する。来場者エージェントの状態としては、例えば施設への移動を表す状態や施設の利用を待っている状態、施設を利用している状態などがある。尚、来場者エージェントの状態の詳細については後述する。来場者エージェント更新部１４３は、来場者エージェントの状態を更新し終えると、更新後の来場者エージェントの状態をシミュレーション結果として来場者記憶部１４２に登録する。また、来場者エージェント更新部１４３は各来場者エージェントの来場者モデルデータ５１に基づいて、選好度モデルデータ５２、行動特性モデルデータ５３、及び影響特性モデルデータ５４を取得し、取得した選好度モデルデータ５２、行動特性モデルデータ５３、及び影響特性モデルデータ５４を施設選択部１４５に出力する。
誘発情報受信部１４４は誘発情報をサーバ装置２００から来場者エージェントの要求に基づいて又は来場者エージェントの要求に基づかずに受信する。誘発情報受信部１４４は誘発情報を受信すると、受信した誘発情報を施設選択部１４５に出力する。
施設選択部１４５は来場者エージェントの行先施設を選択する。より詳しくは、施設選択部１４５は施設記憶部１４０から施設エージェントを取得するとともに、経路記憶部１４１から移動経路を取得する。施設選択部１４５は施設エージェント及び移動経路を取得すると、取得した施設エージェント及び移動経路、来場者エージェント更新部１４３から出力された選好度モデルデータ５２、行動特性モデルデータ５３、及び影響特性モデルデータ５４、並びに誘発情報受信部１４４から出力された誘発情報に基づいて、来場者エージェントの行先施設を選択する。施設選択部１４５は来場者エージェントの行先施設を選択すると、選択した行先施設を、来場者エージェント更新部１４３を通して来場者記憶部１４２に登録する。
施設エージェント更新部１４６は施設記憶部１４０が記憶する施設エージェントを更新する。より詳しくは、そのシミュレーション時刻における来場者エージェントの状態（例えば、当該施設を利用中、または、利用待ち中など）に基づいて、施設エージェントを更新する。例えば、１ステップ前のシミュレーション時刻と比べてジェットコースターの待ち人数や利用者数が増えていた場合、施設エージェント更新部１４６はジェットコースターの待ち人数を増やしたり、利用者数を増やしたりする。また、施設エージェント更新部１４６は施設エージェントの更新結果をシミュレーション結果として施設記憶部１４０に登録する。
続いて、制御装置１３０の動作について説明する。
図１６は制御装置１３０の動作の一例を示すフローチャートである。図１７は来場者エージェントのシミュレーション結果の一例である。図１８は来場者エージェントのシミュレーション結果の他の一例である。図１９は施設エージェントのシミュレーション結果の一例である。図２０は施設エージェントのシミュレーション結果の他の一例である。図２１（ａ）及び（ｂ）は施設エージェントのシミュレーション結果の他の一例である。
まず、施設情報受付部１３１は入力装置１１０から入力された施設情報を受け付ける（ステップＳ１０１）。次いで、経路情報受付部１３２は入力装置１１０から入力された経路情報を受け付ける（ステップＳ１０２）。次いで、来場者情報受付部１３３は入力装置１１０から入力された来場者情報を受け付ける（ステップＳ１０３）。より詳しくは、来場者情報受付部１３３は入力装置１１０から入力された来場者情報を受け付け、来場者モデル受付部１３４は入力装置１１０から入力された来場者モデル情報を受け付ける。
ステップＳ１０３の処理が完了すると、次いで、施設エージェント生成部１３５等はシミュレーション処理を実行する（ステップＳ１０４）。シミュレーション処理は、施設エージェント、移動経路、及び来場者エージェントを生成し、生成した施設エージェント、移動経路、来場者エージェント、及び受信した誘発情報に基づいて、施設エージェント及び来場者エージェントの状態を更新し、来場者エージェントの人流をシミュレーションする処理である。尚、シミュレーション処理の詳細については後述する。
ステップＳ１０４の処理が完了すると、次いで、来場者エージェント更新部１４３等はシミュレーション結果を出力する（ステップＳ１０５）。例えば、来場者エージェントに関するシミュレーション結果であれば、来場者エージェント更新部１４３はそのシミュレーション結果を来場者記憶部１４２に出力する。例えば、施設エージェントに関するシミュレーション結果であれば、施設エージェント更新部１４６はそのシミュレーション結果を施設記憶部１４０に出力する。
来場者記憶部１４２に出力されるシミュレーション結果としては、例えば、図１７に示すように、来場者エージェントの来場者ＩＤ毎の行動履歴や、図１８に示すように、来場者エージェントの来場者ＩＤ毎の待ち時間などがある。一方、施設記憶部１４０に出力されるシミュレーション結果としては、例えば、図１９に示すように、各施設エージェントのシミュレーション時刻毎の利用者数や待ち人数、混雑率、待ち時間、図２０に示すように、施設エージェントの施設ＩＤ毎の待ち時間などがある。また、施設記憶部１４０に出力されるシミュレーション結果としては、図２１（ａ）に示すように、テーマパーク内の時間帯別の滞在者数や、図２１（ｂ）に示すように、各施設の時間帯別平均待ち時間などもある。来場者エージェント更新部１４３及び施設エージェント更新部１４６はこれらのシミュレーション結果を表示装置１２０に出力してもよい。尚、待ち人数は一般レーンの待ち人数、または、優先レーンの待ち人数であり、図１９ではそれぞれについて出力された一般レーンの待ち人数と優先レーンの待ち人数の一方が示されている。混雑率は利用人数と待ち人数の和を収容人数で割った値である。待ち時間は待ち人数を回転数で割って所要時間を掛けた値である。待ち人数、混雑率、及び待ち時間はいずれも施設エージェント更新部１４６によって算出される。
続いて、図２２を参照して、上述したシミュレーション処理の詳細について説明する。
図２２はシミュレーション処理のフローチャートの一例である。上述したステップＳ１０３の処理が完了すると、まず、施設エージェント生成部１３５は施設エージェントを生成する（ステップＳ２０１）。ステップＳ２０１の処理が完了すると、次いで、経路生成部１３６は移動経路を生成する（ステップＳ２０２）。ステップＳ２０２の処理が完了すると、次いで、来場者エージェント生成部１３７は来場者エージェントを生成する（ステップＳ２０３）。
ステップＳ２０３の処理が完了すると、次いで、来場者エージェント更新部１４３はシミュレーション時刻を１ステップ（例えば１分）進行させる（ステップＳ２０４）。ステップＳ２０４の処理が完了すると、来場者エージェント更新部１４３は状態遷移処理を実行する（ステップＳ２０５）。状態遷移処理は来場者エージェントの状態遷移を実行したり、来場者エージェントの行先施設を選択したりする処理である。尚、状態遷移処理の詳細については後述する。
ステップＳ２０５の処理が完了すると、次いで、施設エージェント更新部１４６は施設エージェントを更新する（ステップＳ２０６）。ステップＳ２０６の処理が完了すると、次いで、来場者エージェント更新部１４３は指定時間が終了したか否かを判断する（ステップＳ２０７）。指定時間が終了していない場合（ステップＳ２０７：ＮＯ）、来場者エージェント更新部１４３はステップＳ２０４の処理を実行する。これにより、シミュレーション時刻が進行する度に、来場者エージェントの状態が更新され、施設エージェントの状態が更新される。一方、指定時間が終了した場合（ステップＳ２０７：ＹＥＳ）、シミュレーション処理が終了する。
図２３は状態遷移処理の処理手順の一例を示す図である。図２３では、テーマパーク内の状態遷移を表している。まず、来場者エージェント生成部１３７が来場者エージェントを生成すると、生成した来場者エージェントはテーマパーク内に入場し、ｉｄｌｅ状態に遷移する（Ｗ１）。ｉｄｌｅ状態では確率ｐ１で行先施設を選択し、予め定めた一定の確率ｐ２でサーバ装置２００に対して例えば行先施設の提案を要求し（Ｗ２）、確率１−ｐ１−ｐ２でｉｄｌｅ状態を維持する（Ｗ３）。尚、行先施設を選択する処理については後述する。
