JP6757280B2 - パラメータ出力装置、パラメータ出力方法及びプログラム - Google Patents
パラメータ出力装置、パラメータ出力方法及びプログラム Download PDFInfo
- Publication number
- JP6757280B2 JP6757280B2 JP2017039148A JP2017039148A JP6757280B2 JP 6757280 B2 JP6757280 B2 JP 6757280B2 JP 2017039148 A JP2017039148 A JP 2017039148A JP 2017039148 A JP2017039148 A JP 2017039148A JP 6757280 B2 JP6757280 B2 JP 6757280B2
- Authority
- JP
- Japan
- Prior art keywords
- parameter
- simulation
- parameters
- unit
- evaluation
- 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
Links
- 238000000034 method Methods 0.000 title claims description 47
- 238000004088 simulation Methods 0.000 claims description 212
- 238000011156 evaluation Methods 0.000 claims description 104
- 230000008569 process Effects 0.000 claims description 16
- 238000009826 distribution Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 4
- 239000006185 dispersion Substances 0.000 claims 3
- 238000012545 processing Methods 0.000 description 26
- 230000006870 function Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- FTGYKWAHGPIJIT-UHFFFAOYSA-N hydron;1-[2-[(2-hydroxy-3-phenoxypropyl)-methylamino]ethyl-methylamino]-3-phenoxypropan-2-ol;dichloride Chemical compound Cl.Cl.C=1C=CC=CC=1OCC(O)CN(C)CCN(C)CC(O)COC1=CC=CC=C1 FTGYKWAHGPIJIT-UHFFFAOYSA-N 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000001537 neural effect Effects 0.000 description 3
- 241000656145 Thyrsites atun Species 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
まず、本発明の実施の形態におけるシミュレーションシステム1の全体の構成について、図1を参照しながら説明する。図1は、本発明の実施の形態におけるシミュレーションシステム1の全体構成の一例を示す図である。
次に、本発明の実施の形態におけるシミュレーション装置10のハードウェア構成について、図2を参照しながら説明する。図2は、本発明の実施の形態におけるシミュレーション装置10のハードウェア構成の一例を示す図である。
シミュレーション部130及びシミュレーション評価部140は、従来から知られている手法によりシミュレーション及びシミュレーション結果の評価を行うものを用いることができる。以降では、シミュレーション部130によるシミュレーションとして、人流シミュレーションを一例に挙げて、シミュレーション部130及びシミュレーション評価部140を説明する。
・エッジB:ノードN1とノードN3とを繋ぐエッジ
・エッジC:ノードN1とノードN4とを繋ぐエッジ
このとき、ノードN1にパラメータを与えていない場合は、ノードN1を通過するオブジェクトはそれぞれのゴール地点に対して最短経路となるエッジを通過する。ここで、パラメータとしては、例えば、[wA,wB,wC]=[0.5,0.3,0.2]のように与える。これは、ノードN1を通過するオブジェクトは、50%の確率でエッジAを、30%の確率でエッジBを、20%の確率でエッジCを通過することを示している。
次に、シミュレーションパラメータ生成部120の詳細な機能構成について、図3を参照しながら説明する。図3は、本発明の実施の形態におけるシミュレーションパラメータ生成部120の詳細な機能構成の一例を示す図である。
ここで、シミュレーションの時刻を離散的に区切り、各時刻毎に、動的に最も評価尺度が良いパラメータを生成する処理について、図4を参照しながら説明する。図4は、本実施形態におけるシミュレーション処理部110により動的にパラメータを生成する処理の一例を示すフローチャートである。例えば、シミュレーション全体が2時間程度の人流シミュレーションである場合、誘導の生成の5分毎に行っていることが多い。したがって、この場合、シミュレーションの時刻を5分毎に区切ることで、5分毎に、最も評価尺度が良いパラメータを生成することができる。
ここで、一例として、東京都新宿区の所定のスタート地点から所定のゴール地点まで、8万人の人(オブジェクト)が移動するシミュレーションにおける効果について、図5を参照しながら説明する。図5は、本発明の実施の形態における効果の一例を説明する図である。
以上のように、本実施形態に係るシミュレーション装置10は、例えば人流シミュレーション等、時空間に広がるオブジェクトのシミュレーションの最適なパラメータ(制御パラメータ)を効率的に生成することができる。また、このようなパラメータの生成を、所定の時間毎に繰り返し行うことで、シミュレーションの全区間を通して最適なパラメータを動的に生成することができる。
10 シミュレーション装置
20 観測装置
110 シミュレーション処理部
120 シミュレーションパラメータ生成部
121 評価尺度予測部
122 シミュレーションパラメータ探索部
130 シミュレーション部
140 シミュレーション評価部
150 観測部
Claims (7)
- 所定のパラメータを用いて所定のシミュレーションを実行するシミュレーション部と、
前記シミュレーション部によって実行されたn回のシミュレーションの結果をそれぞれ評価したn個の評価尺度と前記n回のシミュレーションにそれぞれ用いられたn個のパラメータとの関係をモデル化したガウス過程を用いて、前記n個の評価尺度と前記n個のパラメータとから平均と分散を算出し、算出した平均及び分散の正規分布に従う確率変数を、前記シミュレーション部によるn回のシミュレーションに未だ用いられていないパラメータの評価尺度として予測する評価尺度予測部と、
前記平均と、前記分散と、前記評価尺度予測部が予測した評価尺度のばらつきをどの程度重視するかを表すハイパーパラメータとに関する関数fを最小化するパラメータを探索することで、前記評価尺度予測部が予測した評価尺度に対応するパラメータを探索するパラメータ探索部と、
前記パラメータ探索部により探索されたパラメータから最適なパラメータを出力する出力部と、
を有し、
前記パラメータ探索部は、
前記評価尺度の変化に寄与するパラメータの領域に大きな確率密度を割り当ると共に前記関数fが低い値を取るパラメータの近傍に大きな確率密度を割り当てた確率分布からパラメータをサンプリングし、前記サンプリングされたパラメータを入力とした前記関数fの値を評価することを繰り返すことで、前記評価尺度予測部が予測した評価尺度に対応するパラメータを探索する、パラメータ出力装置。 - 前記出力部は、
前記パラメータ探索部により探索されたパラメータのうち、該パラメータに対応する評価尺度が最小又は最大であるパラメータを出力する、請求項1に記載のパラメータ出力装置。 - 前記シミュレーション部は、
前記パラメータ探索部により探索されたパラメータを用いて前記シミュレーションを実行し、
前記評価尺度予測部は、
前記シミュレーション部によって実行されたn+1回のシミュレーションの結果をそれぞれ評価したn+1個の評価尺度と、前記n+1回のシミュレーションにそれぞれ用いられたn+1個のパラメータとの関係をモデル化したガウス過程を用いて、前記n+1個の評価尺度と前記n+1個のパラメータとから平均と分散を算出し、算出した平均及び分散の正規分布に従う確率変数を、前記シミュレーション部によるn+1回のシミュレーションに未だ用いられていないパラメータの評価尺度として予測し、
前記出力部は、
前記シミュレーション部による前記シミュレーションが、予め設定されたN回実行された場合、前記パラメータ探索部により探索されたN個のパラメータから最適なパラメータを出力する、請求項1又は2に記載のパラメータ出力装置。 - 前記シミュレーションの実行時間を所定の時間毎に区切って、該実行時間を離散的な複数の時刻に分割する分割部を有し、
前記シミュレーション部は、
前記時刻において、前記パラメータを用いて前記シミュレーションを実行し、
前記評価尺度予測部は、
前記時刻において、前記シミュレーション部によるシミュレーションに未だ用いられていないパラメータの評価尺度を予測し、
前記パラメータ探索部は、
前記時刻において、前記評価尺度予測部が予測した評価尺度に対応するパラメータを探索し、
前記出力部は、
前記パラメータ探索部により探索されたパラメータから、前記時刻における最適なパラメータを出力する、請求項1乃至3の何れか一項に記載のパラメータ出力装置。 - 前記シミュレーション部は、
前記時刻において、前記パラメータ出力装置と接続される観測装置により前記シミュレーションの対象となるオブジェクトが観測された結果と、前記パラメータとを用いて前記シミュレーションを実行する、請求項4に記載のパラメータ出力装置。 - 所定のパラメータを用いて所定のシミュレーションを実行するシミュレーション手順と、
前記シミュレーション手順によって実行されたn回のシミュレーションの結果をそれぞれ評価したn個の評価尺度と前記n回のシミュレーションにそれぞれ用いられたn個のパラメータとの関係をモデル化したガウス過程を用いて、前記n個の評価尺度と前記n個のパラメータとから平均と分散を算出し、算出した平均及び分散の正規分布に従う確率変数を、前記シミュレーション手順によるn回のシミュレーションに未だ用いられていないパラメータの評価尺度として予測する評価尺度予測手順と、
前記平均と、前記分散と、前記評価尺度予測手順で予測した評価尺度のばらつきをどの程度重視するかを表すハイパーパラメータとに関する関数fを最小化するパラメータを探索することで、前記評価尺度予測手順で予測した評価尺度に対応するパラメータを探索するパラメータ探索手順と、
前記パラメータ探索手順により探索されたパラメータから最適なパラメータを出力する出力手順と、
をコンピュータが実行し、
前記パラメータ探索手順は、
前記評価尺度の変化に寄与するパラメータの領域に大きな確率密度を割り当ると共に前記関数fが低い値を取るパラメータの近傍に大きな確率密度を割り当てた確率分布からパラメータをサンプリングし、前記サンプリングされたパラメータを入力とした前記関数fの値を評価することを繰り返すことで、前記評価尺度予測手順で予測した評価尺度に対応するパラメータを探索する、パラメータ出力方法。 - 所定のパラメータを用いて所定のシミュレーションを実行するシミュレーション手順と、
前記シミュレーション手順によって実行されたn回のシミュレーションの結果をそれぞれ評価したn個の評価尺度と前記n回のシミュレーションにそれぞれ用いられたn個のパラメータとの関係をモデル化したガウス過程を用いて、前記n個の評価尺度と前記n個のパラメータとから平均と分散を算出し、算出した平均及び分散の正規分布に従う確率変数を、前記シミュレーション手順によるn回のシミュレーションに未だ用いられていないパラメータの評価尺度として予測する評価尺度予測手順と、
前記平均と、前記分散と、前記評価尺度予測手順で予測した評価尺度のばらつきをどの程度重視するかを表すハイパーパラメータとに関する関数fを最小化するパラメータを探索することで、前記評価尺度予測手順で予測した評価尺度に対応するパラメータを探索するパラメータ探索手順と、
前記パラメータ探索手順により探索されたパラメータから最適なパラメータを出力する出力手順と、
をコンピュータに実行させ、
前記パラメータ探索手順は、
前記評価尺度の変化に寄与するパラメータの領域に大きな確率密度を割り当ると共に前記関数fが低い値を取るパラメータの近傍に大きな確率密度を割り当てた確率分布からパラメータをサンプリングし、前記サンプリングされたパラメータを入力とした前記関数fの値を評価することを繰り返すことで、前記評価尺度予測手順で予測した評価尺度に対応するパラメータを探索する、プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017039148A JP6757280B2 (ja) | 2017-03-02 | 2017-03-02 | パラメータ出力装置、パラメータ出力方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017039148A JP6757280B2 (ja) | 2017-03-02 | 2017-03-02 | パラメータ出力装置、パラメータ出力方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018147075A JP2018147075A (ja) | 2018-09-20 |
JP6757280B2 true JP6757280B2 (ja) | 2020-09-16 |
Family
ID=63591182
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017039148A Active JP6757280B2 (ja) | 2017-03-02 | 2017-03-02 | パラメータ出力装置、パラメータ出力方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6757280B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7344149B2 (ja) * | 2020-02-07 | 2023-09-13 | キオクシア株式会社 | 最適化装置及び最適化方法 |
WO2023281756A1 (ja) * | 2021-07-09 | 2023-01-12 | 日本電信電話株式会社 | 交通シミュレーション装置、交通シミュレーション方法および交通シミュレーションプログラム |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5109865B2 (ja) * | 2008-08-11 | 2012-12-26 | 住友電気工業株式会社 | 交通パラメータ算出装置、コンピュータプログラム、及び交通パラメータ算出方法 |
JP7061536B2 (ja) * | 2018-08-09 | 2022-04-28 | 株式会社東芝 | 最適化装置、シミュレーションシステム及び最適化方法 |
-
2017
- 2017-03-02 JP JP2017039148A patent/JP6757280B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2018147075A (ja) | 2018-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Andradóttir | An overview of simulation optimization via random search | |
US20210027379A1 (en) | Generative network based probabilistic portfolio management | |
JP6749282B2 (ja) | 人流量予測装置、人流量予測方法、及び人流量予測プログラム | |
Sarkale et al. | Solving Markov decision processes for network-level post-hazard recovery via simulation optimization and rollout | |
Zhong et al. | Automatic model construction for the behavior of human crowds | |
Barnett et al. | Coordinated crowd simulation with topological scene analysis | |
KR101813805B1 (ko) | 머신 러닝을 이용한 사용자의 구매 확률 예측 방법 및 장치 | |
JP6757280B2 (ja) | パラメータ出力装置、パラメータ出力方法及びプログラム | |
Lämmel et al. | Getting out of the way: Collision-avoiding pedestrian models compared to the realworld | |
JP6665071B2 (ja) | 人流量予測装置、人流量予測方法、及び人流量予測プログラム | |
Gutierrez-Milla et al. | Crowd evacuations SaaS: an ABM approach | |
Gutjahr et al. | Stochastic search in metaheuristics | |
Karmakharm et al. | Agent-based Large Scale Simulation of Pedestrians With Adaptive Realistic Navigation Vector Fields. | |
JP7378836B2 (ja) | 総和確率的勾配推定方法、装置、およびコンピュータプログラム | |
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 | |
JP6807822B2 (ja) | 人流量予測装置、方法、及びプログラム | |
JP2019067224A (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 | |
EP2660756A1 (en) | Method, apparatus and computer program product for simulating the movement of entities in an area | |
Fu et al. | Simultaneous human-robot matching and routing for multi-robot tour guiding under time uncertainty | |
Wolinski et al. | Optimization-based pedestrian model calibration for evaluation | |
JP6632054B2 (ja) | 推定装置、推定方法及びプログラム | |
JP6992534B2 (ja) | データ作成装置、誘導モデル学習装置、誘導推定装置、データ作成方法、誘導モデル学習方法、誘導推定方法及びプログラム | |
Larach et al. | Accelerated decomposition techniques for large discounted Markov decision processes | |
JP6813527B2 (ja) | 推定装置、推定方法及びプログラム | |
CN111832602B (zh) | 基于地图的特征嵌入方法、装置、存储介质和电子设备 |
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: 20170313 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190304 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200128 |
|
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: 20200430 |
|
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: 20200825 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200828 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6757280 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |