JP6726312B2 - シミュレーション方法、システム、及びプログラム - Google Patents

シミュレーション方法、システム、及びプログラム Download PDF

Info

Publication number
JP6726312B2
JP6726312B2 JP2018565139A JP2018565139A JP6726312B2 JP 6726312 B2 JP6726312 B2 JP 6726312B2 JP 2018565139 A JP2018565139 A JP 2018565139A JP 2018565139 A JP2018565139 A JP 2018565139A JP 6726312 B2 JP6726312 B2 JP 6726312B2
Authority
JP
Japan
Prior art keywords
simulation
model
data
computer
management information
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.)
Active
Application number
JP2018565139A
Other languages
English (en)
Other versions
JPWO2018142507A1 (ja
Inventor
正啓 間瀬
正啓 間瀬
宇▲しん▼ 梁
宇▲しん▼ 梁
恵木 正史
正史 恵木
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.)
Hitachi Ltd
Original Assignee
Hitachi 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 Hitachi Ltd filed Critical Hitachi Ltd
Publication of JPWO2018142507A1 publication Critical patent/JPWO2018142507A1/ja
Application granted granted Critical
Publication of JP6726312B2 publication Critical patent/JP6726312B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

本発明は、シミュレーションのモデルの補正方法に関する。
交通、金融、流通、及び産業等の様々な分野では、IoTの進展に伴って、デバイスから収集したデータを用いた統計分析処理又はエージェントシミュレーションによって現在の状況の分析及び可視化、並びに、将来の予測等が行われている。
シミュレーションの定義情報であるシミュレーションモデルは、取得するデータの種類及び特性に依存する。したがって、目的及び環境の変化に応じてモデルを補正する必要がある。特に、リアルタイムな分析が必要なシミュレーションでは、環境の変化に応じて動的にシミュレーションモデルを補正する必要がある。
シミュレーションモデルを補正する技術として特許文献1の技術が知られている。特許文献1には、「シミュレーションモデルを蓄積するシミュレーションモデル蓄積部と、前記シミュレーションモデルを受けてシミュレーションを行うシミュレーション部と、実世界での統計情報を蓄積する実世界統計情報蓄積部と、前記シミュレーションモデルと前記統計情報とに基づいてシミュレーションモデル補正手法を作成するシミュレーションモデル補正手法作成部と、前記シミュレーションモデル補正手法と前記シミュレーションの結果とに基づいて前記シミュレーションモデルを補正するシミュレーションモデル補正部と、を備える」ことが記載されている。
米国特許第6772363号明細書
特許文献1に記載の技術では、統計情報とシミュレーション結果とが一致するようにシミュレーションモデルを補正しているため、リアルタイムなシミュレーション及び将来の予測を考慮したシミュレーションには適用できない。
本発明は、現在の状況又は将来の予測に基づいて、シミュレーションモデルを補正する方法、システム、及びプログラムを提供することを目的とする。
本願において開示される発明の代表的な一例を示せば以下の通りである。すなわち、粒度が異なるシミュレーションを実行するシステムにおけるシミュレーション方法であって、前記システムは、プロセッサ、前記プロセッサに接続されるメモリ、及び前記プロセッサに接続されるネットワークインタフェースを有する少なくとも一つの計算機を備え、前記少なくとも一つの計算機は、第1のシミュレーション及び前記第1のシミュレーションより粒度が大きい第2のシミュレーションの定義情報であるモデルを管理するモデル管理情報と、前記第1のシミュレーションに使用される第1のデータの履歴を管理する履歴管理情報と、を保持し、前記シミュレーション方法は、前記少なくとも一つの計算機が、前記履歴管理情報から取得した前記第1のデータを用いて、前記第2のシミュレーションに使用される第2のデータを生成するステップと、前記少なくとも一つの計算機が、前記第2のデータ及び前記モデル管理情報から取得した前記第2のシミュレーションのモデルに基づいて、前記第2のシミュレーションを実行して、第2のシミュレーション結果を出力するステップと、前記少なくとも一つの計算機が、前記履歴管理情報から取得した前記第1のデータ及び前記モデル管理情報から取得した前記第1のシミュレーションのモデルに基づいて、前記第1のシミュレーションを実行して、第1のシミュレーション結果を出力するステップと、前記少なくとも一つの計算機が、前記第1のシミュレーション結果を用いて、前記第2のシミュレーション結果と比較可能な統計量を算出するステップと、前記少なくとも一つの計算機が、前記統計量と前記第2のシミュレーション結果との間の差分を算出するステップと、前記少なくとも一つの計算機が、前記差分が小さくなるように前記第1のシミュレーションのモデルを補正するステップと、を含むことを特徴とする。
本発明によれば、リアルタイムなシミュレーション及び将来の予測を考慮したシミュレーションを実現することができる。前述した以外の課題、構成及び効果は、以下の実施例の説明によって明らかにされる。
実施例1のシミュレーションシステムのハードウェア構成を示す図である。 実施例1のシミュレーションシステムのソフトウェア構成を示す図である。 実施例1のシミュレーションモデルの補正処理におけるシミュレーションシステムの動作を示す図である。 実施例1の統合処理サーバが実行する処理の一例を説明するフローチャートである。 実施例1のミクロシミュレーション実行サーバが実行する処理の一例を説明するフローチャートである。 実施例1のミクロシミュレーション実行サーバが実行する処理の一例を説明するフローチャートである。 実施例1の統合処理サーバが実行するシミュレーションモデルの補正処理の一例を説明するフローチャートである。 実施例2の履歴管理情報の一例を示す図である。 実施例2の空間定義情報の一例を示す図である。 実施例2の観測データの一例を示す図である。 実施例2の統計データの一例を示す図である。 実施例2の予測データの一例を示す図である。 実施例2の予測データの一例を示す図である。 実施例2のミクロシミュレーションの処理結果から算出される統計量の一例を示す図である。 実施例2のミクロシミュレーションの処理結果から算出される統計量の一例を示す図である。 実施例2のマクロシミュレーション実行サーバが出力する内部情報の一例を示す図である。 実施例3の空間定義情報の一例を示す図である。
以下、本発明に係る実施例を添付図面を用いて説明する。各図において共通の構成については同一の参照符号が付されている。
図1は、実施例1のシミュレーションシステムのハードウェア構成を示す図である。
図1に示すシミュレーションシステムは、統合処理サーバ100、データベースサーバ110、マクロシミュレーション実行サーバ120、ミクロシミュレーション実行サーバ130、及びユーザ端末140から構成される。各装置はネットワーク190を介して接続される。なお、ネットワーク190の種類としては、WAN(Wide Area Network)及びLAN(Local Area Network)等が考えられる。また、ネットワーク190の接続方式は、有線又は無線のいずれでもよい。
統合処理サーバ100は、シミュレーションの定義情報であるシミュレーションモデルを補正する。なお、シミュレーションモデルは、シミュレーションを特徴付けるパラメータ及び入力値を代入する変数等を含む。統合処理サーバ100は、ハードウェアとして、CPU101、メモリ102、ストレージ装置103、及びネットワークインタフェース104を有する。各ハードウェアは内部バス等を介して接続される。
CPU101は、メモリ102に格納されるプログラムを実行する。CPU101がプログラムにしたがって処理を実行することによって、所定の機能を有するモジュールとして動作する。以下の説明では、モジュールを主語に処理を説明する場合、CPU101が、当該モジュールを実現するプログラムを実行していることを表す。
メモリ102は、CPU101が実行するプログラム及び当該プログラムに必要な情報を格納する。また、メモリ102は、プログラムが一時的に使用するワークエリアを含む。
ストレージ装置103は、データを永続的に格納する。ストレージ装置103は、HDD(Hard Disk Drive)及びSSD(Solid State Drive)等の記憶媒体、又は不揮発性メモリ等が考えられる。なお、メモリ102に格納されるプログラム及び情報は、ストレージ装置103に格納されてもよい。この場合、CPU101は、ストレージ装置103からプログラム及び情報を読み出し、メモリ102にプログラム及び情報をロードし、また、メモリ102にロードされたプログラムを実行する。
ネットワークインタフェース104は、ネットワークを介して他の装置と接続する。
データベースサーバ110は、各種データを管理する。データベースサーバ110は、ハードウェアとして、CPU111、メモリ112、ストレージ装置113、及びネットワークインタフェース114を有する。各ハードウェアは内部バス等を介して接続される。
CPU111、メモリ112、ストレージ装置113、及びネットワークインタフェース114は、CPU101、メモリ102、ストレージ装置103、及びネットワークインタフェース104と同様のハードウェアである。
マクロシミュレーション実行サーバ120は、マクロシミュレーションを実行する。例えば、交通に関するマクロシミュレーションとしては、交通量及び渋滞等を予測するシミュレーションが考えられる。マクロシミュレーション実行サーバ120は、ハードウェアとして、CPU121、メモリ122、ストレージ装置123、及びネットワークインタフェース124を有する。各ハードウェアは内部バス等を介して接続される。
CPU121、メモリ122、ストレージ装置123、及びネットワークインタフェース124は、CPU101、メモリ102、ストレージ装置103、及びネットワークインタフェース104と同様のハードウェアである。
ミクロシミュレーション実行サーバ130は、マクロシミュレーションより粒度が小さいミクロシミュレーションを実行する。例えば、交通に関するミクロシミュレーションとしては、個々の車両の最適経路を予測するシミュレーションが考えられる。ミクロシミュレーション実行サーバ130は、ハードウェアとして、CPU131、メモリ132、ストレージ装置133、及びネットワークインタフェース134を有する。各ハードウェアは内部バス等を介して接続される。
CPU131、メモリ132、ストレージ装置133、及びネットワークインタフェース134は、CPU101、メモリ102、ストレージ装置103、及びネットワークインタフェース104と同様のハードウェアである。
ユーザ端末140は、ユーザが使用する端末である。ユーザは、ユーザ端末140を用いて、シミュレーションの実行及びシミュレーションモデルの補正を指示する。ユーザ端末140は、ハードウェアとして、CPU141、メモリ142、ストレージ装置143、ネットワークインタフェース144、入力装置145、及び出力装置146を有する。各ハードウェアは内部バス等を介して接続される。
CPU141、メモリ142、ストレージ装置143、及びネットワークインタフェース144は、CPU101、メモリ102、ストレージ装置103、及びネットワークインタフェース104と同様のハードウェアである。
入力装置145は、データ等を入力するための装置であり、キーボード、マウス、及びタッチパネル等を含む。
出力装置146は、データ等を出力するための装置であり、ディスプレイ及びタッチパネル等を含む。
図2は、実施例1のシミュレーションシステムのソフトウェア構成を示す図である。
データベースサーバ110は、シミュレーションモデル情報211、履歴管理情報212、及び空間定義情報213を保持する。
シミュレーションモデル情報211は、シミュレーションモデルを管理する情報である。シミュレーションモデル情報211には、一つ以上のマクロシミュレーションのシミュレーションモデル及び一つ以上のミクロシミュレーションのシミュレーションモデルが格納される。
履歴管理情報212は、ミクロシミュレーションにおけるエージェントから取得した各種データを格納する。
空間定義情報213は、履歴管理情報212に格納されるデータからマクロシミュレーションに用いられるデータ(統計データ)を生成するための情報である。例えば、移動体の動きを分析するミクロシミュレーションにおいて、移動体が移動する空間及び取得するデータの時間範囲等の情報が空間定義情報213に格納される。
統合処理サーバ100は、前処理モジュール201、統計データ生成モジュール202、及びモデル補正モジュール203を実現するプログラムを保持する。
前処理モジュール201は、履歴管理情報212からミクロシミュレーションに使用する観測データ301(図3参照)を生成する。
統計データ生成モジュール202は、観測データ301及び空間定義情報213に基づいて、ミクロシミュレーションに使用する統計データ303(図3参照)を生成する。
モデル補正モジュール203は、マクロシミュレーションの処理結果及びミクロシミュレーションの処理結果に基づいてシミュレーションモデルを補正する。
マクロシミュレーション実行サーバ120は、マクロシミュレーションを実行するマクロシミュレーション実行モジュール221を実現するプログラムを保持する。
ミクロシミュレーション実行サーバ130は、ミクロシミュレーションを実行するミクロシミュレーション実行モジュール231を実現するプログラムを保持する。
ユーザ端末140は、統合処理サーバ100等に対する操作を行うアプリケーション241を実現するプログラムを保持する。
図3は、実施例1のシミュレーションモデルの補正処理におけるシミュレーションシステムの動作を示す図である。
統合処理サーバ100は、ユーザ端末140のアプリケーション241からシミュレーションモデルの補正要求を受け付けた場合、前処理モジュール201を呼び出す。
前処理モジュール201は、データベースサーバ110にアクセスして、空間定義情報213を取得し、また、履歴管理情報212から所定の時間範囲のデータを取得する。前処理モジュール201は、空間定義情報213及び履歴管理情報212から取得したデータを用いてデータ変換処理及びデータの抽出処理等の処理を実行し、観測データ301を生成する。
次に、統合処理サーバ100は、統計データ生成モジュール202を呼び出す。このとき、統計データ生成モジュール202には、観測データ301及び空間定義情報213が入力される。
統計データ生成モジュール202は、観測データ301及び空間定義情報213を用いて統計データ303を生成する。
次に、統合処理サーバ100は、統計データ303を含むマクロシミュレーションの実行指示をマクロシミュレーション実行サーバ120に送信し、また、観測データ301を含むミクロシミュレーションの実行指示をミクロシミュレーション実行サーバ130に送信する。
マクロシミュレーション実行サーバ120は、実行指示を受け付けた場合、マクロシミュレーション実行モジュール221を呼び出す。
マクロシミュレーション実行モジュール221は、データベースサーバ110にアクセスし、シミュレーションモデル情報211からマクロシミュレーションのシミュレーションモデルを取得する。マクロシミュレーション実行モジュール221は、シミュレーションモデル及び統計データ303を用いてマクロシミュレーションを実行し、処理結果を予測データ304として統合処理サーバ100に送信する。
ミクロシミュレーション実行サーバ130は、実行指示を受け付けた場合、ミクロシミュレーション実行モジュール231を呼び出す。
ミクロシミュレーション実行モジュール231は、データベースサーバ110にアクセスし、シミュレーションモデル情報211からミクロシミュレーションのシミュレーションモデルを取得する。ミクロシミュレーション実行モジュール231は、シミュレーションモデル及び観測データ301を用いてミクロシミュレーションを実行し、処理結果を予測データ302として統合処理サーバ100に送信する。
統合処理サーバ100は、マクロシミュレーション実行サーバ120及びミクロシミュレーション実行サーバ130から予測データ302、304を受信した場合、モデル補正モジュール203を呼び出す。このとき、モデル補正モジュール203には、予測データ302、304が入力される。
モデル補正モジュール203は、データベースサーバ110にアクセスし、シミュレーションモデル情報211からマクロシミュレーションのシミュレーションモデル及びミクロシミュレーションのシミュレーションモデルを取得する。モデル補正モジュール203は、予測データ302、304を用いて、ミクロシミュレーションのシミュレーションモデル及びマクロシミュレーションのシミュレーションモデルの少なくともいずれかを補正する。本実施例では、ミクロシミュレーションのシミュレーションモデルが補正されるものとする。また、モデル補正モジュール203は、補正したミクロシミュレーションのシミュレーションモデルを、実行するミクロシミュレーションのシミュレーションモデルとしてシミュレーションモデル情報211に登録する。
このように、本実施例のシステムは、ミクロシミュレーションを実行し、ミクロシミュレーションに使用するデータから生成された統計データ303を用いてマクロシミュレーションを実行し、各処理結果が整合するようにシミュレーションモデルを補正する。
従来は、履歴に合致するようにシミュレーションモデルを補正していたため、状態変化に対応したシミュレーションを必ずしも実現できなかった。一方、本実施例では、各シミュレーションの結果を比較し、比較結果に基づいて各シミュレーションモデルを補正する。シミュレーションは様々な状況変化を予測する処理であることから、本実施例のような補正を行うことによって環境の変化等の状態変化に対応したシミュレーションが可能となる。
図4は、実施例1の統合処理サーバ100が実行する処理の一例を説明するフローチャートである。
統合処理サーバ100は、ユーザ端末140からシミュレーションモデルの補正要求を受け付ける(ステップS401)。
次に、統合処理サーバ100は、空間定義情報213を取得し、また、履歴管理情報212から所定の時間範囲のデータを取得する(ステップS402)。
具体的には、前処理モジュール201が、データベースサーバ110にアクセスし、履歴管理情報212から所定の時間範囲のデータを取得する。なお、時間範囲は、ユーザが指定してもよいし、予め設定されてもよい。また、前処理モジュール201は、マクロシミュレーションのシミュレーションモデルを参照し、時間範囲を決定してもよい。
次に、統合処理サーバ100は、観測データ301を生成する(ステップS403)。
具体的には、前処理モジュール201が、空間定義情報213及び履歴管理情報212から取得したデータを用いて観測データ301を生成する。
次に、統合処理サーバ100は、統計データ303を生成する(ステップS404)。
具体的には、統計データ生成モジュール202が、空間定義情報213及び観測データ301を用いて統計データ303を生成する。
次に、統合処理サーバ100は、マクロシミュレーション実行サーバ120に、統計データ303を含むマクロシミュレーションの実行指示を送信する(ステップS405)。
次に、統合処理サーバ100は、マクロシミュレーション実行サーバ120から予測データ304を受信する(ステップS406)。このとき、統合処理サーバ100は、受信した予測データ304を、シミュレーションモデルの補正要否を判定するための指標に設定する。
次に、統合処理サーバ100は、ミクロシミュレーション実行サーバ130に、観測データ301を含むミクロシミュレーションの実行指示を送信する(ステップS407)。なお、統合処理サーバ100は、予測データ304を受信する前に、ミクロシミュレーションの実行指示を送信してもよい。
次に、統合処理サーバ100は、シミュレーションモデルの補正処理を実行する(ステップS408)。シミュレーションモデルの補正処理の詳細は、図6を用いて説明する。
なお、本実施例は、マクロシミュレーション及びミクロシミュレーションの処理内容に限定されない。
図5A及び図5Bは、実施例1のミクロシミュレーション実行サーバ130が実行する処理の一例を説明するフローチャートである。
図5Aは、シミュレーションモデル情報211に格納されるミクロシミュレーションのシミュレーションモデルが一つである場合の処理を示す。
ミクロシミュレーション実行モジュール231は、実行指示を受信した場合、データベースサーバ110にアクセスして、シミュレーションモデル情報211からシミュレーションモデルを取得する(ステップS501)。
ミクロシミュレーション実行モジュール231は、取得したシミュレーションモデル及び実行指示に含まれる観測データ301を用いて、ミクロシミュレーションを実行する(ステップS502)。
ミクロシミュレーション実行モジュール231は、統合処理サーバ100に、ミクロシミュレーションの処理結果である予測データ302を送信し(ステップS503)、また、完了通知を送信する(ステップS504)。
図5Bは、シミュレーションモデル情報211に格納されるミクロシミュレーションのシミュレーションモデルが二つ以上である場合の処理を示す。
ミクロシミュレーション実行モジュール231は、実行指示を受信した場合、データベースサーバ110にアクセスして、シミュレーションモデル情報211から全てのミクロシミュレーションのシミュレーションモデルを取得する(ステップS511)。
ミクロシミュレーション実行モジュール231は、複数のシミュレーションモデルの中からターゲットシミュレーションモデルを一つ選択する(ステップS512)。
ミクロシミュレーション実行モジュール231は、ターゲットシミュレーションモデル及び実行指示に含まれる観測データ301を用いて、ミクロシミュレーションを実行する(ステップS513)。
ミクロシミュレーション実行モジュール231は、統合処理サーバ100に、予測データ302を送信する(ステップS514)。このとき、ミクロシミュレーション実行モジュール231は、ターゲットシミュレーションモデルの識別情報とともに、予測データ302を送信する。
ミクロシミュレーション実行モジュール231は、取得した全てのシミュレーションモデルについて処理が完了したか否かを判定する(ステップS515)。
取得した全てのシミュレーションモデルについて処理が完了していないと判定された場合、ミクロシミュレーション実行モジュール231は、ステップS512に戻り、同様の処理を実行する。
取得した全てのシミュレーションモデルについて処理が完了したと判定された場合、ミクロシミュレーション実行モジュール231は、統合処理サーバ100に、完了通知を送信する(ステップS516)。
なお、ミクロシミュレーション実行モジュール231は、統合処理サーバ100又はユーザ端末140からの要求に応じて、シミュレーション後のエージェントの状態を示す内部情報を提示してよい。
図6は、実施例1の統合処理サーバ100が実行するシミュレーションモデルの補正処理の一例を説明するフローチャートである。
統合処理サーバ100は、ミクロシミュレーション実行サーバ130から、実行指示に対する応答を受信した場合、モデル補正モジュール203を呼び出す。
モデル補正モジュール203は、受信した応答が完了通知であるか否かを判定する(ステップS601)。
受信した応答が予測データ302であると判定された場合、モデル補正モジュール203は、受信した予測データ302をメモリ102のワークエリアに格納する(ステップS602)。その後、モデル補正モジュール203は、待ち状態に移行し、応答を受信した場合、ステップS601に戻る。
なお、予測データ302及びシミュレーションモデルの識別情報が含まれる場合、モデル補正モジュール203は、予測データ302及びシミュレーションモデルの識別情報を対応づけて、メモリ102のワークエリアに格納する。
受信した応答が完了通知であると判定された場合、モデル補正モジュール203は、予測データ302を複数回受信したか否かを判定する(ステップS603)。
具体的には、モデル補正モジュール203は、メモリ102のワークエリアを参照し、二つ以上の予測データ302が格納されているか否かを判定する。
予測データ302を複数回受信したと判定された場合、モデル補正モジュール203は、各シミュレーションモデルの統計量を算出する(ステップS604)。
具体的には、モデル補正モジュール203は、一つの予測データ302を選択し、当該予測データ302を用いて、マクロシミュレーションの処理結果と対比可能な統計量を算出する。統計量の算出方法は予め設定されているものとする。なお、統計量の算出方法は、シミュレーションモデルとともに対応づけて管理されてもよい。モデル補正モジュール203は、メモリ102のワークエリアに格納される全ての予測データ302について同様の処理を実行する。
次に、モデル補正モジュール203は、各シミュレーションモデルの統計量及び判定指標の差分を算出し、当該差分に基づいて、実際に使用するシミュレーションモデルを選択する(ステップS605)。このとき、モデル補正モジュール203は、選択されたシミュレーションモデルに、使用するシミュレーションモデルであることを示すフラグを付与する。その後、モデル補正モジュール203はシミュレーションモデルの補正処理を終了する。
ミクロシミュレーション実行モジュール231は、通常の分析を目的としたミクロシミュレーションを実行する場合、当該フラグが付与されたシミュレーションモデルを用いてミクロシミュレーションを実行する。
具体的には、モデル補正モジュール203は、統計量及び判定指標の差分を算出し、当該差分が最も小さい統計量に対応するシミュレーションモデルを選択する。
ステップS603において、予測データ302を複数回受信していないと判定された場合、モデル補正モジュール203は、シミュレーションモデルの統計量を算出する(ステップS606)。なお、統計量の算出方法は、ステップS604と同一である。
次に、モデル補正モジュール203は、シミュレーションモデルの統計量及び判定指標の差分が閾値m以下であるか否かを判定する(ステップS607)。
差分が閾値m以下であると判定された場合、モデル補正モジュール203はシミュレーションモデルの補正処理を終了する。
差分が閾値mより大きいと判定された場合、モデル補正モジュール203は、シミュレーションモデルを補正し(ステップS608)、補正されたシミュレーションモデルをシミュレーションモデル情報211に登録する。例えば、モデル補正モジュール203は、シミュレーションモデルに含まれるパラメータを補正する方法が考えられる。
ミクロシミュレーション実行モジュール231は、通常の分析を目的としたミクロシミュレーションを実行する場合、補正されたシミュレーションモデルを用いてミクロシミュレーションを実行する。
次に、モデル補正モジュール203は、ミクロシミュレーション実行サーバ130にミクロシミュレーションの実行指示を送信する(ステップS609)。その後、モデル補正モジュール203はシミュレーションモデルの補正処理を終了する。したがって、シミュレーションモデルの統計量及び判定指標の差分が閾値m以下となるまで、シミュレーションモデルの補正が行われる。
以上で説明したように、実施例1では、ミクロシミュレーションのシミュレーションモデルが、マクロシミュレーションの処理結果と整合するように補正される。
例えば、現在時刻から所定の時間前の間のデータを使用して統計データを生成することによって、大域的な状態変化等を反映したシミュレーションモデルに補正することができる。また、マクロシミュレーションに使用する統計データを予め用意する必要がない。
なお、実施例1では、ミクロシミュレーションのシミュレーションモデルを補正する例を示したが、マクロシミュレーションのシミュレーションモデルが補正されてもよい。
なお、本実施例では、物理的な計算機を用いて各サーバを実現しているが、仮想化技術を用いて各サーバを実現してもよい。また、各サーバが有する機能を一つの計算機に集約してもよい。例えば、統合処理サーバ100、マクロシミュレーション実行サーバ120、及びミクロシミュレーション実行サーバ130を一つの計算機に集約してもよい。また、統合処理サーバ100及びデータベースサーバ110を一つの計算機に集約してもよい。
実施例2では、実施例1のシミュレーションシステムを具体的な値を用いて説明する。実施例2のシミュレーションシステムは、船舶の運行をシミュレーションする。システム構成及びソフトウェア構成は実施例1で説明しているため省略する。実施例2のミクロシミュレーションのエージェントは船舶である。
図7は、実施例2の履歴管理情報212の一例を示す図である。
履歴管理情報212は、船舶の状態情報を格納する。具体的には、履歴管理情報212は、時刻701、移動体ID702、経度703、緯度704、及び目的地705から構成されるエントリを含む。
時刻701は、状態情報を取得した時刻である。移動体ID702は、船舶を一意に識別する識別情報である。経度703及び緯度704は、船舶の詳細な位置を示す情報である。目的地705は、船舶の行き先となる場所を示す情報である。
図8は、実施例2の空間定義情報213の一例を示す図である。
空間定義情報213は、船舶が移動する空間(XY平面)を定義する情報800、及び履歴の時間を定義する情報810を含む。
情報800は、空間次元801及び空間メッシュ802から構成されるエントリを含む。空間次元801は、空間を定義する座標の識別情報である。空間メッシュ802は、座標方向の空間の分割単位である。
情報810は、時間次元811及び時間ステップ812から構成されるエントリを含む。時間次元811は、履歴を取得する単位時間を示す情報である。時間ステップ812は、状態情報を集約する時間単位を示す情報である。
図9は、実施例2の観測データ301の一例を示す図である。
実施例2の観測データ301は、ミクロシミュレーションが使用するデータである。具体的には、入力データは、時刻901、移動体ID902、位置(X)903、位置(Y)904、速度(X)905、速度(Y)906、及び目的地907から構成されるエントリを含む。
時刻901は、時刻701と同一のものである。移動体ID902は、移動体ID702と同一のものである。位置(X)903は、空間上の船舶のX軸の位置を示す。位置(Y)904は、空間上の船舶のY軸の位置を示す。速度(X)905は、船舶のX軸方向の速度を示す。速度(Y)906は、船舶のY軸方向の速度を示す。目的地907は目的地705と同一のものである。
図10は、実施例2の統計データ303の一例を示す図である。
実施例2の統計データ303は、ある時刻における空間上の船舶の密度を示す。具体的には、統計データ303は、時刻1001、地点ID1002、及び密度1003から構成されるエントリを含む。
時刻1001は、統計データの生成の起点となる時刻等を示す。地点ID1002は、空間上のある地点(地域)の識別情報である。密度1003は、地点ID1002に対応する地点における船舶の密度である。
図11は、実施例2の予測データ304の一例を示す図である。
実施例2の予測データ304は、統計データ303と同一のデータ構造である。予測データ304には、マクロシミュレーションが実行された後の各地点の密度を示す情報が格納される。なお、時刻1101には、マクロシミュレーション後の時刻が設定される。
実施例2では、各地点の密度が判定指標として設定される。
図12は、実施例2の予測データ302の一例を示す図である。
実施例2の予測データ302には、ミクロシミュレーションが実行された後の各船舶の状態を示す情報が格納される。具体的には、予測データ302は、時刻1201、移動体ID1202、位置(X)1203、位置(Y)1204、及び目的地1205から構成されるエントリを含む。
時刻1201は、ミクロシミュレーション後の時刻である。移動体ID1202及び目的地1205は、移動体ID902及び目的地907と同一のものである。位置(X)1203及び位置(Y)1204は、ミクロシミュレーション後の船舶のX軸及びY軸の位置である。
図13A及び図13Bは、実施例2のミクロシミュレーションの処理結果から算出される統計量の一例を示す図である。
実施例2では、予測データ302に基づいて、各地点の船舶の密度が統計量として算出される。統計量は、時刻1301、地点ID1302、密度1303、判定指標1304、及び差分1305から構成されるエントリを含む。
時刻1301、地点1302、及び密度1303は、時刻1001、地点ID1002、及び密度1003と同一のものである。判定指標1304は、密度1103と同一のものである。差分1305は、密度1303及び判定指標1304の差分の大きさである。
図14は、実施例2のマクロシミュレーション実行サーバ120が出力する内部情報の一例を示す図である。
内部情報は、ミクロシミュレーション後の船舶の状態を示す情報を格納する。具体的には、内部情報は、時刻1401、移動体ID1402、速度1403、及び進行方向1404から構成されるエントリを含む。
時刻1401は、シミュレーション後の時刻である。移動体ID1402は、移動体ID702と同一のものである。速度1403は、船舶の速度の絶対値である。進行方向1404は、船舶の進行方向である。
ここで、図3を用いて実施例2の処理の流れについて説明する。
前処理モジュール201は、図7に示す履歴管理情報212及び図8に示す空間定義情報213を用いて、図9に示す観測データ301を生成する。
統計データ生成モジュール202は、図8に示す空間定義情報213及び図9に示す観測データ301を用いて、図10に示す統計データ303を生成する。
マクロシミュレーション実行モジュール221は、図10に示す統計データ303を用いたマクロシミュレーションを実行して、5分後の各地点の密度を算出する。具体的には、図11に示す予測データ304が出力される。
ミクロシミュレーション実行モジュール231は、図9に示す観測データ301を用いたミクロシミュレーションを実行して、5分後の各船舶の位置を算出する。具体的には、図12に示す予測データ302が出力される。
ここでは、図5Aに示すミクロシミュレーションが実行されたものとする。
モデル補正モジュール203は、予測データ304を各地点の判定指標として設定し、また、予測データ302を用いて統計量を算出する。モデル補正モジュール203は、各地点について判定指標と統計量との差分を算出する。以上の処理結果として、図13A及び図13Bに示すような結果が出力される。
モデル補正モジュール203は、各地点の差分の合計値が閾値m以下であるか否かを判定する。各地点の差分の合計値が閾値mより大きいと判定された場合、シミュレーションモデルを補正する。
このように、マクロシミュレーションの処理結果及びミクロシミュレーションの処理結果が整合するようにミクロシミュレーションのシミュレーションモデルを補正することによって、将来の状態変化に対応したシミュレーションが可能となる。
実施例3では、実施例1のシミュレーションシステムを具体的な値を用いて説明する。実施例3のシミュレーションシステムは、商品の売上等をシミュレーションする。システム構成及びソフトウェア構成は実施例1で説明しているため省略する。実施例3のミクロシミュレーションのエージェントは顧客である。したがって、履歴管理情報212には、時系列順に、顧客の商品の購買履歴が格納される。
ここで、図3を用いて実施例2の処理の流れについて説明する。
前処理モジュール201は、履歴管理情報212及び空間定義情報213を用いて、購買商品の識別情報、購買数、購買額、及び広告認知の有無等を示すフィールド群から構成されるエントリを含む観測データ301を生成する。
ここで、実施例3の空間定義情報213について説明する。図15は、実施例3の空間定義情報213の一例を示す図である。
実施例3の空間定義情報213は、実施例2の空間定義情報213と同様のデータ構造である。実施例3では、物理的な空間ではなく、商品の空間を想定する。当該空間は、商品カテゴリを示す軸及び商品等級を示す軸から構成される。空間メッシュ802には、商品カテゴリの軸の区分を示す情報、及び商品等級の軸の区分を示す情報が格納される。
また、情報810に示すように、履歴管理情報212には、日付単位の購買履歴が格納され、統計データは、週単位で購買履歴を集計することによって生成されることを示す。
図3の説明に戻る。
統計データ生成モジュール202は、観測データ301及び図15に示す空間定義情報213を用いて、統計データ303を生成する。当該統計データは、各商品カテゴリの1週間後の売上高、売上数、及び広告認知率を示すフィールド群から構成されるエントリを含む。
マクロシミュレーション実行モジュール221は、統計データ303を用いたマクロシミュレーションを実行して、予測データ304を出力する。予測データ304は、1週間後の各商品カテゴリの売上高、売上数、及び広告認知率を示すフィールド群から構成されるエントリを含む。
ミクロシミュレーション実行モジュール231は、観測データ301を用いたミクロシミュレーションを実行して、予測データ302を出力する。予測データ302は、1週間後の、各顧客の購買商品、購買数、購買額、及び広告認知有無を示すフィールド群から構成されるエントリを含む。
ここでは、図5Aに示すミクロシミュレーションが実行されたものとする。
モデル補正モジュール203は、予測データ304を各商品カテゴリの売上高を判定指標として設定し、また、予測データ302を用いて各商品カテゴリの売上高を示す統計量を算出する。モデル補正モジュール203は、各商品カテゴリについて判定指標と統計量との差分を算出する。
モデル補正モジュール203は、各商品カテゴリの差分の合計値が閾値m以下であるか否かを判定する。各商品カテゴリの差分の合計値が閾値mより大きいと判定された場合、シミュレーションモデルを補正する。
このように、マクロシミュレーションの処理結果及びミクロシミュレーションの処理結果が整合するようにミクロシミュレーションのシミュレーションモデルを補正することによって、将来の状態変化に対応したシミュレーションが可能となる。
なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。また、例えば、上記した実施例は本発明を分かりやすく説明するために構成を詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、実施例の構成の一部について、他の構成に追加、削除、置換することが可能である。
また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。また、本発明は、実施例の機能を実現するソフトウェアのプログラムコードによっても実現できる。この場合、プログラムコードを記録した記憶媒体をコンピュータに提供し、そのコンピュータが備えるCPUが記憶媒体に格納されたプログラムコードを読み出す。この場合、記憶媒体から読み出されたプログラムコード自体が前述した実施例の機能を実現することになり、そのプログラムコード自体、及びそれを記憶した記憶媒体は本発明を構成することになる。このようなプログラムコードを供給するための記憶媒体としては、例えば、フレキシブルディスク、CD−ROM、DVD−ROM、ハードディスク、SSD(Solid State Drive)、光ディスク、光磁気ディスク、CD−R、磁気テープ、不揮発性のメモリカード、ROMなどが用いられる。
また、本実施例に記載の機能を実現するプログラムコードは、例えば、アセンブラ、C/C++、perl、Shell、PHP、Java等の広範囲のプログラム又はスクリプト言語で実装できる。
さらに、実施例の機能を実現するソフトウェアのプログラムコードを、ネットワークを介して配信することによって、それをコンピュータのハードディスクやメモリ等の記憶手段又はCD−RW、CD−R等の記憶媒体に格納し、コンピュータが備えるCPUが当該記憶手段や当該記憶媒体に格納されたプログラムコードを読み出して実行するようにしてもよい。
上述の実施例において、制御線や情報線は、説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。全ての構成が相互に接続されていてもよい。

Claims (6)

  1. 粒度が異なるシミュレーションを実行するシステムにおけるシミュレーション方法であって、
    前記システムは、プロセッサ、前記プロセッサに接続されるメモリ、及び前記プロセッサに接続されるネットワークインタフェースを有する少なくとも一つの計算機を備え、
    前記少なくとも一つの計算機は、第1のシミュレーション及び前記第1のシミュレーションより粒度が大きい第2のシミュレーションの定義情報であるモデルを管理するモデル管理情報と、前記第1のシミュレーションに使用される第1のデータの履歴を管理する履歴管理情報と、を保持し、
    前記シミュレーション方法は、
    前記少なくとも一つの計算機が、前記履歴管理情報から取得した前記第1のデータを用いて、前記第2のシミュレーションに使用される第2のデータを生成するステップと、
    前記少なくとも一つの計算機が、前記第2のデータ及び前記モデル管理情報から取得した前記第2のシミュレーションのモデルに基づいて、前記第2のシミュレーションを実行して、第2のシミュレーション結果を出力するステップと、
    前記少なくとも一つの計算機が、前記履歴管理情報から取得した前記第1のデータ及び前記モデル管理情報から取得した前記第1のシミュレーションのモデルに基づいて、前記第1のシミュレーションを実行して、第1のシミュレーション結果を出力するステップと、
    前記少なくとも一つの計算機が、前記第1のシミュレーション結果を用いて、前記第2のシミュレーション結果と比較可能な統計量を算出するステップと、
    前記少なくとも一つの計算機が、前記統計量と前記第2のシミュレーション結果との間の差分を算出するステップと、
    前記少なくとも一つの計算機が、前記差分が小さくなるように前記第1のシミュレーションのモデルを補正するステップと、を含むことを特徴とするシミュレーション方法。
  2. 粒度が異なるシミュレーションを実行するシステムにおけるシミュレーション方法であって、
    前記システムは、プロセッサ、前記プロセッサに接続されるメモリ、及び前記プロセッサに接続されるネットワークインタフェースを有する少なくとも一つの計算機を備え、
    前記少なくとも一つの計算機は、第1のシミュレーション及び前記第1のシミュレーションより粒度が大きい第2のシミュレーションの定義情報であるモデルを管理するモデル管理情報と、前記第1のシミュレーションに使用される第1のデータの履歴を管理する履歴管理情報と、を保持し、
    前記モデル管理情報には、複数の前記第1のシミュレーションのモデルが格納され、
    前記シミュレーション方法は、
    前記少なくとも一つの計算機が、前記履歴管理情報から取得した前記第1のデータを用いて、前記第2のシミュレーションに使用される第2のデータを生成するステップと、
    前記少なくとも一つの計算機が、前記第2のデータ及び前記モデル管理情報から取得した前記第2のシミュレーションのモデルに基づいて、前記第2のシミュレーションを実行して、第2のシミュレーション結果を出力するステップと、
    前記少なくとも一つの計算機が、前記履歴管理情報から取得した前記第1のデータ及び前記モデル管理情報から取得した前記複数の第1のシミュレーションのモデルに基づいて、前記複数の第1のシミュレーションのモデルの各々を用いた前記第1のシミュレーションを実行して、複数の第1のシミュレーション結果を出力するステップと、
    前記少なくとも一つの計算機が、前記複数の第1のシミュレーション結果の各々について、前記第1のシミュレーション結果を用いて、前記第2のシミュレーション結果と比較可能な統計量を算出するステップと、
    前記少なくとも一つの計算機が、前記複数の統計量の各々と前記第2のシミュレーション結果との間の差分を算出するステップと、
    前記少なくとも一つの計算機が、前記差分が最も小さくなる統計量に対応する前記第1のシミュレーションのモデルを、前記第1のシミュレーションに使用するモデルに決定するステップと、
    を含むことを特徴とするシミュレーション方法。
  3. 粒度が異なるシミュレーションを実行するシステムであって、
    前記システムは、プロセッサ、メモリ、及びネットワークインタフェースを有する少なくとも一つの計算機を備え、
    第1のシミュレーション及び前記第1のシミュレーションより粒度が大きい第2のシミュレーションの定義情報であるモデルを管理するモデル管理部と、
    第1のシミュレーションに使用される第1のデータの履歴を管理する履歴管理部と、
    前記履歴管理部が管理する前記第1のデータに基づいて、前記第2のシミュレーションに使用される第2のデータを生成する生成部と、
    前記履歴管理部から取得した前記第1のデータ及び前記第1のシミュレーションのモデルに基づいて、前記第1のシミュレーションを実行して、第1のシミュレーション結果を出力する第1のシミュレーション実行部と、
    前記生成部によって生成された前記第2のデータ及び前記第2のシミュレーションのモデルに基づいて、前記第2のシミュレーションを実行して、第2のシミュレーション結果を出力する第2のシミュレーション実行部と、
    前記第1のシミュレーション結果及び前記第2のシミュレーション結果に基づいて、前記第1のシミュレーションのモデル及び前記第2のシミュレーションのモデルを補正するモデル補正部と、を備え、
    前記モデル補正部は、
    前記第1のシミュレーション結果を用いて、前記第2のシミュレーション結果と比較可能な統計量を算出し、
    前記統計量と前記第2のシミュレーション結果との間の差分を算出し、
    前記差分が小さくなるように前記第1のシミュレーションのモデルを補正することを特徴とするシステム。
  4. 粒度が異なるシミュレーションを実行するシステムであって、
    前記システムは、プロセッサ、メモリ、及びネットワークインタフェースを有する少なくとも一つの計算機を備え、
    第1のシミュレーション及び前記第1のシミュレーションより粒度が大きい第2のシミュレーションの定義情報であるモデルを管理するモデル管理部と、
    第1のシミュレーションに使用される第1のデータの履歴を管理する履歴管理部と、
    前記履歴管理部が管理する前記第1のデータに基づいて、前記第2のシミュレーションに使用される第2のデータを生成する生成部と、
    前記履歴管理部から取得した前記第1のデータ及び前記第1のシミュレーションのモデルに基づいて、前記第1のシミュレーションを実行して、第1のシミュレーション結果を出力する第1のシミュレーション実行部と、
    前記生成部によって生成された前記第2のデータ及び前記第2のシミュレーションのモデルに基づいて、前記第2のシミュレーションを実行して、第2のシミュレーション結果を出力する第2のシミュレーション実行部と、
    前記第1のシミュレーション結果及び前記第2のシミュレーション結果に基づいて、前記第1のシミュレーションのモデル及び前記第2のシミュレーションのモデルを補正するモデル補正部と、を備え、
    前記モデル管理部は、複数の前記複数の第1のシミュレーションのモデルを管理し、
    前記第1のシミュレーション実行部は、前記複数の第1のシミュレーションのモデルの各々について前記第1のシミュレーション結果を算出し、
    前記モデル補正部は、
    前記複数の第1のシミュレーション結果の各々について、前記第1のシミュレーション結果を用いて、前記第2のシミュレーション結果と比較可能な統計量を算出し、
    前記複数の統計量の各々と前記第2のシミュレーション結果との間の差分を算出し、
    前記差分が最も小さくなる統計量に対応する前記第1のシミュレーションのモデルを、前記第1のシミュレーションに使用するモデルに決定することを特徴とするシステム。
  5. 粒度が異なるシミュレーションを実行する計算機によって実行されるプログラムであって、
    前記計算機は、
    プロセッサ、前記プロセッサに接続されるメモリ、及び前記プロセッサに接続されるネットワークインタフェースを有する少なくとも一つの計算機を備え、
    第1のシミュレーション及び前記第1のシミュレーションより粒度が大きい第2のシミュレーションの定義情報であるモデルを管理するモデル管理情報と、前記第1のシミュレーションに使用される第1のデータの履歴を管理する履歴管理情報と、を保持し
    前記プログラムは、
    前記履歴管理情報から取得した前記第1のデータを用いて、前記第2のシミュレーションに使用される第2のデータを生成する手順と、
    前記第2のデータ及び前記モデル管理情報から取得した前記第2のシミュレーションのモデルに基づいて、前記第2のシミュレーションを実行して、第2のシミュレーション結果を出力する手順と、
    前記履歴管理情報から取得した前記第1のデータ及び前記モデル管理情報から取得した前記第1のシミュレーションのモデルに基づいて、前記第1のシミュレーションを実行して、第1のシミュレーション結果を出力する手順と、
    前記第1のシミュレーション結果を用いて、前記第2のシミュレーション結果と比較可能な統計量を算出する手順と、
    前記統計量と前記第2のシミュレーション結果との間の差分を算出する手順と、
    前記差分が小さくなるように前記第1のシミュレーションのモデルを補正する手順と、
    を前記計算機に実行させることを特徴とするプログラム。
  6. 粒度が異なるシミュレーションを実行する計算機によって実行されるプログラムであって、
    前記計算機は、
    プロセッサ、前記プロセッサに接続されるメモリ、及び前記プロセッサに接続されるネットワークインタフェースを有する少なくとも一つの計算機を備え、
    第1のシミュレーション及び前記第1のシミュレーションより粒度が大きい第2のシミュレーションの定義情報であるモデルを管理するモデル管理情報と、前記第1のシミュレーションに使用される第1のデータの履歴を管理する履歴管理情報と、を保持し
    前記モデル管理情報には、複数の前記第1のシミュレーションのモデルが格納され、
    前記プログラムは、
    前記履歴管理情報から取得した前記第1のデータを用いて、前記第2のシミュレーションに使用される第2のデータを生成する手順と、
    前記第2のデータ及び前記モデル管理情報から取得した前記第2のシミュレーションのモデルに基づいて、前記第2のシミュレーションを実行して、第2のシミュレーション結果を出力する手順と、
    前記履歴管理情報から取得した前記第1のデータ及び前記モデル管理情報から取得した前記複数の第1のシミュレーションのモデルに基づいて、前記複数の第1のシミュレーションのモデルの各々を用いた前記第1のシミュレーションを実行して、複数の第1のシミュレーション結果を出力する手順と、
    前記複数の第1のシミュレーション結果の各々について、前記第1のシミュレーション結果を用いて、前記第2のシミュレーション結果と比較可能な統計量を算出する手順と、
    前記複数の統計量の各々と前記第2のシミュレーション結果との間の差分を算出する手順と、
    前記差分が最も小さくなる統計量に対応する前記第1のシミュレーションのモデルを、前記第1のシミュレーションに使用するモデルに決定する手順と、
    を前記計算機に実行させることを特徴とするプログラム。
JP2018565139A 2017-02-01 2017-02-01 シミュレーション方法、システム、及びプログラム Active JP6726312B2 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2017/003602 WO2018142507A1 (ja) 2017-02-01 2017-02-01 シミュレーション方法、システム、及びプログラム

Publications (2)

Publication Number Publication Date
JPWO2018142507A1 JPWO2018142507A1 (ja) 2019-07-04
JP6726312B2 true JP6726312B2 (ja) 2020-07-22

Family

ID=63039473

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018565139A Active JP6726312B2 (ja) 2017-02-01 2017-02-01 シミュレーション方法、システム、及びプログラム

Country Status (2)

Country Link
JP (1) JP6726312B2 (ja)
WO (1) WO2018142507A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220122011A1 (en) * 2019-02-07 2022-04-21 Volvo Truck Corporation Method and system for operating a fleet of vehicles

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3475243B2 (ja) * 2001-03-06 2003-12-08 国土交通省国土技術政策総合研究所長 交通流シミュレータ
JP4886322B2 (ja) * 2006-02-28 2012-02-29 東北電力株式会社 風力発電出力予測方法、風力発電出力予測装置およびプログラム
US8788306B2 (en) * 2007-03-05 2014-07-22 International Business Machines Corporation Updating a forecast model
ITMI20121023A1 (it) * 2012-06-12 2013-12-13 Eni Spa "sistema di previsione della temperatura dal breve al lungo termine per la produzione, gestione e vendita di risorse energetiche"
US9805143B2 (en) * 2013-01-25 2017-10-31 International Business Machines Corporation Composite simulation modeling and analysis
JP2014174705A (ja) * 2013-03-08 2014-09-22 Nec Corp マルチエージェントシミュレーションシステムおよびマルチエージェントシミュレーション方法
JP6232258B2 (ja) * 2013-11-07 2017-11-15 株式会社エヌ・ティ・ティ・データ 予測装置、予測方法、及びプログラム

Also Published As

Publication number Publication date
JPWO2018142507A1 (ja) 2019-07-04
WO2018142507A1 (ja) 2018-08-09

Similar Documents

Publication Publication Date Title
US8140319B2 (en) Method and system for predicting system performance and capacity using software module performance statistics
WO2014199920A1 (ja) 予測関数作成装置、予測関数作成方法、及びコンピュータ読み取り可能な記録媒体
WO2018143019A1 (ja) 情報処理装置、情報処理方法およびプログラム記録媒体
JP2017146888A (ja) 設計支援装置及び方法及びプログラム
CN116467061B (zh) 一种任务执行的方法、装置、存储介质及电子设备
Tertilt et al. Generic performance prediction for ERP and SOA applications
US20200334516A1 (en) Computer and data processing method
JP6658507B2 (ja) 負荷推定システム、情報処理装置、負荷推定方法、及び、コンピュータ・プログラム
US20190005169A1 (en) Dynamic Design of Complex System-of-Systems for Planning and Adaptation to Unplanned Scenarios
JP6726312B2 (ja) シミュレーション方法、システム、及びプログラム
US20180239854A1 (en) Structure analysis device and structure analysis method
JP2013235512A (ja) 数理計画問題を解くための装置、プログラムおよび方法
US20230222385A1 (en) Evaluation method, evaluation apparatus, and non-transitory computer-readable recording medium storing evaluation program
JP6645509B2 (ja) 構造解析方法、及び構造解析プログラム
JP6632054B2 (ja) 推定装置、推定方法及びプログラム
JP7339923B2 (ja) 材料の特性値を推定するシステム
JP6947229B2 (ja) 最適化装置、最適化方法および最適化プログラム
JP2022078529A (ja) 情報処理装置、情報処理方法、および情報処理プログラム
JP7373384B2 (ja) 計算機システム及びスケジューリングシステムの検証方法
US20150277858A1 (en) Performance evaluation device, method, and medium for information system
JP7529028B2 (ja) 学習装置、学習方法および学習プログラム
JP6183359B2 (ja) 設計支援装置、設計支援方法及びプログラム
JP2024061516A (ja) システム及びモデルの精度の管理方法
WO2020054599A1 (ja) モデル生成装置、予測装置、モデル生成方法、予測方法、及びプログラム
JP2016162417A (ja) 金利リスク評価プログラム、金利リスク評価装置

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190212

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200303

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200423

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: 20200602

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200626

R150 Certificate of patent or registration of utility model

Ref document number: 6726312

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150