ｉｄｌｅ状態で行先施設を選択すると、来場者エージェントの状態はｉｄｌｅ状態からｒｏａｍ状態に遷移する（Ｗ４）。すなわち、来場者エージェントは選択した行先施設に向けた散策を開始する。一方、ｉｄｌｅ状態で行先施設の提案を要求すると、来場者エージェントは行先施設の提案と併せて有効時限が設定された優先利用券を取得する。このとき、行先施設は複数提案されるものとし、その中から来場者エージェントは行先を選択する。ｉｄｌｅ状態で優先利用券を取得すると、取得した優先利用券が有効時限内であれば（もしくは、移動を開始してその行先施設到着時に有効時限内に入るのであれば）、来場者エージェントの状態はｉｄｌｅ状態からｍｏｖｅ状態に遷移する（Ｗ５）。すなわち、提案された行先施設に向けて来場者エージェントは移動する。
ｒｏａｍ状態では、来場者エージェントは自ら選択した行先施設に向かい移動する。行先施設に到着した場合には、来場者エージェント更新部１４３は待ち判定を行う。来場者エージェント更新部１４３は待ち時間が長くなるほど、来場者エージェントがその施設を諦めると判断する。例えば待ち時間が所定の設定時間より長くなると、来場者エージェントの状態はｒｏａｍ状態からｉｄｌｅ状態に遷移する（Ｗ６）。一方、待ち時間が所定の設定時間より短い場合、来場者エージェントの状態はｒｏａｍ状態からｗａｉｔ状態に遷移する（Ｗ７）。この場合、来場者エージェントは優先利用券を所持していないため、一般レーンでの待機となる。
また、ｒｏａｍ状態において、来場者エージェントが優先利用券を所持しており、移動中にその有効時限に間に合わなくなると判断した場合には、来場者エージェントの状態はｒｏａｍ状態からｍｏｖｅ状態に遷移する（Ｗ８）。移動中にその有効時限に間に合わなくなるか否かは、例えば来場者エージェント更新部１４３が取得した移動経路に基づいて判断する。
ｍｏｖｅ状態では、来場者エージェントは優先利用券が対象とする施設に向かい移動し、当該施設に到着すると、来場者エージェントの状態はｍｏｖｅ状態からｗａｉｔ状態に遷移する（Ｗ９）。来場者エージェントは優先利用券を所持しているため、優先搭乗レーンでの待機となる。
ｗａｉｔ状態では、一般レーンでの待機であっても優先搭乗レーンでの待機であっても、施設を利用できる時間になるまで待機する。施設を利用できる時間になると、来場者エージェントの状態はｗａｉｔ状態からｆａｃｉｌｉｔｙ状態に遷移する（Ｗ１０，Ｗ１１）。尚、一般レーンでの待機の場合には、来場者エージェント更新部１４３はｒｏａｍ状態の際の待ち判定より緩和された条件で待ち判定を行う。例えば待ち時間が所定の設定時間より長かった場合、来場者エージェントは一定の確率で行列から離脱し、来場者エージェントの状態はｗａｉｔ状態からｉｄｌｅ状態に遷移する（Ｗ１２）。一方、ｗａｉｔ状態において、来場者エージェントが優先利用券を所持しており、待機中にその有効時限に間に合わなくなると判断した場合には、来場者エージェントの状態はｗａｉｔ状態からｍｏｖｅ状態に遷移する（Ｗ１３）。
ｆａｃｉｌｉｔｙ状態では、来場者エージェントは施設を利用する。施設の利用が終了すると、来場者エージェントの状態はｆａｃｉｌｉｔｙ状態からｉｄｌｅ状態に遷移する（Ｗ１４）。設定された滞在時間に到達した場合には、来場者エージェントはテーマパークから退場し、来場者エージェントのシミュレーションは終了する。
図２４は施設選択処理の一例を示すフローチャートである。施設選択処理は来場者エージェントが行先施設を選択する処理である。提案された行先施設から施設を選択するときにも実行される。まず、施設選択部１４５は、行先施設の候補を抽出できるか否かを判断する（ステップＳ３０１）。より詳しくは、来場者エージェントが上述したｉｄｌｅ状態に遷移すると、施設選択部１４５は来場者エージェントがまだ利用していない施設エージェントを抽出できるか否かを判断する。テーマパーク内に設置された全ての施設の施設エージェントを来場者エージェントが利用した場合、施設選択部１４５は来場者エージェントが利用していない施設を抽出できないと判断し（ステップＳ３０１：ＮＯ）、処理を終了する。
一方、全ての施設の施設エージェントを来場者エージェントがまだ利用し終えていない場合、施設選択部１４５は来場者エージェントがまだ利用していない施設エージェントを抽出できると判断し（ステップＳ３０１：ＹＥＳ）、抽出できた各施設エージェントの効用値を算出する（ステップＳ３０２）。ここで、施設選択部１４５は以下の算出式（１）と各係数とに基づいて、時刻ｔにおける施設エージェントｉの効用値Ｖｉ（ｔ）を算出する。提案された行先施設から施設を選択するときには、上記効用値が一定以上のものだけを対象とする。
＜算出式（１）＞
Figure 2019021143
ここで、算出式（１）における各係数は以下のとおりである。
Ｐｉ：施設エージェントｉに対する選好度
ＷＴｉ：施設エージェントｉの待ち時間
Ｄｉ：施設エージェントｉまでの距離
Ｉｉ：施設エージェントｉに対する情報又はインセンティブ強度
β１：待ち時間に対する抵抗度
β２：移動距離に対する抵抗度
β３：情報またはインセンティブに対する感受性
ステップＳ３０２の処理が完了すると、次いで、施設選択部１４５は抽出できた各施設エージェントの選択確率を算出する（ステップＳ３０３）。ここで、施設選択部１４５は算出した各施設エージェントの効用値と以下の算出式（２）とに基づいて、時刻ｔにおける施設エージェントｉの選択確率Ｐｒｏｂｉ（ｔ）を算出する。
＜算出式（２）＞
Figure 2019021143
尚、Ａは行先施設の候補群を表している。
ステップＳ３０３の処理が完了すると、次いで、施設選択部１４５は行先施設を選択する（ステップＳ３０４）。より詳しくは、施設選択部１４５は算出した各施設エージェントの選択確率Ｐｒｏｂｉ（ｔ）に基づいて行先施設を選択する。例えば、施設選択部１４５は算出した各施設エージェントの選択確率Ｐｒｏｂｉ（ｔ）の中から最大の選択確率Ｐｒｏｂｉ（ｔ）を算出した施設エージェントを行先施設として選択する。すなわち、施設選択部１４５は最大の選択確率Ｐｒｏｂｉ（ｔ）を上述した確率Ｐ１とし、確率Ｐ１を算出した施設を行先施設として選択する。ステップＳ３０４の処理が終了すると、施設選択部１４５は処理を終了する。このように、施設選択部１４５は来場者エージェントの影響特性を考慮した効用値を算出し、算出した効用値に基づいて施設の選択確率を算出し、算出した選択確率に基づいて行先施設を選択する。
以上、本実施形態によれば、制御装置１３０は来場者エージェント生成部１３７と施設選択部１４５を備えている。来場者エージェント生成部１３７は、来場者情報と複数の影響特性モデル情報とに基づき、複数の影響特性モデル情報とそれぞれ関連付けられた複数の来場者エージェントをシミュレーション環境上に生成する。施設選択部１４５は上述した算出式（２）と影響特性モデル情報とに基づいて、シミュレーション環境上に生成された複数の施設エージェントの中から複数の来場者エージェントが向かう目的の施設エージェントを選択する。これにより、来場者の影響特性を考慮した人流をシミュレーションすることができる。
以上、本発明の好ましい実施形態について詳述したが、本発明に係る特定の実施形態に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。例えば、上述した実施形態では、複数の来場者が時間及び距離に関して許容できない抵抗度合を表す行動特性モデル情報を利用して説明したが、時間及び距離に限定されず、例えば天候や環境（例えば気温や湿度など）、テーマパーク内の人口密度などを抵抗度合として利用してもよい。
なお、以上の説明に関して更に以下の付記を開示する。
（付記１）複数の施設が設置された場所における複数の来場者の人流をシミュレーションする人流シミュレーション装置であって、前記複数の来場者の状況をそれぞれ表す来場者情報と、前記複数の来場者の行動を誘発する誘発情報に対して前記複数の来場者が影響を受ける特性をそれぞれ表す複数の影響特性モデル情報とに基づき、前記複数の影響特性モデル情報とそれぞれ関連付けられた複数の来場者エージェントをシミュレーション環境上に生成し、前記複数の施設の中から目的の施設を選択する確率を算出する算出式と前記複数の影響特性モデル情報とに基づいて、前記シミュレーション環境上に生成された複数の施設エージェントの中から前記複数の来場者エージェントが向かう目的の施設エージェントを選択する、処理を実行する処理部を含む人流シミュレーション装置。
（付記２）前記処理部は、前記複数の来場者が少なくとも時間及び距離に関して許容できない抵抗度合をそれぞれ表す複数の行動特性モデル情報ともそれぞれ関連付けられた前記複数の来場者エージェントを生成し、前記複数の行動特性モデル情報にも基づいて、前記施設エージェントを選択する、ことを特徴とする付記１に記載の人流シミュレーション装置。
（付記３）前記処理部は、前記複数の施設のいずれかを選ぶ際の選好度をそれぞれ表す複数の選好度モデル情報ともそれぞれ関連付けられた前記複数の来場者エージェントを生成し、前記複数の選好度モデル情報にも基づいて、前記施設エージェントを選択する、ことを特徴とする付記１又は２に記載の人流シミュレーション装置。
（付記４）前記複数の影響特性モデル情報、前記複数の行動特性モデル情報、及び前記複数の選好度モデル情報はいずれも時系列に管理されている、ことを特徴とする付記３に記載の人流シミュレーション装置。
（付記５）前記処理部は、前記誘発情報を前記人流シミュレーション装置以外の装置から要求に基づいて又は前記要求に基づかずに受信する、ことを特徴とする付記１から４のいずれか１項に記載の人流シミュレーション装置。
（付記６）複数の施設が設置された場所における複数の来場者の人流をシミュレーションする処理をコンピュータが実行する人流シミュレーション方法であって、前記複数の来場者の状況をそれぞれ表す来場者情報と、前記複数の来場者の行動を誘発する誘発情報に対して前記複数の来場者が影響を受ける特性をそれぞれ表す複数の影響特性モデル情報とに基づき、シミュレーション環境上に前記複数の影響特性モデル情報とそれぞれ関連付けられた複数の来場者エージェントを生成し、前記複数の施設の中から目的の施設を選択する確率を算出する算出式と前記複数の影響特性モデル情報とに基づいて、前記シミュレーション環境上に生成された複数の施設エージェントの中から前記複数の来場者エージェントが向かう目的の施設エージェントを選択する、処理を含む人流シミュレーション方法。
（付記７）前記処理は、前記複数の来場者が時間及び距離に関して許容できない抵抗度合をそれぞれ表す複数の行動特性モデル情報ともそれぞれ関連付けられた前記複数の来場者エージェントを生成し、前記複数の行動特性モデル情報にも基づいて、前記施設エージェントを選択する、ことを特徴とする付記６に記載の人流シミュレーション方法。
（付記８）前記処理は、前記複数の施設のいずれかを選ぶ際の選好度をそれぞれ表す複数の選好度モデル情報ともそれぞれ関連付けられた前記複数の来場者エージェントを生成し、前記複数の選好度モデル情報にも基づいて、前記施設エージェントを選択する、ことを特徴とする付記６又は７に記載の人流シミュレーション方法。
（付記９）前記複数の影響特性モデル情報、前記複数の行動特性モデル情報、及び前記複数の選好度モデル情報はいずれも時系列に管理されている、ことを特徴とする付記８に記載の人流シミュレーション方法。
（付記１０）前記処理は、前記誘発情報を前記人流をシミュレーションする装置以外の装置から要求に基づいて又は前記要求に基づかずに受信する、ことを特徴とする付記６から９のいずれか１項に記載の人流シミュレーション方法。
（付記１１）複数の施設が設置された場所における複数の来場者の人流をシミュレーションする処理をコンピュータに実行させる人流シミュレーションプログラムであって、前記複数の来場者の状況をそれぞれ表す来場者情報と、前記複数の来場者の行動を誘発する誘発情報に対して前記複数の来場者が影響を受ける特性をそれぞれ表す複数の影響特性モデル情報とに基づき、シミュレーション環境上に前記複数の影響特性モデル情報とそれぞれ関連付けられた複数の来場者エージェントを生成し、前記複数の施設の中から目的の施設を選択する確率を算出する算出式と前記複数の影響特性モデル情報とに基づいて、前記シミュレーション環境上に生成された複数の施設エージェントの中から前記複数の来場者エージェントが向かう目的の施設エージェントを選択する、処理を含む人流シミュレーションプログラム。
Ｓ 人流シミュレーションシステム
１００ 端末装置
１３０ 制御装置
１３５ 施設エージェント生成部
１３６ 経路生成部
１３７ 来場者エージェント生成部
１４３ 来場者エージェント更新部
１４４ 誘発情報受信部
１４５ 施設選択部
１４６ 施設エージェント更新部
２００ サーバ装置

Claims (7)

  1. 複数の施設が設置された場所における複数の来場者の人流をシミュレーションする人流シミュレーション装置であって、
    前記複数の来場者の状況をそれぞれ表す来場者情報と、前記複数の来場者の行動を誘発する誘発情報に対して前記複数の来場者が影響を受ける特性をそれぞれ表す複数の影響特性モデル情報とに基づき、前記複数の影響特性モデル情報とそれぞれ関連付けられた複数の来場者エージェントをシミュレーション環境上に生成し、
    前記複数の施設の中から目的の施設を選択する確率を算出する算出式と前記複数の影響特性モデル情報とに基づいて、前記シミュレーション環境上に生成された複数の施設エージェントの中から前記複数の来場者エージェントが向かう目的の施設エージェントを選択する、
    処理を実行する処理部を含む人流シミュレーション装置。
  2. 前記処理部は、前記複数の来場者が少なくとも時間及び距離に関して許容できない抵抗度合をそれぞれ表す複数の行動特性モデル情報ともそれぞれ関連付けられた前記複数の来場者エージェントを生成し、前記複数の行動特性モデル情報にも基づいて、前記施設エージェントを選択する、
    ことを特徴とする請求項１に記載の人流シミュレーション装置。
  3. 前記処理部は、前記複数の施設のいずれかを選ぶ際の選好度をそれぞれ表す複数の選好度モデル情報ともそれぞれ関連付けられた前記複数の来場者エージェントを生成し、前記複数の選好度モデル情報にも基づいて、前記施設エージェントを選択する、
    ことを特徴とする請求項１又は２に記載の人流シミュレーション装置。
  4. 前記複数の影響特性モデル情報、前記複数の行動特性モデル情報、及び前記複数の選好度モデル情報はいずれも時系列に管理されている、
    ことを特徴とする請求項３に記載の人流シミュレーション装置。
  5. 前記処理部は、前記誘発情報を前記人流シミュレーション装置以外の装置から要求に基づいて又は前記要求に基づかずに受信する、
    ことを特徴とする請求項１から４のいずれか１項に記載の人流シミュレーション装置。
  6. 複数の施設が設置された場所における複数の来場者の人流をシミュレーションする処理をコンピュータが実行する人流シミュレーション方法であって、
    前記複数の来場者の状況をそれぞれ表す来場者情報と、前記複数の来場者の行動を誘発する誘発情報に対して前記複数の来場者が影響を受ける特性をそれぞれ表す複数の影響特性モデル情報とに基づき、シミュレーション環境上に前記複数の影響特性モデル情報とそれぞれ関連付けられた複数の来場者エージェントを生成し、
    前記複数の施設の中から目的の施設を選択する確率を算出する算出式と前記複数の影響特性モデル情報とに基づいて、前記シミュレーション環境上に生成された複数の施設エージェントの中から前記複数の来場者エージェントが向かう目的の施設エージェントを選択する、
    処理を含む人流シミュレーション方法。
  7. 複数の施設が設置された場所における複数の来場者の人流をシミュレーションする処理をコンピュータに実行させる人流シミュレーションプログラムであって、
    前記複数の来場者の状況をそれぞれ表す来場者情報と、前記複数の来場者の行動を誘発する誘発情報に対して前記複数の来場者が影響を受ける特性をそれぞれ表す複数の影響特性モデル情報とに基づき、シミュレーション環境上に前記複数の影響特性モデル情報とそれぞれ関連付けられた複数の来場者エージェントを生成し、
    前記複数の施設の中から目的の施設を選択する確率を算出する算出式と前記複数の影響特性モデル情報とに基づいて、前記シミュレーション環境上に生成された複数の施設エージェントの中から前記複数の来場者エージェントが向かう目的の施設エージェントを選択する、
    処理を含む人流シミュレーションプログラム。
JP2017140341A 2017-07-19 2017-07-19 人流シミュレーション装置、人流シミュレーション方法、及び人流シミュレーションプログラム Ceased JP2019021143A (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2017140341A JP2019021143A (ja) 2017-07-19 2017-07-19 人流シミュレーション装置、人流シミュレーション方法、及び人流シミュレーションプログラム
US16/033,853 US20190026408A1 (en) 2017-07-19 2018-07-12 People flow simulation apparatus and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017140341A JP2019021143A (ja) 2017-07-19 2017-07-19 人流シミュレーション装置、人流シミュレーション方法、及び人流シミュレーションプログラム

Publications (1)

Publication Number Publication Date
JP2019021143A true JP2019021143A (ja) 2019-02-07

Family

ID=65019034

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017140341A Ceased JP2019021143A (ja) 2017-07-19 2017-07-19 人流シミュレーション装置、人流シミュレーション方法、及び人流シミュレーションプログラム

Country Status (2)

Country Link
US (1) US20190026408A1 (ja)
JP (1) JP2019021143A (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021002294A (ja) * 2019-06-24 2021-01-07 富士通株式会社 待ち時間算出プログラム、待ち時間算出方法及び待ち時間算出システム
US11757699B2 (en) 2021-06-08 2023-09-12 Toyota Jidosha Kabushiki Kaisha Multi-agent simulation system and method

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114241755B (zh) * 2021-12-06 2023-08-25 安徽长泰科技有限公司 一种园区车辆实时优化调度系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06176004A (ja) * 1992-07-27 1994-06-24 Takenaka Komuten Co Ltd 入場者の動線シミュレーション装置
JP2007509393A (ja) * 2003-10-15 2007-04-12 ディズニー エンタープライゼス インコーポレイテッド 優先制御による群集の混雑中心に関連する人の流れの管理
WO2017029698A1 (ja) * 2015-08-14 2017-02-23 富士通株式会社 シミュレーションプログラム、シミュレーション方法およびシミュレーション装置
US20170270565A1 (en) * 2014-02-21 2017-09-21 Alexey Filatoff Facility mapping and interactive tracking

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8620675B2 (en) * 2010-01-29 2013-12-31 International Business Machines Corporation Method and apparatus for optimal service channel reconfiguration based on multi-agent simulation
US20110246304A1 (en) * 2010-03-31 2011-10-06 Terry Hicks Method and system for providing targeted advertisements based on positional tracking of mobile devices and financial data
US20180039949A1 (en) * 2016-08-02 2018-02-08 Sap Portals Israel Ltd. Optimizing and synchronizing people flows

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06176004A (ja) * 1992-07-27 1994-06-24 Takenaka Komuten Co Ltd 入場者の動線シミュレーション装置
JP2007509393A (ja) * 2003-10-15 2007-04-12 ディズニー エンタープライゼス インコーポレイテッド 優先制御による群集の混雑中心に関連する人の流れの管理
US20170270565A1 (en) * 2014-02-21 2017-09-21 Alexey Filatoff Facility mapping and interactive tracking
WO2017029698A1 (ja) * 2015-08-14 2017-02-23 富士通株式会社 シミュレーションプログラム、シミュレーション方法およびシミュレーション装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021002294A (ja) * 2019-06-24 2021-01-07 富士通株式会社 待ち時間算出プログラム、待ち時間算出方法及び待ち時間算出システム
JP7326916B2 (ja) 2019-06-24 2023-08-16 富士通株式会社 待ち時間算出プログラム、待ち時間算出方法及び待ち時間算出システム
US11757699B2 (en) 2021-06-08 2023-09-12 Toyota Jidosha Kabushiki Kaisha Multi-agent simulation system and method

Also Published As

Publication number Publication date
US20190026408A1 (en) 2019-01-24

Similar Documents

Publication Publication Date Title
Prieto Curiel et al. Gravity and scaling laws of city to city migration
Goscé et al. Analytical modelling of the spread of disease in confined and crowded spaces
Mason Simulation and real-time optimised relocation for improving ambulance operations
JP5372421B2 (ja) 避難シミュレーションシステム、避難シミュレーション方法、避難シミュレーションプログラム、及び記録媒体
JP2017153078A (ja) 人工知能学習方法、人工知能学習システムおよび返答中継方法
WO2020034851A1 (zh) 推送信息的方法、装置及设备
JP2019021143A (ja) 人流シミュレーション装置、人流シミュレーション方法、及び人流シミュレーションプログラム
JP5785973B2 (ja) 新規出店候補地分析装置及び方法及びプログラム
CN104737565A (zh) 关于预测移动装置用户的未来状态的方法
Liang et al. Traffic signal control optimization in a connected vehicle environment considering pedestrians
US20130303282A1 (en) Interactive modeling and guided design method and system
Selin et al. Emergency exit planning and simulation environment using gamification, artificial intelligence and data analytics
Löhner et al. A deterministic pathogen transmission model based on high-fidelity physics
KR101989599B1 (ko) 검색광고에서의 효과적인 검색 리타겟팅을 위한 방법 및 시스템
JP6812229B2 (ja) 決定装置、決定方法、及び決定プログラム
JPWO2016075933A1 (ja) 避難予測システム、モデル生成装置、予測装置、避難予測方法及びコンピュータ読み取り可能記録媒体
Tofighi et al. Estimating social contacts in mass gatherings for disease outbreak prevention and management: case of Hajj pilgrimage
US11120386B2 (en) Computer-readable recording medium, simulation method, and simulation apparatus
JP6649229B2 (ja) 待ち時間予測装置、待ち時間予測方法、及び待ち時間予測プログラム
JP2022087835A (ja) コミュニティ分類方法、コンピュータプログラム、およびコンピュータ装置
KR20230081838A (ko) 창업 지수를 제공하는 방법 및 디바이스
Wood et al. Relating quanta conservation and compartmental epidemiological models of airborne disease outbreaks in buildings
Schumm et al. Impact of preventive responses to epidemics in rural regions
JP7514878B2 (ja) 情報処理装置、情報処理方法、およびプログラム
JP7557496B2 (ja) 情報処理装置、情報処理方法、およびプログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200409

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20210218

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210309

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210506

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20211012

A045 Written measure of dismissal of application [lapsed due to lack of payment]

Free format text: JAPANESE INTERMEDIATE CODE: A045

Effective date: 20220222