JP7318720B2 - シミュレーション装置、学習装置、シミュレーション方法、及びシミュレーションプログラム - Google Patents

シミュレーション装置、学習装置、シミュレーション方法、及びシミュレーションプログラム Download PDF

Info

Publication number
JP7318720B2
JP7318720B2 JP2021550844A JP2021550844A JP7318720B2 JP 7318720 B2 JP7318720 B2 JP 7318720B2 JP 2021550844 A JP2021550844 A JP 2021550844A JP 2021550844 A JP2021550844 A JP 2021550844A JP 7318720 B2 JP7318720 B2 JP 7318720B2
Authority
JP
Japan
Prior art keywords
movement
simulation
vector field
moving body
setting unit
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
JP2021550844A
Other languages
English (en)
Other versions
JPWO2021064900A1 (ja
Inventor
恒進 唐
彰 中山
勝 宮本
伸哉 大井
悠介 田中
貴行 足立
光俊 長浜
麻衣子 納谷
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.)
Nippon Telegraph and Telephone Corp
Original Assignee
Nippon Telegraph and Telephone Corp
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 Nippon Telegraph and Telephone Corp filed Critical Nippon Telegraph and Telephone Corp
Publication of JPWO2021064900A1 publication Critical patent/JPWO2021064900A1/ja
Application granted granted Critical
Publication of JP7318720B2 publication Critical patent/JP7318720B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/25—Design optimisation, verification or simulation using particle-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

開示の技術は、シミュレーション装置、学習装置、シミュレーション方法、及びシミュレーションプログラムに関する。
複数の観測地点における通過人数や観測エリア内の人数を計測したデータに基づいて、将来（Ｔ時刻後）の人流を予測したり、過去の人流を再現したりすることが行われている。
人流の予測に、例えば、ＬＳＴＭ（ＬＯＮＧ ＳＨＯＲＴ－ＴＥＲＭ ＭＥＭＯＲＹ）やマルコフ連鎖を用いる技術が提案されている（非特許文献１及び２）。
また、人の移動（歩行）に関して、歩行モデルを設定し、人はその歩行モデルに沿って動くものとして、人の移動をシミュレーションする技術が存在する。例えば、理想速度に近づけるための加速力、壁などの環境からの斥力、及び他者や物体等からの引力をパラメータとする歩行モデルが提案されている（非特許文献３）。
また、セルで区切られた各エリアを一定の法則で対象物（人、等）が隣接セルに移動又はその場にとどまる動きを行うことで、対象物の動きをシミュレーションする技術が提案されている（非特許文献４）。
S. Hochreiter, et al. "LONG SHORT-TERM MEMORY", Neural computation 9.8, (1997), p.1735-1780. C. J. Geyer, "Practical Markov Chain Monte Carlo", Statistical science vol.7 No.4, (1992), p.473-483. D. Helbing, P. Molnar, "Social force model for pedestrian dynamics", Physical Review E 51, (1995), p.4282-4286. K. Nagel, M. Schreckenberg, "A cellular automaton model for freeway traffic", Journal de Physique I, EDP Sciences, (1992), p.2221-2229.
従来技術では、歩行者間の相互作用等を考慮しているものはあるが、例えば、混雑時における人流制御等が行われる場合のように、通常とは異なる人の移動を適切に再現することができないという問題がある。
開示の技術は、上記の点に鑑みてなされたものであり、移動体の移動が通常とは異なる場合でも、適切に移動体の移動をシミュレーションすることを目的とする。
本開示の第１態様は、シミュレーション装置であって、移動体が移動する領域において、前記移動体の特定方向への移動を再現する仮想的な力を与えるベクトル場を設定するベクトル場設定部と、前記移動体の移動をシミュレーションするためのパラメータが設定された移動モデルと、前記ベクトル場設定部により設定された前記ベクトル場とに基づいて、前記領域内における、前記移動体の移動をシミュレーションするシミュレーション部と、を含む。
本開示の第２態様は、学習装置であって、移動体の移動を観測した複数の過去の時刻における観測データに基づいて、前記移動体が移動する領域において、前記移動体の特定方向への移動を再現する仮想的な力を与えるベクトル場であって、前記移動体の移動をシミュレーションするためのパラメータが設定された移動モデルと共に、前記移動体の移動をシミュレーションする際に用いられるベクトル場を学習する学習部を含む。
本開示の第３態様は、ベクトル場設定部と、シミュレーション部とを含むシミュレーション装置が実行するシミュレーション方法であって、前記ベクトル場設定部が、移動体が移動する領域において、前記移動体の特定方向への移動を再現する仮想的な力を与えるベクトル場を設定し、前記シミュレーション部が、前記移動体の移動をシミュレーションするためのパラメータが設定された移動モデルと、前記ベクトル場設定部により設定された前記ベクトル場とに基づいて、前記領域内における、前記移動体の移動をシミュレーションする方法である。
本開示の第４態様は、シミュレーションプログラムであって、コンピュータを、移動体が移動する領域において、前記移動体の特定方向への移動を再現する仮想的な力を与えるベクトル場を設定するベクトル場設定部、及び、前記移動体の移動をシミュレーションするためのパラメータが設定された移動モデルと、前記ベクトル場設定部により設定された前記ベクトル場とに基づいて、前記領域内における、前記移動体の移動をシミュレーションするシミュレーション部として機能させるためのプログラムである。
開示の技術によれば、移動体の移動が通常とは異なる場合でも、適切に移動体の移動をシミュレーションすることができる。
シミュレーション装置のハードウェア構成を示すブロック図である。 シミュレーション装置の機能構成の例を示すブロック図である。 移動体の移動の平常時と混雑時との相違を説明するための概略図である。 電車の乗降時の人の移動を示す概略図である。 ベクトル場の一例を示す概略図である。 ベクトル場の一例を示す概略図である。 移動モデルのパラメータの一例を示す概略図である。 学習処理の流れを示すフローチャートである。 シミュレーション処理の流れを示すフローチャートである。
以下、開示の技術の実施形態の一例を、図面を参照しつつ説明する。なお、各図面において同一又は等価な構成要素及び部分には同一の参照符号を付与している。また、図面の寸法比率は、説明の都合上誇張されており、実際の比率とは異なる場合がある。
図１は、シミュレーション装置１０のハードウェア構成を示すブロック図である。
