JP2020091749A - 分析プログラム、分析方法および分析装置 - Google Patents
分析プログラム、分析方法および分析装置 Download PDFInfo
- Publication number
- JP2020091749A JP2020091749A JP2018229398A JP2018229398A JP2020091749A JP 2020091749 A JP2020091749 A JP 2020091749A JP 2018229398 A JP2018229398 A JP 2018229398A JP 2018229398 A JP2018229398 A JP 2018229398A JP 2020091749 A JP2020091749 A JP 2020091749A
- Authority
- JP
- Japan
- Prior art keywords
- data
- data items
- output
- conversion
- agent
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 46
- 238000004088 simulation Methods 0.000 claims abstract description 80
- 238000006243 chemical reaction Methods 0.000 claims abstract description 68
- 238000012545 processing Methods 0.000 claims abstract description 25
- 230000004044 response Effects 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 37
- 230000008569 process Effects 0.000 claims description 34
- 230000009471 action Effects 0.000 claims description 33
- 230000006399 behavior Effects 0.000 description 37
- 230000001149 cognitive effect Effects 0.000 description 23
- 238000010586 diagram Methods 0.000 description 22
- 230000000875 corresponding effect Effects 0.000 description 15
- 230000010354 integration Effects 0.000 description 7
- 230000015572 biosynthetic process Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000010365 information processing Effects 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 4
- 230000019771 cognition Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000010006 flight Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
-
- G06Q50/40—
Abstract
Description
図1は、シミュレーション出力データの分析を説明する説明図である。図1に示すように、複数のエージェントを用いて施設(本実施形態では空港を例示)における人流シミュレーションを行うことでシミュレーション出力データ20が得られる。このシミュレーション出力データ20は、ID等で識別される各エージェントの行動内容に対応するログを含むデータであり、行動内容を示すデータ項目(項目1、項目2、項目2…)ごとに、シミュレーション上で再現されたエージェントの状態を示す値(1−A、1−B…)が格納される。なお、本実施例においては、歩行者を模したエージェントを用いたシミュレーションについて説明するが、エージェントは歩行者を模したものに限定される必要はなく、目的とするシミュレーションの内容に応じて、人間以外の動物や車両等を模したものとすることもできる。
図4は、実施形態にかかる情報処理装置の機能構成例を示すブロック図である。図4に示す分析装置1は、分析装置の一例であり、例えば、サーバコンピュータなどのコンピュータである。分析装置1は、1台のコンピュータとして実装してもよく、また、複数台のコンピュータによるコンピュータシステムとして実装してもよい。すなわち、以下に説明する分析装置1の構成は、複数台のコンピュータによる情報処理システムで処理を分散して実行してもよい。なお、本実施形態では、分析装置1を1台のコンピュータとした場合を例として説明する。
図8は、実施形態にかかる分析装置1の動作例を示すフローチャートである。図8に示すように、処理が開始されると、入力部10は、人流シミュレーションの結果であるシミュレーション出力データ20を取得し(S1)、取得したシミュレーション出力データ20を記憶部11に格納する。
以上のように、分析装置1は、分類部12と、変換部13と、特定部14とを有する。分類部12は、複数のエージェント100を用いたシミュレーションの実行に応じて出力されるシミュレーション出力データ20に含まれる複数のデータ項目を、エージェント100における複数のデータ項目それぞれのデータ出力元のモデル要素(属性モデル101、認知モデル102、行動モデル103)の異同に応じて複数のグループに分類する。変換部13は、複数のグループのうち複数のデータ項目を含むグループについて、所定のルールが記述された統合ルール情報22に基づいて、グループに含まれるデータ項目について、グループに含まれるデータ項目の数より少ない数のデータ項目への変換を実行する。特定部14は、変換後の出力データにおいて所定以上の出現傾向を有するデータ項目の組合せを、例えば機械学習技術を用いることで特定する。
分析装置1で行われる各種処理機能は、CPU(またはMPU、MCU(Micro Controller Unit)等のマイクロ・コンピュータ)上で、その全部または任意の一部を実行するようにしてもよい。また、各種処理機能は、CPU(またはMPU、MCU等のマイクロ・コンピュータ)で解析実行されるプログラム上、またはワイヤードロジックによるハードウエア上で、その全部または任意の一部を実行するようにしてもよいことは言うまでもない。また、分析装置1で行われる各種処理機能は、クラウドコンピューティングにより、複数のコンピュータが協働して実行してもよい。
複数のエージェントを用いたシミュレーションの実行に応じて出力される出力データに含まれる複数のデータ項目を、エージェントにおける前記複数のデータ項目それぞれのデータ出力元のモデル要素の異同に応じて複数のグループに分類し、
前記複数のグループのうち複数のデータ項目を含むグループについて、所定のルールに基づいて、グループに含まれるデータ項目について、当該グループに含まれるデータ項目の数より少ない数のデータ項目への変換を実行し、
前記変換後の出力データにおいて所定以上の出現傾向を有するデータ項目の組合せを特定する、
処理を実行させることを特徴とする分析プログラム。
ことを特徴とする付記1に記載の分析プログラム。
ことを特徴とする付記1または2に記載の分析プログラム。
ことを特徴とする付記1乃至3のいずれか一に記載の分析プログラム。
ことを特徴とする付記1乃至4のいずれか一に記載の分析プログラム。
ことを特徴とする付記1乃至5のいずれか一に記載の分析プログラム。
前記出力する処理は、前記作用に関するデータ項目を含み、かつ、当該作用に関するデータ項目および前記情報取得に関するデータ項目の少なくともいずれかのデータ項目を含む組み合わせ出力する、
ことを特徴とする付記6に記載の分析プログラム。
複数のエージェントを用いたシミュレーションの実行に応じて出力される出力データに含まれる複数のデータ項目を、エージェントにおける前記複数のデータ項目それぞれのデータ出力元のモデル要素の異同に応じて複数のグループに分類し、
前記複数のグループのうち複数のデータ項目を含むグループについて、所定のルールに基づいて、グループに含まれるデータ項目について、当該グループに含まれるデータ項目の数より少ない数のデータ項目への変換を実行し、
前記変換後の出力データにおいて所定以上の出現傾向を有するデータ項目の組合せを特定する、
処理を実行することを特徴とする分析方法。
ことを特徴とする付記8に記載の分析方法。
ことを特徴とする付記8または9に記載の分析方法。
ことを特徴とする付記8乃至10のいずれか一に記載の分析方法。
ことを特徴とする付記8乃至11のいずれか一に記載の分析方法。
ことを特徴とする付記8乃至12のいずれか一に記載の分析方法。
前記出力する処理は、前記作用に関するデータ項目を含み、かつ、当該作用に関するデータ項目および前記情報取得に関するデータ項目の少なくともいずれかのデータ項目を含む組み合わせ出力する、
ことを特徴とする付記13に記載の分析方法。
前記複数のグループのうち複数のデータ項目を含むグループについて、所定のルールに基づいて、グループに含まれるデータ項目について、当該グループに含まれるデータ項目の数より少ない数のデータ項目への変換を実行する変換部と、
前記変換後の出力データにおいて所定以上の出現傾向を有するデータ項目の組合せを特定する特定部と、
を有することを特徴とする分析装置。
ことを特徴とする付記15に記載の分析装置。
ことを特徴とする付記15または16に記載の分析装置。
ことを特徴とする付記15乃至17のいずれか一に記載の分析装置。
ことを特徴とする付記15乃至18のいずれか一に記載の分析装置。
ことを特徴とする付記15乃至19のいずれか一に記載の分析装置。
前記出力部は、前記作用に関するデータ項目を含み、かつ、当該作用に関するデータ項目および前記情報取得に関するデータ項目の少なくともいずれかのデータ項目を含む組み合わせ出力する、
ことを特徴とする付記20に記載の分析装置。
10…入力部
11…記憶部
12…分類部
13…変換部
14…特定部
15…出力部
20…シミュレーション出力データ
21…項目−モデル対応情報
22…統合ルール情報
23…分類結果
24…変換結果
100…エージェント
101…属性モデル
102…認知モデル
102a…位置情報認知モデル
102b…混雑情報認知モデル
103…行動モデル
103a…目的地選択モデル
103b…移動モデル
103c…列形成モデル
104…認知情報
105…環境
200〜202…集合
301…CPU
302…入力装置
303…モニタ
304…スピーカ
305…媒体読取装置
306…インタフェース装置
307…通信装置
308…RAM
309…ハードディスク装置
310…バス
311…プログラム
312…各種データ
C1、C2…ケース
Claims (9)
- コンピュータに、
複数のエージェントを用いたシミュレーションの実行に応じて出力される出力データに含まれる複数のデータ項目を、エージェントにおける前記複数のデータ項目それぞれのデータ出力元のモデル要素の異同に応じて複数のグループに分類し、
前記複数のグループのうち複数のデータ項目を含むグループについて、所定のルールに基づいて、グループに含まれるデータ項目について、当該グループに含まれるデータ項目の数より少ない数のデータ項目への変換を実行し、
前記変換後の出力データにおいて所定以上の出現傾向を有するデータ項目の組合せを特定する、
処理を実行させることを特徴とする分析プログラム。 - 前記出力データは、前記シミュレーションにおける前記エージェントの行動が所定の条件を満たすエージェントのログデータである、
ことを特徴とする請求項1に記載の分析プログラム。 - 前記変換を実行する処理は、分類した前記グループのモデル要素に応じたルールに基づいて、当該グループに含まれるデータ項目の変換を実行する、
ことを特徴とする請求項1または2に記載の分析プログラム。 - 前記変換を実行する処理は、前記グループに含まれる複数のデータ項目について、1つのデータ項目への変換を実行する、
ことを特徴とする請求項1乃至3のいずれか一項に記載の分析プログラム。 - 前記変換を実行する処理は、変換後の前記データ項目について、クラスタリング処理により切り分けたクラスタに対応する値に変換する、
ことを特徴とする請求項1乃至4のいずれか一項に記載の分析プログラム。 - 特定した前記データ項目の組み合わせを出力する処理をさらにコンピュータに実行させる、
ことを特徴とする請求項1乃至5のいずれか一項に記載の分析プログラム。 - 変換後の前記データ項目の各々は、前記シミュレーションにおける環境に対する前記エージェントの作用に関するデータ項目、前記環境からの前記エージェントの情報取得に関するデータ項目、前記エージェントに関する事前定義に関するデータ項目のいずれかであり、
前記出力する処理は、前記作用に関するデータ項目を含み、かつ、当該作用に関するデータ項目および前記情報取得に関するデータ項目の少なくともいずれかのデータ項目を含む組み合わせ出力する、
ことを特徴とする請求項6に記載の分析プログラム。 - コンピュータが、
複数のエージェントを用いたシミュレーションの実行に応じて出力される出力データに含まれる複数のデータ項目を、エージェントにおける前記複数のデータ項目それぞれのデータ出力元のモデル要素の異同に応じて複数のグループに分類し、
前記複数のグループのうち複数のデータ項目を含むグループについて、所定のルールに基づいて、グループに含まれるデータ項目について、当該グループに含まれるデータ項目の数より少ない数のデータ項目への変換を実行し、
前記変換後の出力データにおいて所定以上の出現傾向を有するデータ項目の組合せを特定する、
処理を実行することを特徴とする分析方法。 - 複数のエージェントを用いたシミュレーションの実行に応じて出力される出力データに含まれる複数のデータ項目を、エージェントにおける前記複数のデータ項目それぞれのデータ出力元のモデル要素の異同に応じて複数のグループに分類する分類部と、
前記複数のグループのうち複数のデータ項目を含むグループについて、所定のルールに基づいて、グループに含まれるデータ項目について、当該グループに含まれるデータ項目の数より少ない数のデータ項目への変換を実行する変換部と、
前記変換後の出力データにおいて所定以上の出現傾向を有するデータ項目の組合せを特定する特定部と、
を有することを特徴とする分析装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018229398A JP7176385B2 (ja) | 2018-12-06 | 2018-12-06 | 分析プログラム、分析方法および分析装置 |
US16/702,709 US20200183982A1 (en) | 2018-12-06 | 2019-12-04 | Computer-readable recording medium, analysis method, and analyzing apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018229398A JP7176385B2 (ja) | 2018-12-06 | 2018-12-06 | 分析プログラム、分析方法および分析装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020091749A true JP2020091749A (ja) | 2020-06-11 |
JP7176385B2 JP7176385B2 (ja) | 2022-11-22 |
Family
ID=70970454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018229398A Active JP7176385B2 (ja) | 2018-12-06 | 2018-12-06 | 分析プログラム、分析方法および分析装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20200183982A1 (ja) |
JP (1) | JP7176385B2 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016067369A1 (ja) * | 2014-10-28 | 2016-05-06 | 株式会社日立製作所 | 人流分析システムおよび人流分析方法 |
JP2017224201A (ja) * | 2016-06-16 | 2017-12-21 | 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 |
JP2018097726A (ja) * | 2016-12-15 | 2018-06-21 | ヤフー株式会社 | 決定装置、決定方法、決定プログラム、生成装置、生成方法、及び生成プログラム |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3157264B1 (en) * | 2015-10-17 | 2019-02-20 | Tata Consultancy Services Limited | Multi-sensor data summarization |
-
2018
- 2018-12-06 JP JP2018229398A patent/JP7176385B2/ja active Active
-
2019
- 2019-12-04 US US16/702,709 patent/US20200183982A1/en not_active Abandoned
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016067369A1 (ja) * | 2014-10-28 | 2016-05-06 | 株式会社日立製作所 | 人流分析システムおよび人流分析方法 |
JP2017224201A (ja) * | 2016-06-16 | 2017-12-21 | 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 |
JP2018097726A (ja) * | 2016-12-15 | 2018-06-21 | ヤフー株式会社 | 決定装置、決定方法、決定プログラム、生成装置、生成方法、及び生成プログラム |
Non-Patent Citations (2)
Title |
---|
MIKOTO YANAI: "Cluster Analysis for a Series of Microscopic Traffic Simulation Results", JOURNAL OF ADVANCED SIMULATION IN SCIENCE AND ENGINEERING, vol. 4, JPN6022028249, 31 March 2018 (2018-03-31), pages 78 - 98, ISSN: 0004822985 * |
菊地 剛正: "シミュレーションのログ分析手法を用いたビジネスゲームのファシリテーション支援枠組みの提案", SIG−BI 人工知能学会:経営課題にAIを!ビジネス・インフォマティクス研究会 第9回研究会, JPN6022028250, 17 March 2018 (2018-03-17), pages 1 - 2, ISSN: 0004822984 * |
Also Published As
Publication number | Publication date |
---|---|
US20200183982A1 (en) | 2020-06-11 |
JP7176385B2 (ja) | 2022-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6889728B2 (ja) | 畳み込みニューラルネットワークにおける構造学習 | |
Borghi et al. | A COVID-19 time series forecasting model based on MLP ANN | |
Singh et al. | Image classification: a survey | |
CN107086935B (zh) | 基于wifi ap的人流量分布预测方法 | |
US11663502B2 (en) | Information processing apparatus and rule generation method | |
US11120051B2 (en) | Dimension optimization in singular value decomposition-based topic models | |
CN107045503A (zh) | 一种特征集确定的方法及装置 | |
US8504331B2 (en) | Aerodynamic model identification process for aircraft simulation process | |
JP6348431B2 (ja) | 画像処理方法、画像処理装置 | |
CN110249312A (zh) | 数据集成作业转换 | |
CN112215696A (zh) | 基于时序归因分析的个人信用评估与解释方法、装置、设备及存储介质 | |
US20160259887A1 (en) | Knowledge Based Factorized High Order Sparse Learning Models | |
KR20190133581A (ko) | 다수의 심리검사지에서 불안 및 우울 증세의 신속한 진단을 위한 기계 학습 기반의 문항 선별 방법 및 장치 | |
CN113326726A (zh) | 行为识别方法、行为识别设备和计算机可读记录介质 | |
CN113253709B (zh) | 一种适用于轨道交通车辆健康诊断方法及装置 | |
JP6611679B2 (ja) | データ生成方法及び計算機システム | |
JP7176385B2 (ja) | 分析プログラム、分析方法および分析装置 | |
JP7225874B2 (ja) | モデル出力プログラム、モデル出力方法及びモデル出力装置 | |
KR102161670B1 (ko) | 군장비 수리부속 품목 수요예측을 위한 수요패턴 별 클러스터링 시스템 및 방법 | |
CN113516205B (zh) | 基于人工智能的员工稳定性分类方法及相关设备 | |
CN110059117A (zh) | 一种教学大数据的分析处理方法及装置 | |
JP2020091756A (ja) | 学習方法、学習プログラムおよび学習装置 | |
JP2010072876A (ja) | ルール作成プログラム、ルール作成方法及びルール作成装置 | |
JP7281436B2 (ja) | 車両事故予測システム、車両事故予測プログラム、及び、学習済みモデル生成システム | |
CN114610590A (zh) | 作业运行时长确定方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210909 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220712 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220909 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221011 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221024 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7176385 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |