JP7294383B2

JP7294383B2 - パラメータ推定装置、経路別人数推定装置、パラメータ推定方法、経路別人数推定方法及びプログラム

Info

Publication number: JP7294383B2
Application number: JP2021171744A
Authority: JP
Inventors: 具治岩田; 琢馬大塚; 仁清水; 修功上田; 太納谷; 宏澤田
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: Nippon Telegraph and Telephone Corp
Priority date: 2018-01-18
Filing date: 2021-10-20
Publication date: 2023-06-20
Anticipated expiration: 2038-01-18
Also published as: JP2022009309A

Description

本発明は、パラメータ推定装置、経路別人数推定装置、パラメータ推定方法、経路別人数推定方法及びプログラムに関する。

センサ技術の発展により、交通量等の道路情報を容易に収集することが可能となった。しかしながら、プライバシの問題やセンサの配置の問題等のため、道路を通行する各個人がどのような経路で移動したかを記録することが困難な場合がある。

これに対して、道路情報から経路別の人数（以降、「経路別人数」とも表す。）を推定する方法が提案されている。例えば、経路別人数を推定するための種々のモデル（以降、「経路別人数推定モデル」とも表す。）が提案されている。また、例えば、経路と道路との対応から最適化問題を解くことにより、経路別人数を推定する手法が提案されている（例えば非特許文献１参照）。

清水仁，大塚琢馬，岩田具治，澤田宏，上田修功，人流シミュレーションにおけるエージェントパラメータの推定，第20回情報論的学習理論ワークショップ(2017)，D2-50，インターネット＜http://ibisml.org/archive/ibis2017/poster_preview_D2.pdf＞

しかしながら、従来の経路別人数推定モデルでは、経路別人数や道路情報等のデータを用いずに、パラメータの推定を行っていた。このため、このパラメータを設定した経路別推定モデルにより推定した経路別人数の推定精度が高くない場合があった。

また、経路と道路との対応から最適化問題を解く場合には、例えば、道路同士の繋がり（接続関係）等の情報を活用することができず、経路別人数の推定精度が高くないことがあった。

本発明は、上記の点に鑑みてなされたもので、道路情報を用いて、経路別人数を高い精度で推定することを目的とする。

そこで、本発明の一実施形態に係るパラメータ推定装置は、道路上の各観測地点における通過人数を表す道路状況と、前記観測地点が経路に含まれるか否かを表す経路観測対応行列とを少なくとも入力とし、複数の経路の経路別の人数を表す経路別人数を出力とするモデルのパラメータを推定するパラメータ推定装置であって、学習データに含まれる道路状況及び経路観測対応行列を前記モデルに入力することで出力される第１の経路別人数と、前記学習データに含まれる第２の経路別人数との誤差を最小化するように前記パラメータを推定するパラメータ推定手段、を有することを特徴とする。

また、本発明の一実施形態に係る経路別人数推定装置は、道路上の各観測地点における通過人数を表す道路状況と、前記観測地点が経路に含まれるか否かを表す経路観測対応行列とを少なくとも入力とし、複数の経路の経路別の人数を表す経路別人数を出力とするモデルにより前記経路別人数を推定する経路別人数推定装置であって、前記パラメータ推定装置におけるパラメータ推定手段により推定されたパラメータを設定した前記モデルに対して、前記経路観測対応行列と前記道路状況とを少なくとも入力して、前記経路別人数を推定する経路別人数推定手段、を有することを特徴とする。

道路情報を用いて、経路別人数を高い精度で推定することができる。

本発明の実施の形態における経路別人数推定装置の機能構成の一例を示す図である。本発明の実施の形態における経路別人数推定装置が実行する処理の一例を示すフローチャートである。本発明の実施の形態における経路別人数推定装置のハードウェア構成の一例を示す図である。

以下、本発明の実施の形態について図面を参照しながら説明する。本発明の実施の形態では、道路情報から経路別人数を推定する経路別人数推定装置１０について説明する。なお、経路別人数は、経路別の人（例えば歩行者等）の数に限られず、任意のグラフを移動する任意の移動体の数又は量であっても良い。グラフは、道路に限られず、例えば、屋内の通路、通信ネットワーク等であっても良い。

具体的には、経路別人数として、経路別の人の数以外にも、例えば、経路別の車の数、経路別の自転車の数等であっても良い。また、グラフとして通信ネットワークを対象とした場合は、経路別人数としては、例えば、通信ネットワークにおける経路別の情報（データ）の量等であっても良い。

＜経路別人数推定装置１０の機能構成＞
まず、本発明の実施の形態における経路別人数推定装置１０の機能構成について、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経路別人数推定装置１０の機能構成の一例を示す図である。

図１に示すように、本発明の実施の形態における経路別人数推定装置１０は、データ作成部１１０と、パラメータ推定部１２０と、経路別人数推定部１３０とを有する。これら各機能部は、経路別人数推定装置１０にインストールされた１以上のプログラムがＣＰＵ（Central Processing Unit）等に実行させる処理により実現される。なお、これらの各機能部は１つのプログラムが実行する処理により実現されていても良いし、異なるプログラムがそれぞれ実行する処理により実現されていても良い。

また、本発明の実施の形態における経路別人数推定装置１０は、記憶部１４０を有する。記憶部１４０は、例えば、ＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）等の補助記憶装置を用いて実現可能である。なお、記憶部１４０は、経路別人数推定装置１０とネットワークを介して接続される記憶装置等を用いて実現されていても良い。

データ作成部１１０は、シミュレーションにより、経路毎の人数と、そのときの道路情報とに関するデータ（このデータを「道路経路データ」と表す。）を作成する。データ作成部１１０には、道路構造作成部１１１と、経路別人数作成部１１２と、道路状況作成部１１３と、道路経路データ作成部１１４とが含まれる。なお、シミュレーションに用いるシミュレータとしては、任意の交通量シミュレータを用いることができる。

道路構造作成部１１１は、Ｎ個の道路構造Ｇ_ｎの集合

を作成する。以降では、道路構造Ｇ_ｎの集合を「道路構造集合」と表す。

道路構造Ｇ_ｎとは、例えば、道路同士の繋がり、幅、傾斜等の道路の構造を表す情報である。道路構造Ｇ_ｎは、実世界の道路をセンサ等で観測することで得られた情報であっても良いし、シミュレータ等により生成した情報であっても良い。道路構造Ｇ_ｎは、例えば、グラフで表現することができ、ノードが道路、エッジが道路同士の接続を表す。

経路別人数作成部１１２は、各道路構造Ｇ_ｎ毎に、Ｍ_ｎ個の経路別人数Ｙ_ｎｍの集合

を作成する。ここで、ｙ_ｎｍｋはｋ番目の経路の人数、Ｋ_ｎｍは経路数を表す。以降では、経路別人数Ｙ_ｎｍの集合を「経路別人数集合」と表す。経路別人数Ｙ_ｎｍとは、経路別の人数を表す情報である。経路別人数Ｙ_ｎｍは、ランダムに作成された情報であっても良いし、実世界の道路をセンサ等で観測することで得られる観測値（或る経路における実際の人数）と同一又は近くなるように作成された情報であっても良い。

道路状況作成部１１３は、シミュレーションにより、各経路別人数Ｙ_ｎｍ毎に対応する道路状況Ｘ_ｎｍの集合（以降、「道路状況集合」と表す。）を作成する。道路状況Ｘ_ｎｍとは、或る時間帯における各道路に含まれる人数、或る場所の通過人数、各道路の平均移動速度等の移動体の情報を表すものである。

例えば、道路状況Ｘ_ｎｍとして、各時刻で各地点（観測地点）を通過する人数

が利用できる。ここで、ｘ_ｎｍｉｔはｎ番目の道路構造Ｇ_ｎにおけるｍ番目の道路状況Ｘ_ｎｍで時刻ｔにｉ番目の観測地点を通過する人数、Ｉ_ｎｍは観測地点数、Ｔは観測の時刻数を表す。なお、時刻ｔは、シミュレーションの或る時刻から或る時刻までを或る時間幅に分割した場合における各時間幅を表すインデックスである。

道路経路データ作成部１１４は、各道路構造Ｇ_ｎと、各経路観測対応行列Ａ_ｎｍと、各経路別人数Ｙ_ｎｍと、各道路状況Ｘ_ｎｍとをまとめた道路経路データ

を作成する。ここで、経路観測対応行列Ａ_ｎｍは、Ｋ_ｎｍ個の経路と、Ｉ_ｎｍ個の観測地点とを対応付けるＫ_ｎｍ×Ｉ_ｎｍの行列であり、ｉ番目の観測地点がｋ番目の経路に含まれていればｉ行ｋ列目の要素が１、そうでなければ０となる。道路状況Ｘ_ｎｍとして、１時刻のみの道路状況を用いても良いし、或る一定時間の道路状況を用いても良い。

なお、以降では、道路構造Ｇ_ｎと、経路観測対応行列Ａ_ｎｍと、道路状況Ｘ_ｎｍとが含まれる情報を「道路情報」とも表す。したがって、道路経路データとは、道路情報と、各経路別人数Ｙ_ｎｍとをまとめたデータであると言うことができる。

ただし、道路情報は、道路構造Ｇ_ｎが含まれずに、経路観測対応行列Ａ_ｎｍと、道路状況Ｘ_ｎｍとが含まれる情報であっても良い。

道路経路データ作成部１１４により作成された道路経路データは、記憶部１４０に格納される。この道路経路データが経路別人数推定モデルのパラメータ推定に用いられる学習データである。

なお、各道路構造Ｇ_ｎ及び各経路別人数Ｙ_ｎｍの少なくとも一方について、必ずしもデータ作成部１１０が作成する必要はなく、例えば、実世界をセンサ等で観測することで得られるデータが外部から入力されても良い。すなわち、道路構造作成部１１１は、外部から入力された各道路構造Ｇ_ｎを取得しても良い。同様に、経路別人数作成部１１２は、外部から入力された各経路別人数Ｙ_ｎｍを取得しても良い。

パラメータ推定部１２０は、記憶部１４０に格納されている道路経路データを用いて、経路別人数推定モデルのパラメータを推定する。パラメータ推定部１２０は、道路情報が与えられたときに、経路別人数をより正確に推定できるように、経路別人数推定モデルのパラメータを推定する。経路別人数推定モデルとしては、例えば、グラフ畳み込みニューラルネットワークを用いることができる。ただし、これに限られず、道路情報が与えられたときに経路別人数を推定及び出力することができるモデルであれば、例えば、ニューラルネットワーク、サポートベクターマシン、ガウス過程等の任意のモデルを経路別人数推定モデルとして用いることができる。

グラフ畳み込みニューラルネットワークの場合、各経路及び各観測地点のそれぞれに隠れ層があるとする。観測地点ｉのｌ層目の隠れ層

は、以下の式１のように計算される。

ここで、０層目の隠れ層は道路状況、すなわち、

であるとする。

また、経路ｋのｌ層目の隠れ層

は、以下の式２のように計算される。

ここで、上記の式１及び式２において、

はそれぞれｌ層目の線形変換行列であり、これらの線形変換行列が推定すべきパラメータである。

経路ｋの最終隠れ層（すなわち、Ｌ層目の隠れ層）の大きさを１とし、その最終隠れ層の値

を出力とすることができる。その出力と、道路経路データの経路別人数Ｙ_ｎｍに含まれるｙ_ｎｍｋの値とがなるべく同じになるようにパラメータを推定する。例えば、以下の式３に示す絶対値誤差Ｅを、最小化すべき目的関数として用いることができる。

ただし、絶対値誤差以外にも、例えば、二乗誤差等を用いても良い。

パラメータ推定部１２０により推定されたパラメータは、記憶部１４０に格納される。

なお、経路別人数推定モデルは、道路構造Ｇ_ｎと経路観測対応行列Ａ_ｎｍと道路状況Ｘ_ｎｍとの３つの情報を用いるモデルだけでなく、例えば、道路構造Ｇ_ｎを用いずに、経路観測対応行列Ａ_ｎｍと道路状況Ｘ_ｎｍとの２つの情報を用いるモデルであっても良い。例えば、経路観測対応行列Ａ_ｎｍと道路状況Ｘ_ｎｍとの２つの情報を用いるグラフ畳み込みニューラルネットワークの場合、上記の式１の代わりに、以下の式４を用いれば良い。

経路別人数推定部１３０は、記憶部１４０に格納されているパラメータを設定した経路別人数推定モデルと、道路情報とを用いて、経路別人数を推定する。すなわち、例えば、経路別人数推定部１３０は、道路情報に含まれる道路構造Ｇ_＊と経路観測対応行列Ａ_＊と道路状況Ｘ_＊とを、当該パラメータを設定した経路別人数推定モデルに入力することで、経路別人数を出力として得る。

なお、道路構造Ｇ_ｎを用いずに、経路観測対応行列Ａ_ｎｍと道路状況Ｘ_ｎｍとの２つの情報を用いて経路別人数推定モデルのパラメータを推定した場合、道路情報に含まれる経路観測対応行列Ａ_＊と道路状況Ｘ_＊とを、当該パラメータを設定した経路別人数推定モデルに入力することで、経路別人数を出力として得れば良い。

経路別人数推定部１３０により推定された経路別人数は、所定の出力先に出力される。所定の出力先としては、ディスプレイ等の表示装置であっても良いし、記憶部１４０や外部記録媒体等であっても良いし、ネットワークを介して接続される他の装置等であっても良い。

なお、図１に示す例では、データ作成部１１０と、パラメータ推定部１２０と、経路別人数推定部１３０とを１台の装置（経路別人数推定装置１０）が有する場合について説明したが、これに限られない。データ作成部１１０と、パラメータ推定部１２０と、経路別人数推定部１３０とは、複数台の装置に分散されていても良い。例えば、本発明の実施の形態は、例えば、データ作成部１１０を有するデータ作成装置と、パラメータ推定部１２０を有するパラメータ推定装置と、経路別人数推定部１３０を有する経路別人数推定装置とで実現されても良い。

＜経路別人数推定装置１０が実行する処理＞
次に、本発明の実施の形態における経路別人数推定装置１０が実行する処理の流れについて、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経路別人数推定装置１０が実行する処理の一例を示すフローチャートである。

ステップＳ１０１：データ作成部１１０は、道路経路データを作成する。すなわち、データ作成部１１０は、道路構造作成部１１１による各道路構造Ｇ_ｎを作成又は取得と、経路別人数作成部１１２による各経路別人数Ｙ_ｎｍの作成又は取得と、道路状況作成部１１３による各道路状況Ｘ_ｎｍの作成とを行う。そして、データ作成部は、道路経路データ作成部１１４による道路経路データの作成を行って、作成された道路経路データを記憶部１４０に格納する。

ステップＳ１０２：次に、パラメータ推定部１２０は、記憶部１４０に格納されている道路経路データを用いて、経路別人数推定モデルのパラメータを推定する。すなわち、パラメータ推定部１２０は、道路経路データに含まれる道路情報を用いた経路別人数推定モデルの出力と、道路経路データに含まれる経路別人数との誤差を最小化させるパラメータを推定する。そして、パラメータ推定部１２０は、推定したパラメータを記憶部１４０に格納する。

ステップＳ１０３：次に、経路別人数推定部１３０は、記憶部１４０に格納されているパラメータを設定した経路別人数推定モデルと、道路情報とを用いて、経路別人数を推定する。

すなわち、例えば、経路別人数推定部１３０は、道路情報に含まれる道路構造Ｇ_＊と経路観測対応行列Ａ_＊と道路状況Ｘ_＊とを、当該パラメータを設定した経路別人数推定モデルに入力することで、経路別人数を推定する。又は、道路構造Ｇ_ｎを用いずに、経路観測対応行列Ａ_ｎｍと道路状況Ｘ_ｎｍとの２つの情報を用いて経路別人数推定モデルのパラメータを推定した場合は、経路別人数推定部１３０は、道路情報に含まれる経路観測対応行列Ａ_＊と道路状況Ｘ_＊とを、当該パラメータを設定した経路別人数推定モデルに入力することで、経路別人数を推定する。

以上により、本発明の実施の形態における経路別人数推定装置１０は、シミュレーションにより、経路別人数と、そのときの道路情報とに関するデータ（道路経路データ）を作成する。そして、本発明の実施の形態における経路別人数推定装置１０は、この道路経路データを用いて、経路別人数推定モデルのパラメータを推定する。これにより、本発明の実施の形態における経路別人数推定装置１０では、このパラメータを設定した経路別人数推定モデルに道路情報を入力することで、経路別人数を高い精度で推定することができるようになる。

＜本発明と従来技術との比較例＞
ここで、本発明と従来技術との比較例について説明する。本発明と従来技術とを比較するために、次のような実験を行った。すなわち、まず、日本の鉄道駅周辺の道路に基づいて、７００個の道路構造を作成した。各道路構造において、周辺のランダムないくつかの場所から駅へ向かう歩行者と、駅からランダムないくつかの場所へ向かう歩行者との合計１０万人を１時間シミュレーションした。次に、７００個の道路構造においてそれぞれ１つの経路観測行列と道路状況とを含む経路道路データを学習データとして経路別人数推定モデルのパラメータを推定した。

そして、学習データとは異なる７０個の道路構造のデータを検証データ、学習データ及び検証データとは異なる７０個の道路構造のデータをテストデータとした。経路別人数推定モデルとしては、隠れ層の数が３、各隠れ層のサイズが５のグラフ畳み込みニューラルネットワークを用いて、初期値を変え５回学習し、検証データで最も絶対値誤差が低いものを採用した。一方で、従来技術としては、非特許文献１で提案されている手法を用いた。

また、本発明及び従来技術の評価尺度としては、以下の式５に示す正規化絶対値誤差を用いた。

テストデータを用いて、本発明により経路別人数を推定した場合における平均二乗誤差は０．７４７であった。一方で、テストデータを用いて、従来技術により経路別人数を推定した場合における平均二乗誤差は０．７９９であった。これにより、本発明は、従来技術と比較して、高い精度で（すなわち、誤差が少ない）経路別人数を推定できていることがわかる。

＜経路別人数推定装置１０のハードウェア構成＞
最後に、本発明の実施の形態における経路別人数推定装置１０のハードウェア構成について、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経路別人数推定装置１０のハードウェア構成の一例を示す図である。

図３に示す経路別人数推定装置１０は、入力装置２０１と、表示装置２０２と、外部Ｉ／Ｆ２０３と、ＲＡＭ（Random Access Memory）２０４と、ＲＯＭ（Read Only Memory）２０５と、ＣＰＵ２０６と、通信Ｉ／Ｆ２０７と、補助記憶装置２０８とを有する。これら各ハードウェアは、それぞれがバスＢを介して通信可能に接続されている。

入力装置２０１は、例えばキーボードやマウス、タッチパネル等であり、ユーザが各種操作を入力するのに用いられる。表示装置２０２は、例えばディスプレイ等であり、経路別人数推定装置１０の処理結果を表示する。なお、経路別人数推定装置１０は、入力装置２０１及び表示装置２０２の少なくとも一方を有していなくても良い。

外部Ｉ／Ｆ２０３は、外部装置とのインタフェースである。外部装置には、記録媒体２０３ａ等がある。経路別人数推定装置１０は、外部Ｉ／Ｆ２０３を介して、記録媒体２０３ａ等の読み取りや書き込みを行うことができる。記録媒体２０３ａには、経路別人数推定装置１０が有する各機能を実現するプログラム等が記録されていても良い。

記録媒体２０３ａには、例えば、フレキシブルディスク、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disk）、ＳＤメモリカード（Secure Digital memory card）、ＵＳＢ（Universal Serial Bus）メモリカード等がある。

ＲＡＭ２０４は、プログラムやデータを一時保持する揮発性の半導体メモリである。ＲＯＭ２０５は、電源を切ってもプログラムやデータを保持することができる不揮発性の半導体メモリである。ＲＯＭ２０５には、例えば、ＯＳ（Operating System）設定やネットワーク設定等が格納されている。

ＣＰＵ２０６は、ＲＯＭ２０５や補助記憶装置２０８等からプログラムやデータをＲＡＭ２０４上に読み出して処理を実行する演算装置である。

通信Ｉ／Ｆ２０７は、経路別人数推定装置１０を通信ネットワークに接続するためのインタフェースである。経路別人数推定装置１０が有する各機能を実現するプログラムは、通信Ｉ／Ｆ２０７を介して、所定のサーバ装置等から取得（ダウンロード）されても良い。

補助記憶装置２０８は、例えばＨＤＤやＳＳＤ等であり、プログラムやデータを格納している不揮発性の記憶装置である。補助記憶装置２０８に格納されているプログラムやデータには、例えば、ＯＳ、当該ＯＳ上において各種機能を実現するアプリケーションプログラム、経路別人数推定装置１０が有する各機能を実現するプログラム等がある。

本発明の実施の形態における経路別人数推定装置１０は、図３に示すハードウェア構成を有することにより、上述した各種処理を実現することができる。

本発明は、具体的に開示された上記の実施形態に限定されるものではなく、特許請求の範囲から逸脱することなく、種々の変形や変更が可能である。

１０経路別人数推定装置
１１０データ作成部
１１１道路構造作成部
１１２経路別人数作成部
１１３道路状況作成部
１１４道路経路データ作成部
１２０パラメータ推定部
１３０経路別人数推定部
１４０記憶部

Claims

道路上の各観測地点における通過人数を表す道路状況と、前記観測地点が経路に含まれるか否かを表す経路観測対応行列とを少なくとも入力とし、複数の経路の経路別の人数を表す経路別人数を出力とするモデルのパラメータを推定するパラメータ推定装置であって、
学習データに含まれる道路状況及び経路観測対応行列を前記モデルに入力することで出力される第１の経路別人数と、前記学習データに含まれる第２の経路別人数との誤差を最小化するように前記パラメータを推定するパラメータ推定手段、
を有することを特徴とするパラメータ推定装置。
道路上の各観測地点における通過人数を表す道路状況と、前記観測地点が経路に含まれるか否かを表す経路観測対応行列とを少なくとも入力とし、複数の経路の経路別の人数を表す経路別人数を出力とするモデルにより前記経路別人数を推定する経路別人数推定装置であって、
請求項１に記載のパラメータ推定装置におけるパラメータ推定手段により推定されたパラメータを設定した前記モデルに対して、前記経路観測対応行列と前記道路状況とを少なくとも入力して、前記経路別人数を推定する経路別人数推定手段、
を有することを特徴とする経路別人数推定装置。
道路上の各観測地点における通過人数を表す道路状況と、前記観測地点が経路に含まれるか否かを表す経路観測対応行列とを少なくとも入力とし、複数の経路の経路別の人数を表す経路別人数を出力とするモデルのパラメータを推定するコンピュータが、
学習データに含まれる道路状況及び経路観測対応行列を前記モデルに入力することで出力される第１の経路別人数と、前記学習データに含まれる第２の経路別人数との誤差を最小化するように前記パラメータを推定するパラメータ推定手順、
を実行することを特徴とするパラメータ推定方法。
道路上の各観測地点における通過人数を表す道路状況と、前記観測地点が経路に含まれるか否かを表す経路観測対応行列とを少なくとも入力とし、複数の経路の経路別の人数を表す経路別人数を出力とするモデルにより前記経路別人数を推定するコンピュータが、
請求項３に記載のパラメータ推定方法におけるパラメータ推定手順により推定されたパラメータを設定した前記モデルに対して、前記経路観測対応行列と前記道路状況とを少なくとも入力して、前記経路別人数を推定する経路別人数推定手順、
を実行することを特徴とする経路別人数推定方法。
コンピュータを、請求項１に記載のパラメータ推定装置、又は、請求項２に記載の経路別人数推定装置、として機能させるためのプログラム。