図１に示すように、シミュレーション装置１０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１１、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１２、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１３、ストレージ１４、入力部１５、表示部１６、及び通信Ｉ／Ｆ（Ｉｎｔｅｒｆａｃｅ）１７を有する。各構成は、バス１９を介して相互に通信可能に接続されている。
ＣＰＵ１１は、中央演算処理ユニットであり、各種プログラムを実行したり、各部を制御したりする。すなわち、ＣＰＵ１１は、ＲＯＭ１２又はストレージ１４からプログラムを読み出し、ＲＡＭ１３を作業領域としてプログラムを実行する。ＣＰＵ１１は、ＲＯＭ１２又はストレージ１４に記憶されているプログラムに従って、上記各構成の制御及び各種の演算処理を行う。本実施形態では、ＲＯＭ１２又はストレージ１４には、後述する学習処理及びシミュレーション処理を実行するためのシミュレーションプログラムが格納されている。
ＲＯＭ１２は、各種プログラム及び各種データを格納する。ＲＡＭ１３は、作業領域として一時的にプログラム又はデータを記憶する。ストレージ１４は、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記憶装置により構成され、オペレーティングシステムを含む各種プログラム、及び各種データを格納する。
入力部１５は、マウス等のポインティングデバイス、及びキーボードを含み、各種の入力を行うために使用される。
表示部１６は、例えば、液晶ディスプレイであり、各種の情報を表示する。表示部１６は、タッチパネル方式を採用して、入力部１５として機能してもよい。
通信Ｉ／Ｆ１７は、他の機器と通信するためのインタフェースであり、例えば、イーサネット（登録商標）、ＦＤＤＩ、Ｗｉ－Ｆｉ（登録商標）等の規格が用いられる。
次に、シミュレーション装置１０の機能構成について説明する。
図２は、シミュレーション装置１０の機能構成の例を示すブロック図である。
図２に示すように、シミュレーション装置１０は、機能構成として、学習部１０１、ベクトル場設定部１０２、パラメータ設定部１０３、及びシミュレーション部１０４を有する。また、シミュレーション装置１０の所定の記憶領域には、ベクトル場１５２、及び移動体の移動をシミュレーションするための移動モデル１５３が記憶される。各機能構成は、ＣＰＵ１１がＲＯＭ１２又はストレージ１４に記憶されたシミュレーションプログラムを読み出し、ＲＡＭ１３に展開して実行することにより実現される。
学習部１０１は、移動体の移動を観測した複数の過去の時刻における観測データ（以下、「観測データ（過去）」と表記する）の入力を受け付ける。なお、リアルタイムで学習処理を実行する場合には、現在時刻における観測データ（以下、「観測データ（現在）」と表記する）の入力を合わせて受け付けてもよい。
各時刻の観測データは、例えば、その時刻において、複数の地点の各々を通過する移動体の数、エリア毎に存在する移動体の数等、移動体の移動のシミュレーションに使用可能なデータである。観測データは、例えば、各種センサにより検知されるセンサデータや、カメラで撮影された画像に基づいて取得される。また、観測データは、数取器等により手動で観測されたデータであってもよい。
学習部１０１は、受け付けた観測データ（過去）に基づいて、移動体が移動する領域において、移動体の特定方向への移動を再現する仮想的な力を与えるベクトル場１５２を学習する。
例えば、図３に示すように、平常時において、移動体は、出発地から目的地までの最短経路で動くが、混雑時には、進路を蛇行させるなどの移動経路の制御が行われ、移動体はこの移動経路の制御にしたがって移動するとする。移動モデル１５３で想定されている移動体の移動が、上記の平常時のような移動であるとすると、混雑時において、移動モデル１５３を用いてシミュレーションを行った場合、適切なシミュレーション結果を得られない。
また、図４に示すような電車の乗降時の人の移動の場合、通常、（１）電車内の乗客が先に降り、（２）次にホーム上の客が乗車する。このような流れを移動モデル１５３のみで再現できるとは限らない。
そこで、本実施形態では、移動モデル１５３とは別にベクトル場１５２を設定して、移動モデル１５３とベクトル場１５２とに基づいて移動体の移動をシミュレーションする。
具体的には、図５に示すように、移動体が移動する領域に、移動体が特定方向に移動する力を表すベクトル場を、領域内の場所、及びシミュレーションの時刻の少なくとも一方に対応付けて生成する。また、図４の例の場合、図６に示すように、ベクトル場により発生する力（（１）及び（２））は、（１）の力が先に発生し、時間差で（２）の力が発生するようにベクトル場を生成する。
より具体的に、学習部１０１は、時刻Ｔ１、Ｔ２、・・・、ＴＮの観測データ（過去）の入力を受け付けたとする。この場合、学習部１０１は、例えば、時刻Ｔ１の観測データに基づいて、移動体の初期位置及び数を設定し、設定した各移動体を移動モデル１５３のパラメータにしたがって移動させることにより、時刻Ｔ２、・・・、ＴＮにおける移動体の移動を予測する。学習部１０１は、予測結果が示す移動体の移動方向が、時刻Ｔ２、・・・、ＴＮの観測データ（過去）が示す移動体の移動方向に近づくように、ベクトル場を生成する。
また、学習部１０１は、移動モデル１５３が、より実際の動きを適切に再現可能となるように、移動モデル１５３のパラメータを学習する。
移動モデル１５３は、移動体の移動をシミュレーションするためのモデルである。移動モデル１５３としては、非特許文献３及び４に記載の技術等、既存のモデルを用いることができる。移動モデル１５３には、移動体の移動をシミュレーションするためのパラメータとして、例えば、理想速度に近づけるための加速力、壁などの環境からの斥力、及び他者や物体等からの引力等が設定される。
具体的には、学習部１０１は、移動モデル１５３のパラメータを、移動体、移動体同士の間、及び移動体と移動体の周辺環境（壁など）との間の少なくとも１つに対して、移動体が存在する場所、及びシミュレーションの時刻の少なくとも一方に対応付けて学習する。
具体的には、学習部１０１は、移動モデル１５３のパラメータである移動体の理想速度に対する加速度を、実際の移動体の移動に基づいて学習する。また、学習部１０１は、移動モデル１５３のパラメータである、移動体同士の間、及び移動体と移動体の周辺環境との間の少なくとも一方の間の引力又は斥力の大きさを、実際の移動体の移動に基づいて学習する。
例えば、図７に示すように、ドアが開いて電車から降りてくる人が通り過ぎるまでは、ホームの人が乗車しないように、学習部１０１は、人とドアとの間の斥力が大きくなるようにパラメータを学習する（図７中の白抜きのブロック矢印）。また、ホームで待機している人の整列状態を再現するため、学習部１０１は、ホーム上の人同士の引力が大きくなるようにパラメータを学習する（図７中の網掛のブロック矢印）。具体的な学習方法は、上述のベクトル場１５２の学習と同様に、移動モデル１５３に基づいてシミュレーションした予測結果と、観測データ（過去）との比較により行えばよい。
学習部１０１は、学習したベクトル場１５２をベクトル場設定部１０２へ受け渡す。また、学習部１０１は、学習した移動モデル１５３のパラメータをパラメータ設定部１０３へ受け渡す。
ベクトル場設定部１０２は、学習部１０１から受け渡されたベクトル場１５２を、後述するシミュレーション部１０４で、移動モデル１５３と共に利用可能となるように設定し、所定の記憶領域に記憶する。これにより、移動体が移動する領域内の場所、及びシミュレーションの時刻の少なくとも一方に対応付けて、ベクトル場が設定される。
パラメータ設定部１０３は、学習部１０１から受け渡されたパラメータを移動モデル１５３に設定し、移動モデル１５３を所定の記憶領域に記憶する。これにより、移動体の理想速度に対する加速度、移動体同士の間の引力又は斥力、及び移動体と移動体の周辺環境との間の引力又は斥力の少なくとも１つが、移動体が存在する場所、及びシミュレーションの時刻の少なくとも一方に対応付けて、移動モデル１５３のパラメータとして設定される。
シミュレーション部１０４は、ベクトル場設定部１０２により設定されたベクトル場１５２と、パラメータ設定部１０３によりパラメータが設定された移動モデル１５３とに基づいて、領域内における、移動体の移動をシミュレーションする。
具体的には、シミュレーション部１０４は、観測データ（現在）の入力を受け付け、受け付けた観測データ（現在）に基づいて、移動体の初期位置及び数を設定する。シミュレーション部１０４は、設定した各移動体を、移動モデル１５３のパラメータ及びベクトル場１５２にしたがって移動させて、将来の時刻における移動体の移動を予測、又は過去の時刻における移動体の移動を再現したシミュレーションを行う。これにより、移動モデル１５３とベクトル場１５２との相互作用によって移動体の進行方向及び速度が決定され、実際の移動体の移動が適切に再現されたシミュレーション結果を得ることができる。シミュレーション部１０４は、シミュレーション結果を出力する。
次に、シミュレーション装置１０の作用について説明する。
図８は、シミュレーション装置１０による学習処理の流れを示すフローチャートである。ＣＰＵ１１がＲＯＭ１２又はストレージ１４からシミュレーションプログラムを読み出して、ＲＡＭ１３に展開して実行することにより、学習処理が行なわれる。
ステップＳ１０１において、ＣＰＵ１１が、学習部１０１として、シミュレーション装置１０に入力された観測データ（過去）を受け付ける。
次に、ステップＳ１０２で、ＣＰＵ１１が、学習部１０１として、受け付けた観測データ（過去）に基づいて、移動体が移動する領域において、移動体の特定方向への移動を再現する仮想的な力を与えるベクトル場１５２を学習する。そして、ＣＰＵ１１が、学習部１０１として、学習したベクトル場１５２をベクトル場設定部１０２へ受け渡す。
次に、ステップＳ１０３で、ＣＰＵ１１が、ベクトル場設定部１０２として、学習部１０１から受け渡されたベクトル場１５２を、シミュレーション部１０４で、移動モデル１５３と共に利用可能となるように設定し、所定の記憶領域に記憶する。
次に、ステップＳ１０４で、ＣＰＵ１１が、学習部１０１として、移動モデル１５３が、より実際の動きを適切に再現可能となるように、移動モデル１５３のパラメータを学習する。そして、ＣＰＵ１１が、学習部１０１として、学習した移動モデル１５３のパラメータをパラメータ設定部１０３へ受け渡す。
次に、ステップＳ１０５で、ＣＰＵ１１が、パラメータ設定部１０３として、学習部１０１から受け渡されたパラメータを移動モデル１５３に設定し、移動モデル１５３を所定の記憶領域に記憶する。そして、学習処理は終了する。
図９は、シミュレーション装置１０によるシミュレーション処理の流れを示すフローチャートである。ＣＰＵ１１がＲＯＭ１２又はストレージ１４からシミュレーションプログラムを読み出して、ＲＡＭ１３に展開して実行することにより、シミュレーション処理が行なわれる。
ステップＳ２０１において、ＣＰＵ１１が、シミュレーション部１０４として、シミュレーション装置１０に入力された観測データ（現在）を受け付ける。
次に、ステップＳ２０２で、ＣＰＵ１１が、シミュレーション部１０４として、受け付けた観測データ（現在）に基づいて、移動体の初期位置及び数を設定する。そして、ＣＰＵ１１が、シミュレーション部１０４として、設定した各移動体を、移動モデル１５３のパラメータ及びベクトル場１５２にしたがって移動させる。これにより、将来の時刻における移動体の移動を予測、又は過去の時刻における移動体の移動を再現したシミュレーションが行われる。
次に、ステップＳ２０３で、ＣＰＵ１１が、シミュレーション部１０４として、シミュレーション結果を出力し、シミュレーション処理は終了する。
以上説明したように、本実施形態に係るシミュレーション装置によると、観測データ（過去）に基づいて、移動体の特定方向への移動を再現する仮想的な力を、場所別及び時刻別にベクトル場として設定する。そして、設定されたベクトル場を移動モデルと共に用いて移動体の移動をシミュレーションする。これにより、人々が整列して待ち行列を構成している場合などにおける移動制御に応じた移動等、移動体の移動が通常とは異なる場合でも、適切に移動体の移動をシミュレーションすることができる。
また、観測データ（過去）に基づいて、移動モデルのパラメータを、場所別及び時刻別に可変に設定することで、移動体の移動を、より精緻にシミュレーションすることができる。
なお、上記実施形態では、ベクトル場及び移動モデルのパラメータを学習部により学習する場合について説明したが、ベクトル場及び移動モデルのパラメータは、人手により設定してもよい。
また、上記実施形態では、ベクトル場の設定、及び移動モデルのパラメータの設定の両方を行う場合について説明したが、少なくともベクトル場の設定を行い、移動モデルについては、既存のパラメータが設定されたモデルを用いてもよい。
また、上記実施形態では、シミュレーション装置が学習部も備える構成について説明したが、学習部をシミュレーション装置とは別の学習装置として構成してもよい。
また、上記実施形態でＣＰＵがソフトウェア（プログラム）を読み込んで実行したシミュレーション処理を、ＣＰＵ以外の各種のプロセッサが実行してもよい。この場合のプロセッサとしては、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）等の製造後に回路構成を変更可能なＰＬＤ（Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ）、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）等の特定の処理を実行させるために専用に設計された回路構成を有するプロセッサである専用電気回路等が例示される。また、シミュレーション処理を、これらの各種のプロセッサのうちの１つで実行してもよいし、同種又は異種の２つ以上のプロセッサの組み合わせ（例えば、複数のＦＰＧＡ、及びＣＰＵとＦＰＧＡとの組み合わせ等）で実行してもよい。また、これらの各種のプロセッサのハードウェア的な構造は、より具体的には、半導体素子等の回路素子を組み合わせた電気回路である。
また、上記実施形態では、シミュレーションプログラムがＲＯＭ１２又はストレージ１４に予め記憶（インストール）されている態様を説明したが、これに限定されない。プログラムは、ＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓｃ）－ＲＯＭ、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）－ＲＯＭ、ブルーレイディスク、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）メモリ等の非一時的（ｎｏｎ－ｔｒａｎｓｉｔｏｒｙ）記憶媒体に記憶された形態で提供されてもよい。また、プログラムは、ネットワークを介して外部装置からダウンロードされる形態としてもよい。
以上の実施形態に関し、更に以下の付記を開示する。
（付記項１）
メモリと、
前記メモリに接続された少なくとも１つのプロセッサと、
を含み、
前記プロセッサは、
移動体が移動する領域において、前記移動体の特定方向への移動を再現する仮想的な力を与えるベクトル場を設定し、
前記移動体の移動をシミュレーションするためのパラメータが設定された移動モデルと、前記ベクトル場設定部により設定された前記ベクトル場とに基づいて、前記領域内における、前記移動体の移動をシミュレーションする
ように構成されているシミュレーション装置。
（付記項２）
シミュレーション処理を実行するようにコンピュータによって実行可能なプログラムを記憶した非一時的記録媒体であって、
前記シミュレーション処理は、
移動体が移動する領域において、前記移動体の特定方向への移動を再現する仮想的な力を与えるベクトル場を設定し、
前記移動体の移動をシミュレーションするためのパラメータが設定された移動モデルと、前記ベクトル場設定部により設定された前記ベクトル場とに基づいて、前記領域内における、前記移動体の移動をシミュレーションする
ことを含む非一時的記録媒体。
１０ シミュレーション装置
１１ ＣＰＵ
１２ ＲＯＭ
１３ ＲＡＭ
１４ ストレージ
１５ 入力部
１６ 表示部
１７ 通信Ｉ／Ｆ
１９ バス
１０１ 学習部
１０２ ベクトル場設定部
１０３ パラメータ設定部
１０４ シミュレーション部
１５２ ベクトル場
１５３ 移動モデル

Claims (7)

  1. 移動体が移動する領域の場所に対して、前記移動体の特定方向への移動を再現する仮想的な力を与えるベクトル場を設定すると共に、前記ベクトル場を、シミュレーションの時刻に対応付けて設定するベクトル場設定部と、
    前記移動体の移動をシミュレーションするためのパラメータが設定された移動モデルと、前記ベクトル場設定部により設定された前記ベクトル場とに基づいて、前記領域内における、前記移動体の移動をシミュレーションするシミュレーション部と、
    を含むシミュレーション装置。
  2. 前記移動モデルのパラメータを設定するパラメータ設定部を含む請求項１に記載のシミュレーション装置。
  3. 前記パラメータ設定部は、前記パラメータを、前記移動体、前記移動体同士の間、及び前記移動体と前記移動体の周辺環境との間の少なくとも１つに対して、前記移動体が存在する場所、及びシミュレーションの時刻の少なくとも一方に対応付けて設定する請求項２に記載のシミュレーション装置。
  4. 前記移動体の移動を観測した複数の過去の時刻における観測データに基づいて、前記ベクトル場及び前記パラメータの少なくとも一方を学習する学習部を含む請求項２又は請求項３に記載のシミュレーション装置。
  5. 移動体の移動を観測した複数の過去の時刻における観測データに基づいて、前記移動体が移動する領域の場所に対して設定されると共に、シミュレーションの時刻に対応付けて設定される、前記移動体の特定方向への移動を再現する仮想的な力を与えるベクトル場であって、前記移動体の移動をシミュレーションするためのパラメータが設定された移動モデルと共に、前記移動体の移動をシミュレーションする際に用いられるベクトル場を学習する学習部
    を含む学習装置。
  6. ベクトル場設定部と、シミュレーション部とを含むシミュレーション装置が実行するシミュレーション方法であって、
    前記ベクトル場設定部が、移動体が移動する領域の場所に対して、前記移動体の特定方向への移動を再現する仮想的な力を与えるベクトル場を設定すると共に、前記ベクトル場を、シミュレーションの時刻に対応付けて設定し、
    前記シミュレーション部が、前記移動体の移動をシミュレーションするためのパラメータが設定された移動モデルと、前記ベクトル場設定部により設定された前記ベクトル場とに基づいて、前記領域内における、前記移動体の移動をシミュレーションする
    シミュレーション方法。
  7. コンピュータを、
    移動体が移動する領域の場所に対して、前記移動体の特定方向への移動を再現する仮想的な力を与えるベクトル場を設定すると共に、前記ベクトル場を、シミュレーションの時刻に対応付けて設定するベクトル場設定部、及び、
    前記移動体の移動をシミュレーションするためのパラメータが設定された移動モデルと、前記ベクトル場設定部により設定された前記ベクトル場とに基づいて、前記領域内における、前記移動体の移動をシミュレーションするシミュレーション部
    として機能させるためのシミュレーションプログラム。
JP2021550844A 2019-10-02 2019-10-02 シミュレーション装置、学習装置、シミュレーション方法、及びシミュレーションプログラム Active JP7318720B2 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2019/038931 WO2021064900A1 (ja) 2019-10-02 2019-10-02 シミュレーション装置、学習装置、シミュレーション方法、及びシミュレーションプログラム

Publications (2)

Publication Number Publication Date
JPWO2021064900A1 JPWO2021064900A1 (ja) 2021-04-08
JP7318720B2 true JP7318720B2 (ja) 2023-08-01

Family

ID=75336837

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021550844A Active JP7318720B2 (ja) 2019-10-02 2019-10-02 シミュレーション装置、学習装置、シミュレーション方法、及びシミュレーションプログラム

Country Status (3)

Country Link
US (1) US20220335183A1 (ja)
JP (1) JP7318720B2 (ja)
WO (1) WO2021064900A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006221329A (ja) 2005-02-09 2006-08-24 Toshiba Corp 行動予測装置、行動予測方法および行動予測プログラム
US20090306946A1 (en) 2008-04-08 2009-12-10 Norman I Badler Methods and systems for simulation and representation of agents in a high-density autonomous crowd
JP2017142778A (ja) 2016-12-05 2017-08-17 エレメンタルデザイン＆コンサルティング株式会社 移動体の群制御方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2855157B2 (ja) * 1990-07-17 1999-02-10 清水建設株式会社 群衆歩行シミュレーションシステム
JP2005050117A (ja) * 2003-07-28 2005-02-24 Univ Waseda 歩行者シミュレーションシステム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006221329A (ja) 2005-02-09 2006-08-24 Toshiba Corp 行動予測装置、行動予測方法および行動予測プログラム
US20090306946A1 (en) 2008-04-08 2009-12-10 Norman I Badler Methods and systems for simulation and representation of agents in a high-density autonomous crowd
JP2017142778A (ja) 2016-12-05 2017-08-17 エレメンタルデザイン＆コンサルティング株式会社 移動体の群制御方法

Also Published As

Publication number Publication date
JPWO2021064900A1 (ja) 2021-04-08
US20220335183A1 (en) 2022-10-20
WO2021064900A1 (ja) 2021-04-08

Similar Documents

Publication Publication Date Title
Njoku et al. Prospects and challenges of Metaverse application in data‐driven intelligent transportation systems
Liu et al. A microscopic simulation model for pedestrian-pedestrian and pedestrian-vehicle interactions at crosswalks
Kneidl et al. Generation and use of sparse navigation graphs for microscopic pedestrian simulation models
Galán-García et al. An accelerated-time simulation for traffic flow in a smart city
Galán-García et al. A new Probabilistic Extension of Dijkstra’s Algorithm to simulate more realistic traffic flow in a smart city
Chu et al. SAFEgress: a flexible platform to study the effect of human and social behaviors on egress performance
Hartmann et al. “Pedestrian in the Loop”: An approach using virtual reality
Roh et al. Advanced ship evacuation analysis using a cell-based simulation model
JP7471397B2 (ja) 道路シーンにおける多様な長期将来軌道のシミュレーション
Al-Habashna et al. Modeling pedestrian behavior with Cell-DEVS: theory and applications
Lämmel et al. Hybrid multimodal and intermodal transport simulation: Case study on large-scale evacuation planning
US11361127B2 (en) Simulation device, simulation method, and storage medium
EP2660756A1 (en) Method, apparatus and computer program product for simulating the movement of entities in an area
JP7318720B2 (ja) シミュレーション装置、学習装置、シミュレーション方法、及びシミュレーションプログラム
Aguilera et al. An accelerated-time simulation of car traffic on a motorway using a CAS
Su et al. An agent-based model for evaluating the boarding and alighting efficiency of autonomous public transport vehicles
WO2021064899A1 (ja) 学習装置、予測装置、学習方法、及び学習プログラム
Hadfi et al. Multilayered multiagent system for traffic simulation
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
Kneidl et al. Using a multi-scale model for simulating pedestrian behavior
JP4869903B2 (ja) 移動体シミュレーション装置およびその方法
Farrell et al. Modeling and simulation of crowd using cellular discrete event systems theory
JP7294383B2 (ja) 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
JP6988504B2 (ja) データ作成装置、データ作成方法及びプログラム
US12005892B2 (en) Simulating diverse long-term future trajectories in road scenes

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220216

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20221025

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20221220

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230307

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230425

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: 20230620

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230703

R150 Certificate of patent or registration of utility model

Ref document number: 7318720

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150