JP6632054B2 - 推定装置、推定方法及びプログラム - Google Patents
推定装置、推定方法及びプログラム Download PDFInfo
- Publication number
- JP6632054B2 JP6632054B2 JP2015175085A JP2015175085A JP6632054B2 JP 6632054 B2 JP6632054 B2 JP 6632054B2 JP 2015175085 A JP2015175085 A JP 2015175085A JP 2015175085 A JP2015175085 A JP 2015175085A JP 6632054 B2 JP6632054 B2 JP 6632054B2
- Authority
- JP
- Japan
- Prior art keywords
- distribution
- agents
- agent
- information
- rearrangement
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims description 42
- 238000009826 distribution Methods 0.000 claims description 60
- 238000004088 simulation Methods 0.000 claims description 36
- 239000002245 particle Substances 0.000 claims description 27
- 230000008707 rearrangement Effects 0.000 claims description 21
- 230000010365 information processing Effects 0.000 claims description 6
- 238000013459 approach Methods 0.000 claims description 4
- 238000005094 computer simulation Methods 0.000 claims 1
- 239000003795 chemical substances by application Substances 0.000 description 88
- 238000012545 processing Methods 0.000 description 28
- 230000006399 behavior Effects 0.000 description 19
- 230000008569 process Effects 0.000 description 18
- 230000006870 function Effects 0.000 description 12
- 238000005457 optimization Methods 0.000 description 9
- 230000009471 action Effects 0.000 description 8
- 230000014509 gene expression Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本実施形態では、推定装置による人、自動車、電車などを含む移動体(移動可能なオブジェクト)の分布の推定方法の例について説明する。まず、本実施形態における移動体の分布の推定方法の前提について説明する。なお、本実施形態において、「エージェント」という用語を使用しているが、説明の便宜上、「エージェント」は、コンピュータ上でシミュレートされる対象としてのエージェントや、実世界における人、自動車、電車などの移動体を含む概念であることとして使用されている。
ユニバーサルエリアU1は、エージェントが移動可能な地理的空間全体である。対象エリアUは、ユニバーサルエリアU1のサブセットであり、エージェントの行動が推定される地理的空間である。ユニットエリアuiは、対象エリアUのパーティションP1の要素である。つまり、次式が成り立つ。
xt=ft(xt-1,vt)
ここで、vtはシステムノイズである。システムノイズvtを例えば、ガウスノイズとすることができる。
yt=ht(xt,wt)
ここで、wtは観測ノイズである。観測ノイズwtは例えば、GPS等による測位に基づく観測誤差を考慮して設定される。
本実施形態における推定装置の構成について説明する。
図1を参照して、本実施形態に係る推定装置のハードウェアの概略構成の例を説明する。同図に示すように、推定装置10は、制御部11、通信部14、記憶部15及び入出力部16を主に備える。制御部11は、CPU(Central Processing Unit)12及びメモリ13を主に備えて構成される。推定装置10は、専用若しくは汎用のサーバ・コンピュータ又はパーソナルコンピュータなどの情報処理装置を用いて実現することができる。また、推定装置10は、例えば、CPU12がメモリ13等に格納された所定のプログラムを実行することにより、各種の機能実現手段として機能する。なお、推定装置10は、単一の情報処理装置より構成されるものであっても、ネットワーク上に分散した複数の情報処理装置より構成されるものであってもよい。
本実施形態における推定装置10の機能について説明する。推定装置10は、対象エリアにおけるエージェントの分布を推定する機能を有する。
まず、推定装置10において、パーティクルフィルタによるエージェントの分布の推定のために実行される処理のアルゴリズムを擬似的なプログラム言語で以下に示す。なお、このアルゴリズムは本実施形態における推定処理の概念を示すための例に過ぎず、当該推定処理の概念に矛盾しない範囲でこのアルゴリズムにおける各ステップの処理順序や処理方法を変更することができる。
図2は、上記のアルゴリズムにおけるfor制御文内の処理を実行するために主に必要な処理構成の例を示している。これらの処理構成は、例えば、制御部11において、CPU12が、記憶部15等に記憶されたプログラムをメモリ13に展開して実行することにより実現される。図3を参照しながら、推定処理の詳細を説明する。
BMは、予め選択された行動モデルと行動パラメータに基づいて、パーティクルiについて、時間tにおけるエージェントの行動を決定する。例えばBMは、エージェントの行動として、エージェントの時間tにおける目的地を決定する。BMは、行動を決めるために、任意の行動モデルを適用することができる。また、BMは、シミュレータにエージェントの初期位置及び目的地の情報を与える。
図2におけるSIMは、エージェントの初期位置及び目的地等の情報を入力として、複数のエージェントの動きをシミュレーションすることにより、時間tにおける複数のエージェントの位置atから、時間t+1におけるエージェントの位置at+1を特定し、設定する。推定装置10上でSIMによりエージェントの動きをシミュレーションすることにより、実世界における人、車、電車などを含む移動体としてのエージェントの動き及び分布をシミュレーションすることができる。なお、SIMには、任意のシミュレータを適用することができる。
図2におけるEMD(以下、「EMD部」という。)は、SIMにより特定されたエージェントの位置at+1を、時間t+1におけるエージェントの位置の観測データyt+1に近づけるように再配置し、再配置後の位置at+1を出力する。すなわち、EMD部は、SIMによるシミュレーション結果におけるエージェントの分布を観測結果に基づくエージェントの分布に近づけるように再配置することによってデータ同化を行う再配置手段として機能する。また、当該再配置は、再配置による移動距離の合計値を最小化するという制約下で行われる。以下に、このような再配置の処理の意義と、処理の詳細を説明する。
上記のように、EMD部は、パーティクルの時間発展を求めるために式(3)を用いるが、式(3)を用いるためには、式(2)最適化問題を解く方法を決める必要がある。ここで、以下に説明するように、本願の発明者らは、EMD(Earth Mover's Distance)を求める最適化問題と、式(2)の最適化問題が同等であることを見出した。従って、式(
定し、aからa’に移動するエージェントを荷物量(EMDの文脈におけるフロー)として設定し、ユニットエリア間の距離を分布間の距離として設定することにより、EMDの最適化問題を解くことができる。このようにして解かれたEMDを与えるフローについて
般に、EMDの最適化問題を解くための解法は、多くのものが知られているが、本実施形態において、任意の解法を採用することができる。
と定義される。ここで、mjはj番目の要素の位置、wjはその位置の重みである。シグネチャPとQの間のEMDは、次に示すような制約された最適化問題の解を用いて定義される。
本発明は、上記した実施形態に限定されるものではなく、本発明の要旨を逸脱しない範囲内において、他の様々な形で実施することができる。上記実施形態はあらゆる点で単なる例示にすぎず、限定的に解釈されるものではない。
EMD−L1は、例えば「H. Ling and K. Okada. An efficient earth mover's distance algorithm for robust histogram comparison. Pattern Analysis and Machine Intelligence, IEEE Transactions on, 29(5):840-853, 2007.」により提案されているより効果的なEMDである。EMD−L1における未知変数の数は、ヒストグラムにおいてN個のビンがあるときに、通常のEMDにおけるO(N2)からO(N)に減る。従って、計算速度の向上が期待できる。
EMD−L1+は、上記の文献において提案されているTree−EMDを本願の発明者らが拡張したものである。当該拡張は、EMD−L1における不必要なセル(ユニットエリア)を無視し、出力を単純化するという2点である。
Claims (6)
- 少なくともエージェントの初期位置の情報に基づいて、対象エリアにおけるエージェントの分布の情報を含むシミュレーション結果を出力するシミュレーション手段と、
前記シミュレーション結果におけるエージェントの分布を観測結果に基づくエージェントの分布に近づけるように再配置することであって、前記再配置による移動距離の合計値を最小化するという制約下で再配置することによってデータ同化を行う再配置手段と、
前記再配置後のエージェントの分布に基づいて推定された前記対象エリアにおけるエージェントの分布の情報を出力する出力手段と
を備える推定装置。 - 前記出力手段は、パーティクルフィルタによりフィルタリングされた前記再配置後のエージェントの分布に基づいて推定された、前記対象エリアにおけるエージェントの分布の情報を出力する、請求項1に記載の推定装置。
- 前記移動距離は、前記シミュレーション結果におけるエージェントの分布と、前記再配置後のエージェントの分布との間のEMD(Earth Mover's Distance)に基づく距離である、請求項1に記載の推定装置。
- 予め設定された確率分布に基づいて、エージェントの行動の種別を示す行動パラメータをエージェントの行動の推定値として出力する行動推定手段をさらに備え、
前記出力手段は、前記行動推定手段により出力された行動パラメータをそれぞれのエージェントに対応付けて、前記推定されたエージェントの分布の情報を出力する、請求項1から3のいずれか一項に記載の推定装置。 - 制御部を備える情報処理装置により実施される方法であって、
前記制御部が、少なくともエージェントの初期位置の情報に基づいて、対象エリアにおけるエージェントの分布の情報を含むシミュレーション結果を出力すること、
前記制御部が、前記シミュレーション結果におけるエージェントの分布を観測結果に基づくエージェントの分布に近づけるように再配置することであって、前記再配置による移動距離の合計値を最小化するという制約下で再配置することによってデータ同化を行うこと、
前記制御部が、前記再配置後のエージェントの分布に基づいて推定された前記対象エリアにおけるエージェントの分布の情報を出力することと
を備える推定方法。 - コンピュータを、
少なくともエージェントの初期位置の情報に基づいて、対象エリアにおけるエージェントの分布の情報を含むシミュレーション結果を出力するシミュレーション手段、
前記シミュレーション結果におけるエージェントの分布を観測結果に基づくエージェントの分布に近づけるように再配置することであって、前記再配置による移動距離の合計値を最小化するという制約下で再配置することによってデータ同化を行う再配置手段、
前記再配置後のエージェントの分布に基づいて推定された前記対象エリアにおけるエージェントの分布の情報を出力する出力手段、
として機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015175085A JP6632054B2 (ja) | 2015-09-04 | 2015-09-04 | 推定装置、推定方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015175085A JP6632054B2 (ja) | 2015-09-04 | 2015-09-04 | 推定装置、推定方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017049954A JP2017049954A (ja) | 2017-03-09 |
JP6632054B2 true JP6632054B2 (ja) | 2020-01-15 |
Family
ID=58279787
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015175085A Expired - Fee Related JP6632054B2 (ja) | 2015-09-04 | 2015-09-04 | 推定装置、推定方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6632054B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018139301A1 (ja) * | 2017-01-24 | 2018-08-02 | 日本電気株式会社 | 情報処理装置、情報処理方法、及び、情報処理プログラムが記録された記録媒体 |
WO2020012976A1 (ja) * | 2018-07-10 | 2020-01-16 | ソニー株式会社 | 情報処理装置、情報処理システム、行動予測方法及びプログラム |
JP2023090405A (ja) * | 2021-12-17 | 2023-06-29 | 富士通株式会社 | 予測プログラム、予測方法、予測装置、および予測システム |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014203389A1 (ja) * | 2013-06-21 | 2014-12-24 | 株式会社日立製作所 | センサ配置決定装置およびセンサ配置決定方法 |
-
2015
- 2015-09-04 JP JP2015175085A patent/JP6632054B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2017049954A (ja) | 2017-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20170010102A1 (en) | Hybrid road network and grid based spatial-temporal indexing under missing road links | |
US10402729B2 (en) | Path determination using robust optimization | |
Wang et al. | A data model for route planning in the case of forest fires | |
JP6632054B2 (ja) | 推定装置、推定方法及びプログラム | |
JP2021517670A (ja) | 地図を生成するための方法および装置 | |
JP6853955B2 (ja) | 人流パターン推定システム、人流パターン推定方法および人流パターン推定プログラム | |
CN110263250B (zh) | 一种推荐模型的生成方法及装置 | |
CN108600340A (zh) | 一种基于移动大样本数据的历史人群规模推总方法及装置 | |
JP6853968B2 (ja) | パラメータ推定システム、パラメータ推定方法およびパラメータ推定プログラム | |
US10318558B2 (en) | Automating weather model configurations | |
CN104601385A (zh) | 基于地理位置的WebService服务质量预测方法 | |
Leonenko et al. | Spatial modeling of influenza outbreaks in Saint Petersburg using synthetic populations | |
US11126928B2 (en) | Stationary classifier for geographic route trace data | |
CN110795519A (zh) | 基于Markov模型和概率统计的位置预测方法及可读存储介质 | |
JP5613708B2 (ja) | 気流状況予測装置、気流状況予測方法、拡散状況予測装置および拡散状況予測方法 | |
CN111581306A (zh) | 一种行车轨迹模拟方法及装置 | |
Kim et al. | Spatial diffusion modeling of new residential area for land-use planning of rural villages | |
JP2019028487A (ja) | 流量予測装置、方法、及びプログラム | |
CN107462247A (zh) | 一种室内定位方法、装置及计算机可读存储介质 | |
CN113326877A (zh) | 模型训练、数据处理方法、装置、设备、存储介质及程序 | |
Mahajan et al. | Neural network based cellular automata model for dynamic spatial modeling in GIS | |
JP6726312B2 (ja) | シミュレーション方法、システム、及びプログラム | |
Toledo et al. | Fuzzy and data-driven urban crowds | |
CN116634378B (zh) | 一种出行道路轨迹识别方法、装置、设备及存储介质 | |
Hu et al. | Secure spatial trajectory prediction based on traffic flows |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20151001 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180903 |
|
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: 20191108 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20191206 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6632054 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |