JP7435820B2 - 移動予測装置、移動予測方法、及び移動予測プログラム - Google Patents

移動予測装置、移動予測方法、及び移動予測プログラム Download PDF

Info

Publication number
JP7435820B2
JP7435820B2 JP2022560580A JP2022560580A JP7435820B2 JP 7435820 B2 JP7435820 B2 JP 7435820B2 JP 2022560580 A JP2022560580 A JP 2022560580A JP 2022560580 A JP2022560580 A JP 2022560580A JP 7435820 B2 JP7435820 B2 JP 7435820B2
Authority
JP
Japan
Prior art keywords
agent
mobile
edge
parameter
agents
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
JP2022560580A
Other languages
English (en)
Other versions
JPWO2022097246A1 (ja
Inventor
貴行 足立
伸哉 大井
恭太 堤田
和昭 尾花
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 JPWO2022097246A1 publication Critical patent/JPWO2022097246A1/ja
Application granted granted Critical
Publication of JP7435820B2 publication Critical patent/JP7435820B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N99/00—Subject matter not provided for in other groups of this subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting 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)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Mathematical Physics (AREA)
  • Marketing (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Description

開示の技術は、移動予測装置、移動予測方法、及び移動予測プログラムに関する。
従来より、多数の人が移動する様子をシミュレーションによって予測する手法がある。
例えば、各エージェントの移動速度を求める手法がある（非特許文献１参照）。
印南潤二, 正垣隆祥, 筧文彦, 福井潔, 山田武志. 群集シミュレーション手法を活用した大規模ターミナル駅周辺の避難誘導情報の施策検討. 土木計画学研究・講演集, Vol. 45, 2012年6月.
新型コロナウイルス感染症の流行に伴い、感染予防のために人との距離は、２ｍ程度等、所定距離を保つことが推奨される事態となった。
しかし、非特許文献１の手法は、避難時の歩行を想定した速度関数を用いているため、人との間の距離を保つことが考慮された手法ではない。
本開示は、エージェント間で間隔の確保が必要な距離を想定して精度よく移動をシミュレーションできる移動予測装置、移動予測方法、及び移動予測プログラムを提供することを目的とする。
本開示の第１態様は、移動予測装置であって、各ノードを結ぶ経路を示すエッジの各々に関する、エッジ要素、エージェント間で間隔の確保が必要な距離、及び予め定めた所定のパラメータを含むエッジ情報と、複数のエージェントの各々についての、出発時刻、前記各ノードのうちの出発地、前記各ノードのうちの目的地、及び前記エージェントの自由歩行速度を定めたエージェント情報との入力を受け付け、前記エージェント情報の前記出発時刻に応じて前記出発地から出発する移動エージェントの各々を記録するエージェント発生部と、前記移動エージェントの各々について、前記エージェントの位置と、前記エージェント情報の前記目的地と、前記エッジ要素とに基づいて、前記移動エージェントが移動するエッジを選択するエッジ選択部と、前記移動エージェントの各々について、前記移動エージェントの位置から、予め設定された前方の長さまでの区間の面積に基づいて、人口密度を計算する前方密度計算部と、選択した前記エッジについて、前記距離を用いて第１パラメータを導出し、前記移動エージェントの各々について、前記エージェント情報の前記自由歩行速度と、計算した前記人口密度と、導出した前記第１パラメータと、前記所定のパラメータとに基づいて、前記移動エージェントの移動速度を計算する移動速度計算部と、前記移動エージェントの各々について、計算した前記移動速度に基づいて、前記移動エージェントの前記位置を更新する位置更新部と、所定の条件を満たすまで、前記エージェント発生部、前記エッジ選択部、前記前方密度計算部、前記移動速度計算部、及び前記位置更新部の各処理によるシミュレーションを繰り返す判定部と、を含む。
本開示の第２態様は、移動予測方法であって、各ノードを結ぶ経路を示すエッジの各々に関する、エッジ要素、エージェント間で間隔の確保が必要な距離、及び予め定めた所定のパラメータを含むエッジ情報と、複数のエージェントの各々についての、出発時刻、前記各ノードのうちの出発地、前記各ノードのうちの目的地、及び前記エージェントの自由歩行速度を定めたエージェント情報との入力を受け付け、前記エージェント情報の前記出発時刻に応じて前記出発地から出発する移動エージェントの各々を記録し、前記移動エージェントの各々について、前記エージェントの位置と、前記エージェント情報の前記目的地と、前記エッジ要素とに基づいて、前記移動エージェントが移動するエッジを選択し、前記移動エージェントの各々について、前記移動エージェントの位置から、予め設定された前方の長さまでの区間の面積に基づいて、人口密度を計算し、選択した前記エッジについて、前記距離を用いて第１パラメータを導出し、前記移動エージェントの各々について、前記エージェント情報の前記自由歩行速度と、計算した前記人口密度と、導出した前記第１パラメータと、前記所定のパラメータとに基づいて、前記移動エージェントの移動速度を計算し、前記移動エージェントの各々について、計算した前記移動速度に基づいて、前記移動エージェントの前記位置を更新し、所定の条件を満たすまで、各処理によるシミュレーションを繰り返す、ことを含む処理をコンピュータが実行することを特徴とする。
本開示の第３態様は、移動予測プログラムであって、各ノードを結ぶ経路を示すエッジの各々に関する、エッジ要素、エージェント間で間隔の確保が必要な距離、及び予め定めた所定のパラメータを含むエッジ情報と、複数のエージェントの各々についての、出発時刻、前記各ノードのうちの出発地、前記各ノードのうちの目的地、及び前記エージェントの自由歩行速度を定めたエージェント情報との入力を受け付け、前記エージェント情報の前記出発時刻に応じて前記出発地から出発する移動エージェントの各々を記録し、前記移動エージェントの各々について、前記エージェントの位置と、前記エージェント情報の前記目的地と、前記エッジ要素とに基づいて、前記移動エージェントが移動するエッジを選択し、前記移動エージェントの各々について、前記移動エージェントの位置から、予め設定された前方の長さまでの区間の面積に基づいて、人口密度を計算し、選択した前記エッジについて、前記距離を用いて第１パラメータを導出し、前記移動エージェントの各々について、前記エージェント情報の前記自由歩行速度と、計算した前記人口密度と、導出した前記第１パラメータと、前記所定のパラメータとに基づいて、前記移動エージェントの移動速度を計算し、前記移動エージェントの各々について、計算した前記移動速度に基づいて、前記移動エージェントの前記位置を更新し、所定の条件を満たすまで、各処理によるシミュレーションを繰り返す、ことをコンピュータに実行させる。
開示の技術によれば、エージェント間で間隔の確保が必要な距離を想定して精度よく移動をシミュレーションできる。
本実施形態の移動予測装置の構成を示すブロック図である。 移動予測装置のハードウェア構成を示すブロック図である。 従来技術と本手法との速度関数の計算結果の一例を示す図である。 従来技術と本手法のパラメータβも調整した場合との速度関数の計算結果の一例を示す図である。 移動予測装置による移動予測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。
まず、本開示の背景及び前提となる技術を説明した上で、本開示の概要について説明する。
大規模イベント等では、多数の人が集まるため混雑し、スムーズに目的地まで移動できない場合がある。また、このような状況では、危険な状態が発生して事故につながる場合もある。こうした課題の対策として、事前検討として、混雑する場所、及び時間帯はどこか、どのような誘導を行えば混雑の緩和が可能か、トラブルの想定とその対応策などが検討される。この際、人の流れ（以下、人流）がどのようになるか確かめるため、人流シミュレータを用いて、多数の人が移動する様子をシミュレーションすることが行われる。
人流シミュレータには、いくつかの方式がある。例えば、各歩行者をエージェントとしたマルチエージェントシミュレーション（以下、ＭＡＳ）がある。この中には、通路、及び交差点の物理的な形状を細部までシミュレータ上で再現し、各エージェントそれぞれについて多岐にわたる特性を付与した、詳細な物理モデルによるシミュレーションを行うものがある。しかし、シミュレーションの実施に大きな計算量、大きなメモリ容量が必要となり、時間がかかってしまうという課題がある。一方で、単純なモデルとして、通路をエッジ、通路が分岐及び合流する場所をノードとしたモデル（以下、ノードエッジモデルと記載する）で通路網を再現する方法がある（非特許文献１参照）。この方法では、エージェントの挙動も単純な速度モデルとすることで計算量を削減し、高速なシミュレーションを行っている。
非特許文献１では、各エージェントは自身の移動速度ｖｉ［ｍ／ｓ］を以下の式（１）で決定している。

・・・（１）
ここで、ρはエージェント前方Ｌ［ｍ］における人口密度［人／ｍ２］である。エージェント前方Ｌ［ｍ］の幅員がＷ［ｍ］で、その中の人数（他のエージェントの数）がｎ［人］であった場合、人口密度ρは、以下、式（２）となる。

・・・（２）
前方Ｌは全体で一つの設定であり、幅員Ｗはそのエージェントが存在するエッジの幅である。
ρｉはＶｉ＝１．８ρｉ －１－０．３を満たす密度であり、自由歩行速度Ｖｉを元にエージェント個々に定めた密度である。Ｌは非特許文献１では６ｍとしており、Ｗはエッジごとに設定している。
以上により、各エージェントは、前方が空いているときは個々に設定された自由歩行速度Ｖｉ（最高速度）で移動し、前方が混み始めると密度に応じて速度が低下していき、一定以上の混雑となった場合は停止する、といった状況を再現している。
また、年齢、及び土地勘の有無など人の属性をエージェントに反映するため、各エージェント個々に設定する自由歩行速度Ｖｉを変え、それらが混在したシミュレーションを行える。また、各属性が混在する比率及び分布などを変更したシミュレーションも可能である。
非特許文献１の方法では、各エージェント個々に設定できるパラメータは自由歩行速度Ｖｉのみである。これによって各エージェント個々の最高速度を個別に設定してシミュレーションできる。上記式（１）の速度関数を表し直すと、以下式（３）で表すことができる。

・・・（３）
式（３）のｍａｘ及びｍｉｎについては以下のように定める。
速度係数のパラメータα，β，γは、速度定数であり、例えば、α＝１．８，β＝０．３，γ＝１．０であれば式（１）と同じである。パラメータα，β，γは、非特許文献１では単に全エッジで共通の固定値を使っている。ここで、非特許文献１の速度関数では、エージェント間で間隔の確保が必要な距離については考慮されておらず、また、当該距離を考慮する場合に速度係数のパラメータをどのように設定すればよいかも考慮されていない。
そこで、本実施形態では、間隔の確保が必要な距離を考慮して速度関数のパラメータαを導出した上で移動速度を計算する。
以下、本実施形態の構成について説明する。
図１は、本実施形態の移動予測装置の構成を示すブロック図である。
図１に示すように、移動予測装置１００は、エージェント発生部１１０と、位置記録部１２０と、エッジ選択部１３０と、前方密度計算部１４０と、移動速度計算部１５０と、位置更新部１６０と、判定部１７０とを含んで構成されている。
図２は、移動予測装置１００のハードウェア構成を示すブロック図である。
図２に示すように、移動予測装置１００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及び通信インタフェース（Ｉ／Ｆ）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、移動予測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）又はＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）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。
通信インタフェース１７は、端末等の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、移動予測装置１００の各機能構成について説明する。各機能構成は、ＣＰＵ１１がＲＯＭ１２又はストレージ１４に記憶された移動予測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。
移動予測装置１００は、入力として、エージェント情報と、エッジ情報とを受け付ける。
エージェント情報は、全エージェント（全歩行者）について、それぞれエージェント番号ｉ（ｉ＝１，２，３，…，ｍの通し番号）が与えられる。エージェント情報として、エージェントごとに、出発時刻、出発地のノード番号、目的地のノード番号、及び自由歩行速度Ｖｉが設定される。出発地は、各ノードのうちの出発地である。目的地は、各ノードのうちの目的地である。
エッジ情報は、エッジの各々に関して、エッジ要素、距離Ｄ、及び速度係数のパラメータβ，γを設定した情報である。エッジ要素は、始点ノード番号、終点ノード番号、エッジの長さ、及びエッジの幅Ｗである。距離Ｄは、エージェント間で間隔の確保が必要な距離であり、例えば全エッジ一律に２ｍ等と定めてもよいし、エッジごとに距離を定めてもよい。エッジごとに距離Ｄを定める場合、エッジが表す環境に応じて適切な距離を定めることができる。例えば、通路の横幅が狭い場合であれば、距離Ｄを３ｍにする等、保つべき距離が長めにとるように設定してもよい。後述する移動速度計算部１５０で距離Ｄを用いて速度係数のパラメータαを導出する。なお、計算を高速化するため同一のノード間をつなぐエッジ要素を方向別に２つ用意してもよい。つまり、ノード１番とノード２番とをつなぐエッジとしては、「始点ノード番号１、終点ノード番号２」であるエッジと「始点ノード番号２、終点ノード番号１」である２つのエッジ情報を持つ。前者はノード番号１からノード番号２の方向に進むエージェントが使い、後者はノード番号２からノード番号１の方向に進むエージェントが使う。
移動予測装置１００では、エージェント発生部１１０と、エッジ選択部１３０と、前方密度計算部１４０と、移動速度計算部１５０と、位置更新部１６０とをシミュレータとして、シミュレーションを実行する。移動予測装置１００は、シミュレーション実行前に位置記録部１２０に、全てのエージェントが未出発である旨を格納してからシミュレーションを開始する。そして時刻ごとに、例えば秒を単位としてｔ＝０の計算を行い、それが完了したら１秒後となるｔ＝１の計算を行う、という処理を繰り返す。実行時間をｊとするｊ秒間のシミュレーションであれば、ｔ＝ｊの計算が完了したらシミュレーション完了とする。以下、移動予測装置１００の各部について説明する。以下では、時刻ごとに行われる動作としてｔ＝ｋの時の動作を説明する。
エージェント発生部１１０は、エージェント情報の出発時刻に応じて出発地から出発する移動エージェントの各々を位置記録部１２０に記録する。以下、位置記録部１２０に記録した移動を行うエージェントを移動エージェントと記載する。以下にエージェント発生部１１０の動作例を説明する。
エージェント発生部１１０は、まず、エージェント情報の全エージェントのうち出発時刻がｋになっているエージェントを検索する。検索により、位置記録部１２０に対して、時刻ｔ＝ｋにおける該当エージェントのエージェント番号と、位置情報と、当該エージェントが出発した旨とを記録する。当該記録により、移動エージェントを追跡できるようになる。位置情報は、「最後に通過したノード番号」、「次に通過予定のノード番号」、及び「最後に通過したノードから進んだ距離」、の組み合わせである。つまり、出発時においては、「最後に通過したノード番号」としてエージェント情報の出発地ノード番号、「次に通過予定のノード番号」として未定、「最後に通過したノードからの距離」として０、を記録する。これらの位置情報は、シミュレーションによって各時刻について記録される。「最後に通過したノード番号」が、エッジ選択部１３０の処理において参照する移動エージェントの位置である。
エッジ選択部１３０は、移動エージェントの各々について、前記移動エージェントの位置と、エージェント情報の目的地と、エッジ情報のエッジ要素とに基づいて、移動エージェントが移動するエッジを選択する。以下にエッジ選択部１３０の動作例を説明する。
エッジ選択部１３０は、まず、位置記録部１２０から、すべての歩行中（出発済かつ未到着）の移動エージェントについて位置情報を取得する。エッジ選択部１３０は、取得した位置情報で「次に通過予定のノード番号」が未定、つまりどのエッジに進むか選択されていない状態であったら、エッジ要素を参照して当該ノードに接続されているエッジを探し、そのうちのどのエッジに進むかを選択する。エッジ選択部１３０は、選択したエッジのエッジ要素にある終点ノード番号を、位置情報の「次に通過予定のノード番号」に格納する。選択の方法は、任意であるが、例えば、目的地に最も近い距離で到達できるエッジを探し出して選択する。また、目的地まで到達するための距離が短いエッジほど選択される確率が高くなるようにランダムでエッジを選択してもよいし、いずれのエッジも同じ確率になるようにランダムでエッジを選択してもよい。
前方密度計算部１４０は、上記式（２）に従って、移動エージェントごとに、移動エージェントが存在する位置から前方の距離Ｌ［ｍ］先までの区間の面積を求め、求めた区間の面積を元に、人口密度ρを計算する。人口密度ρの計算においては、まず、前方の長さＬ及び当該移動エージェントが存在するエッジの幅Ｗについての区間の面積を求める。前方の長さＬは、当該移動エージェントが存在する位置から予め設定されている前方の長さである。前方の長さＬは、例えば、６ｍとする。
なお、前方密度計算部１４０は、各エージェント個々に設定された大きさの倍率ｓｉを用いて人口密度を計算してもよい。大きさの倍率ｓｉを用いる場合には、人口密度ρを以下の式（４）で計算する。

・・・（４）
ｎは移動エージェントが存在する位置から前方の距離Ｌ［ｍ］先までの区間に存在する他エージェントの数であり、大きさの倍率ｓｉは当該他エージェントの各々に設定されている値を用いる。式（４）の分母Ｌ×Ｗは区間の面積である。この式（４）は式（２）に比べると計算量は増えているものの増加分はごくわずかであり、詳細な物理モデルによるシミュレーションに比べれば非常に小さい計算量、及びメモリ消費となっている。
非特許文献１では、人口密度を用いた計算になっているため、各エージェント個々の「大きさ」は考慮されていない。例えば、車いすで移動している人は、通常の歩行をしている人よりも専有面積が広いため、より少ない人数で空間が混雑し、速度が停止してしまうが、人口密度の計算では車いすの専有面積が反映できない。また、小さい子供は大人よりも専有面積が狭いが、こちらも人口密度の計算には反映できない。このような、車いす、小さな子供など、大きさが異なる人々が混在する状態のシミュレーションを行うのは困難である。また、これらの混在の比率及び分布などを変更したシミュレーションを行うのは困難である。ノードエッジモデルではない詳細なモデルに基づくシミュレーションであればエージェントの大きさに関する課題は発生しないが、シミュレーションに時間がかかってしまうという課題がある。そこで、大きさの倍率ｓｉを用いることができる。通常の歩行者であればｓｉ＝１．０とする。車いすのように通常の歩行者よりも専有面積が大きくなる場合は１．０よりも大きくしている。例えば、専有面積が１．５倍であればｓｉ＝１．５とし、専有面積が２．０倍であればｓｉ＝２．０とする。逆に、子供のように通常の歩行者よりも専有面積が小さい場合は１．０よりも小さくする。例えば、専有面積が０．７５倍であればｓｉ＝０．７５とし、専有面積が０．５倍であればｓｉ＝０．５とする。このように、大きさの倍率ｓｉは、エージェントの属性に応じて定めておけばよい。
移動エージェントの位置からエッジ終点までの距離がＬ［ｍ］よりも短い場合は、エッジ終点までを人口密度計算の区間としてもよい。また、エッジ終点のノードに他のエッジが接続されているのであれば、接続先のいずれかのエッジまで含め、エッジを跨いで区間の面積を求め、人口密度を計算してもよい。
移動速度計算部１５０の処理は、パラメータαの導出、及び移動速度の計算である。非特許文献１とは異なり、各エージェント間で確保が必要な距離Ｄを考慮する。
まず、パラメータαの導出について説明する。移動速度計算部１５０は、選択したエッジについて、距離Ｄを用いて速度係数のパラメータαを導出する。以下、パラメータαの導出について説明する。
前方の人口密度に伴い歩行速度が０となる条件を満たす場合は以下式（５）で表される。

・・・（５）
上記式（５）から、人との距離をＤ以上保つことを考えた場合、距離Ｄを考慮した人口密度ρｄは半径Ｄ／２の円内に１人が保持されるように以下式（６）のように計算すればよい。

・・・（６）
以上の式（５）及び式（６）から、距離Ｄを考慮したパラメータαは以下式（７）のように導出できる。βを式（１）と同じ定数とした場合、αは人との距離Ｄから求められる。

・・・（７）
式（７）から導出したパラメータαを用いることにより、式（３）の速度関数による移動則の計算において、Ｄ／２の円の内側に一人とする人口密度を超えた場合に、移動速度が０となるように求められる。
次に、移動速度の計算について説明する。移動速度計算部１５０は、移動エージェントの各々について、上記式（３）の速度関数に従って、移動エージェントの移動速度ｖｉを計算する。移動エージェントの移動速度ｖｉは、エージェント情報の自由歩行速度Ｖｉと、前方密度計算部１４０で計算した人口密度ρと、計算したパラメータαと、速度係数のパラメータβ，γとに基づいて計算する。
図３に、従来技術と本手法との速度関数の計算結果の一例を示す。図３に示す例では、β＝０．３、γ＝１．０、Ｄ＝２の場合で計算した場合、従来技術（非特許文献１）の計算結果に対して、本手法では、距離を保つように移動速度が減衰するようなグラフとなっている。
また、パラメータαの導出について、式（７）で用いていたパラメータβを調整するようにしてもよい。上記式（７）でも人との距離をＤ以上保つことが考慮されるが、更に以下のようにパラメータβについても考慮することで、より厳密に人との距離を保った想定をしたシミュレーションを行うことができる。
式（３）による計算では、人口密度ρが半径Ｄ／２の円内に１人未満から当該円内で１人に増加していく間で移動速度がＶｉ（図３の例では１．２）から０に緩やかに減衰している。そのため、距離Ｄ以上の間隔を空けるために、移動速度が必要以上に遅くなってしまう場合がある。
そこで、自由歩行速度Ｖｉから歩行停止までの変化をより急峻にすることで、多くの歩行者が距離Ｄを保つように調整できる。このように歩行停止に係るパラメータβについて、歩行停止の減衰の度合いが急峻に変化するように調整する。
人口密度に応じて歩行速度がＶｉから０へ減衰する際に、減衰が急峻となるようにパラメータβ’を設定することで、厳密に人との距離を保つことが可能となる。具体的には、移動速度計算部１５０は、βの値をより大きな値に調整し、β’と設定する。移動速度計算部１５０は、β’を用いた以下式（８）に従ってパラメータαを導出する。

・・・（８）
図４に、従来技術と本手法のパラメータβも調整した場合との速度関数の計算結果の一例を示す。図４に示す例では、β＝３０００、γ＝１．０、Ｄ＝２の場合で計算した場合であり、βを大きな値に調整することにより、図３の計算結果の例と比較して、減衰の度合いが急峻になるようなグラフとなっている。逆に、狭い通路の場合、又は人口密度が急に高くなる可能性がある場合など、慎重に間隔を空けておくことを想定したシーンでは、βより小さいβ’を設定し、歩行速度の減衰をなだらかにすることもできる。以上のパラメータαが本開示の技術の第１パラメータの一例であり、パラメータβが第２パラメータの一例である。
位置更新部１６０は、移動エージェントの各々について、移動速度計算部１５０で計算した移動速度に基づいて、位置記録部１２０の移動エージェントの位置を更新する。以下に位置更新部１６０の動作例を説明する。
位置更新部１６０は、移動エージェントごとに、位置記録部１２０に記録されているｔ＝ｋでの位置情報と、移動速度計算部１５０が計算した移動速度ｖｉを用いて、ｔ＝ｋ＋１の位置情報を計算する。そして位置記録部１２０に、移動エージェントの各々についての時刻ｔ＝ｋ＋１におけるエージェント番号と位置情報とを記録する。目的地に到達した移動エージェントがあれば、当該移動エージェントが到着済である旨を記録する。
判定部１７０は、所定の条件を満たすまで、エージェント発生部１１０、エッジ選択部１３０、前方密度計算部１４０、移動速度計算部１５０、及び位置更新部１６０の各処理によるシミュレーションを繰り返す。判定部１７０では、すべての移動エージェントに対して位置情報の更新が完了したらｔ＝ｋの動作は完了し、時刻をインクリメントして次の時刻における動作を行う、という動作を繰り返す。実行時間ｊに到達していた場合はシミュレーションを終了する。
移動予測装置１００は、位置記録部１２０から移動エージェントの各々のシミュレーション結果を読み出して出力する。シミュレーション結果は、各移動エージェントの各時刻ｔ＝０，２，３，…における、各エージェントｉ＝１，２，３，…，ｍの位置情報を出力する。
次に、移動予測装置１００の作用について説明する。
図５は、移動予測装置１００による移動予測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から移動予測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、移動予測処理が行なわれる。移動予測装置１００は、入力として、エッジ情報及びエージェント情報を受け付けて以下の処理を行う。
ステップＳ１００において、ＣＰＵ１１は、シミュレーションの実行時刻ｊを設定すると共に、時刻ｔ＝０と設定する。
ステップＳ１０２において、ＣＰＵ１１は、エージェント情報の出発時刻に応じて出発地から出発する移動エージェントの各々を位置記録部１２０に記録する。ここでは、エージェント情報の出発時刻をｋとして、ｔ＝ｋであるエージェントが移動エージェントとなる。
ステップＳ１０４において、ＣＰＵ１１は、移動エージェントの各々について、当該移動エージェントの位置と、エージェント情報の目的地と、エッジ情報とに基づいて、移動エージェントが移動するエッジを選択する。
ステップＳ１０６において、ＣＰＵ１１は、移動エージェントの各々について、人口密度ρを計算する。人口密度ρは、上記式（２）に従って、当該移動エージェントの位置からの前方の長さＬ及び当該移動エージェントが存在するエッジの幅Ｗについて求まる区間の面積に基づいて、計算する。
ステップＳ１０８において、ＣＰＵ１１は、上記式（７）又は式（８）に従って、ステップＳ１０４で選択した移動対象のエッジについて、距離Ｄを用いたパラメータαを導出する。
ステップＳ１１０において、ＣＰＵ１１は、上記式（３）に従って、移動エージェントの各々について、移動エージェントの移動速度を計算する。移動エージェントの移動速度は、エージェント情報の自由歩行速度Ｖｉと、前方密度計算部１４０で計算した人口密度ρと、導出したパラメータαと、速度係数のパラメータβ，γとに基づいて計算する。
ステップＳ１１２において、ＣＰＵ１１は、移動エージェントの各々について、ステップＳ１１０で計算した移動速度に基づいて、位置記録部１２０の移動エージェントの位置を更新する。
ステップＳ１１４において、ＣＰＵ１１は、ｔ＝ｊであるか否かを判定し、ｔ＝ｊであればステップＳ１１８へ移行し、ｔ＝ｊでなければステップＳ１１６へ移行する。
ステップＳ１１６において、ＣＰＵ１１は、ｔ＝ｔ＋１とインクリメントして、ステップＳ１０２に移行して処理を繰り返す。
ステップＳ１１８において、ＣＰＵ１１は、位置記録部１２０から移動エージェントの各々のシミュレーション結果を読み出して出力し、処理を終了する。
以上説明したように本実施形態の移動予測装置１００によれば、エージェント間で間隔の確保が必要な距離を想定して精度よく移動をシミュレーションできる。
ノードエッジモデルの単純で高速という特徴を生かしたまま、各エージェント個々の「大きさ」を考慮したシミュレーションが可能となる。例えば、車いすで移動している人は、通常の歩行をしている人よりも専有面積が広いため、より少ない人数で空間が混雑し、速度が停止してしまうことを再現できるようになる。また、小さい子供は大人よりも専有面積が狭く、この影響を再現できるようになる。
このような、車いす、小さな子供など、大きさが異なる人々が混在する状態のシミュレーションを行うこと、混在の比率や分布などを変更したシミュレーションを行うことができるようになる。
また、ノードエッジモデルではない詳細な物理モデルによるシミュレーションならば「大きさ」を考慮したシミュレーションは可能であるが、本実施形態の手法は、それよりも計算量がより少なく、高速かつ低メモリでシミュレーションが行えるメリットがある。
なお、上記各実施形態でＣＰＵがソフトウェア（プログラム）を読み込んで実行した移動予測処理を、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）、及び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、移動予測処理を、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、上記各実施形態では、移動予測プログラムがストレージ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－ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｋ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＤＶＤ－ＲＯＭ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、及び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、
各ノードを結ぶ経路を示すエッジの各々に関する、エッジ要素、エージェント間で間隔の確保が必要な距離、及び予め定めた所定のパラメータを含むエッジ情報と、複数のエージェントの各々についての、出発時刻、前記各ノードのうちの出発地、前記各ノードのうちの目的地、及び前記エージェントの自由歩行速度を定めたエージェント情報との入力を受け付け、
前記エージェント情報の前記出発時刻に応じて前記出発地から出発する移動エージェントの各々を記録し、
前記移動エージェントの各々について、前記エージェントの位置と、前記エージェント情報の前記目的地と、前記エッジ要素とに基づいて、前記移動エージェントが移動するエッジを選択し、
前記移動エージェントの各々について、前記移動エージェントの位置から、予め設定された前方の長さまでの区間の面積に基づいて、人口密度を計算し、
選択した前記エッジについて、前記距離を用いて第１パラメータを導出し、前記移動エージェントの各々について、前記エージェント情報の前記自由歩行速度と、計算した前記人口密度と、導出した前記第１パラメータと、前記所定のパラメータとに基づいて、前記移動エージェントの移動速度を計算し、
前記移動エージェントの各々について、計算した前記移動速度に基づいて、前記移動エージェントの前記位置を更新し、
所定の条件を満たすまで、各処理によるシミュレーションを繰り返す、
ように構成されている移動予測装置。
（付記項２）
各ノードを結ぶ経路を示すエッジの各々に関する、エッジ要素、エージェント間で間隔の確保が必要な距離、及び予め定めた所定のパラメータを含むエッジ情報と、複数のエージェントの各々についての、出発時刻、前記各ノードのうちの出発地、前記各ノードのうちの目的地、及び前記エージェントの自由歩行速度を定めたエージェント情報との入力を受け付け、
前記エージェント情報の前記出発時刻に応じて前記出発地から出発する移動エージェントの各々を記録し、
前記移動エージェントの各々について、前記エージェントの位置と、前記エージェント情報の前記目的地と、前記エッジ要素とに基づいて、前記移動エージェントが移動するエッジを選択し、
前記移動エージェントの各々について、前記移動エージェントの位置から、予め設定された前方の長さまでの区間の面積に基づいて、人口密度を計算し、
選択した前記エッジについて、前記距離を用いて第１パラメータを導出し、前記移動エージェントの各々について、前記エージェント情報の前記自由歩行速度と、計算した前記人口密度と、導出した前記第１パラメータと、前記所定のパラメータとに基づいて、前記移動エージェントの移動速度を計算し、
前記移動エージェントの各々について、計算した前記移動速度に基づいて、前記移動エージェントの前記位置を更新し、
所定の条件を満たすまで、各処理によるシミュレーションを繰り返す、
ことをコンピュータに実行させる移動予測プログラムを記憶した非一時的記憶媒体。
１００ 移動予測装置
１１０ エージェント発生部
１２０ 位置記録部
１３０ エッジ選択部
１４０ 前方密度計算部
１５０ 移動速度計算部
１６０ 位置更新部
１７０ 判定部

Claims (5)

  1. 各ノードを結ぶ経路を示すエッジの各々に関する、エッジ要素、エージェント間で間隔の確保が必要な距離、及び予め定めた所定のパラメータを含むエッジ情報と、複数のエージェントの各々についての、出発時刻、前記各ノードのうちの出発地、前記各ノードのうちの目的地、及び前記エージェントの自由歩行速度を定めたエージェント情報との入力を受け付け、
    前記エージェント情報の前記出発時刻に応じて前記出発地から出発する移動エージェントの各々を記録するエージェント発生部と、
    前記移動エージェントの各々について、前記エージェントの位置と、前記エージェント情報の前記目的地と、前記エッジ要素とに基づいて、前記移動エージェントが移動するエッジを選択するエッジ選択部と、
    前記移動エージェントの各々について、前記移動エージェントの位置から、予め設定された前方の長さまでの区間の面積に基づいて、人口密度を計算する前方密度計算部と、
    選択した前記エッジについて、前記距離を用いて第１パラメータを導出し、前記移動エージェントの各々について、前記エージェント情報の前記自由歩行速度と、計算した前記人口密度と、導出した前記第１パラメータと、前記所定のパラメータとに基づいて、前記移動エージェントの移動速度を計算する移動速度計算部と、
    前記移動エージェントの各々について、計算した前記移動速度に基づいて、前記移動エージェントの前記位置を更新する位置更新部と、
    所定の条件を満たすまで、前記エージェント発生部、前記エッジ選択部、前記前方密度計算部、前記移動速度計算部、及び前記位置更新部の各処理によるシミュレーションを繰り返す判定部と、
    を含む移動予測装置。
  2. 前記所定のパラメータのうち歩行停止に係るパラメータを第２パラメータとして、歩行停止の減衰の度合いが変化するように前記第２パラメータを調整し、
    調整した前記第２パラメータと、前記距離とを用いて前記第１パラメータを導出する請求項１に記載の移動予測装置。
  3. 各ノードを結ぶ経路を示すエッジの各々に関する、エッジ要素、エージェント間で間隔の確保が必要な距離、及び予め定めた所定のパラメータを含むエッジ情報と、複数のエージェントの各々についての、出発時刻、前記各ノードのうちの出発地、前記各ノードのうちの目的地、及び前記エージェントの自由歩行速度を定めたエージェント情報との入力を受け付け、
    前記エージェント情報の前記出発時刻に応じて前記出発地から出発する移動エージェントの各々を記録し、
    前記移動エージェントの各々について、前記エージェントの位置と、前記エージェント情報の前記目的地と、前記エッジ要素とに基づいて、前記移動エージェントが移動するエッジを選択し、
    前記移動エージェントの各々について、前記移動エージェントの位置から、予め設定された前方の長さまでの区間の面積に基づいて、人口密度を計算し、
    選択した前記エッジについて、前記距離を用いて第１パラメータを導出し、前記移動エージェントの各々について、前記エージェント情報の前記自由歩行速度と、計算した前記人口密度と、導出した前記第１パラメータと、前記所定のパラメータとに基づいて、前記移動エージェントの移動速度を計算し、
    前記移動エージェントの各々について、計算した前記移動速度に基づいて、前記移動エージェントの前記位置を更新し、
    所定の条件を満たすまで、各処理によるシミュレーションを繰り返す、
    ことを含む処理をコンピュータが実行することを特徴とする移動予測方法。
  4. 前記所定のパラメータのうち歩行停止に係るパラメータを第２パラメータとして、歩行停止の減衰の度合いが変化するように前記第２パラメータを調整し、
    調整した前記第２パラメータと、前記距離とを用いて前記第１パラメータを導出する請求項３に記載の移動予測方法。
  5. 各ノードを結ぶ経路を示すエッジの各々に関する、エッジ要素、エージェント間で間隔の確保が必要な距離、及び予め定めた所定のパラメータを含むエッジ情報と、複数のエージェントの各々についての、出発時刻、前記各ノードのうちの出発地、前記各ノードのうちの目的地、及び前記エージェントの自由歩行速度を定めたエージェント情報との入力を受け付け、
    前記エージェント情報の前記出発時刻に応じて前記出発地から出発する移動エージェントの各々を記録し、
    前記移動エージェントの各々について、前記エージェントの位置と、前記エージェント情報の前記目的地と、前記エッジ要素とに基づいて、前記移動エージェントが移動するエッジを選択し、
    前記移動エージェントの各々について、前記移動エージェントの位置から、予め設定された前方の長さまでの区間の面積に基づいて、人口密度を計算し、
    選択した前記エッジについて、前記距離を用いて第１パラメータを導出し、前記移動エージェントの各々について、前記エージェント情報の前記自由歩行速度と、計算した前記人口密度と、導出した前記第１パラメータと、前記所定のパラメータとに基づいて、前記移動エージェントの移動速度を計算し、
    前記移動エージェントの各々について、計算した前記移動速度に基づいて、前記移動エージェントの前記位置を更新し、
    所定の条件を満たすまで、各処理によるシミュレーションを繰り返す、
    ことをコンピュータに実行させる移動予測プログラム。
JP2022560580A 2020-11-05 2020-11-05 移動予測装置、移動予測方法、及び移動予測プログラム Active JP7435820B2 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2020/041424 WO2022097246A1 (ja) 2020-11-05 2020-11-05 移動予測装置、移動予測方法、及び移動予測プログラム

Publications (2)

Publication Number Publication Date
JPWO2022097246A1 JPWO2022097246A1 (ja) 2022-05-12
JP7435820B2 true JP7435820B2 (ja) 2024-02-21

Family

ID=81457009

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022560580A Active JP7435820B2 (ja) 2020-11-05 2020-11-05 移動予測装置、移動予測方法、及び移動予測プログラム

Country Status (2)

Country Link
JP (1) JP7435820B2 (ja)
WO (1) WO2022097246A1 (ja)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017211721A (ja) 2016-05-23 2017-11-30 日本電信電話株式会社 マルチエージェントシミュレーション装置、マルチエージェントシミュレーション方法、及びマルチエージェントシミュレーションプログラム
CN108681791A (zh) 2018-05-16 2018-10-19 北京理工大学 一种人流密度预测方法、装置及存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017211721A (ja) 2016-05-23 2017-11-30 日本電信電話株式会社 マルチエージェントシミュレーション装置、マルチエージェントシミュレーション方法、及びマルチエージェントシミュレーションプログラム
CN108681791A (zh) 2018-05-16 2018-10-19 北京理工大学 一种人流密度预测方法、装置及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
印南 潤二 ほか，群衆シミュレーション手法を活用した大規模ターミナル駅周辺の避難誘導情報の施策検討，土木計画学研究・講演集，土木学会［オンライン］，2012年06月，Vol.45，pp.1-8，インターネット：<URL: http://library.jsce.or.jp/jsce/open/00039/201206_no45/pdf/8.pdf>，特に，3. (3)節参照
清水 仁 ほか，ベイズ的最適化による最適集団誘導探索，電子情報通信学会技術研究報告，日本，一般社団法人電子情報通信学会，2018年10月29日，Vol.118, No.284，pp.99-104，ISSN 2432-6380, 特に，2節参照

Also Published As

Publication number Publication date
WO2022097246A1 (ja) 2022-05-12
JPWO2022097246A1 (ja) 2022-05-12

Similar Documents

Publication Publication Date Title
KR102611938B1 (ko) 신경망을 사용한 통합 회로 플로어 플랜 생성
Nie et al. A comparative study of some macroscopic link models used in dynamic traffic assignment
Xiao et al. A pedestrian flow model considering the impact of local density: Voronoi diagram based heuristics approach
Zhang et al. Force-driven traffic simulation for a future connected autonomous vehicle-enabled smart transportation system
TROUTBECK13 et al. Unsignalized intersection theory
US8855924B2 (en) Scheduling system, method, and program
Hou et al. Dynamic modeling of traffic noise in both indoor and outdoor environments by using a ray tracing method
US10109097B2 (en) Dynamic collision avoidance for crowd simulation over structured paths that intersect at waypoints
Balijepalli et al. The two-regime transmission model for network loading in dynamic traffic assignment problems
WO2018016558A1 (ja) シミュレーション装置、シミュレーション方法、及び記憶媒体
Huo et al. A probabilistic model based optimization for aircraft scheduling in terminal area under uncertainty
Varga et al. Optimizing vehicle dynamics co-simulation performance by introducing mesoscopic traffic simulation
JP7435820B2 (ja) 移動予測装置、移動予測方法、及び移動予測プログラム
US20160085890A1 (en) Model order reduction in transistor level timing
EP0644497B1 (en) Method and system for dividing analyzing region in device simulator
Keane et al. Fast calibration of car-following models to trajectory data using the adjoint method
EP2660756A1 (en) Method, apparatus and computer program product for simulating the movement of entities in an area
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
JP7176642B2 (ja) 移動予測装置、移動予測方法、及び移動予測プログラム
JP7197022B2 (ja) 移動予測装置、移動予測方法、及び移動予測プログラム
JP2017049954A (ja) 推定装置、推定方法及びプログラム
Daganzo A simple traffic analysis procedure
Calvert et al. Vehicle specific behaviour in macroscopic traffic modelling through stochastic advection invariant
JP2019028487A (ja) 流量予測装置、方法、及びプログラム
Wu et al. Particle filter based traffic data assimilation with sensor informed proposal distribution

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230330

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: 20240109

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240122

R150 Certificate of patent or registration of utility model

Ref document number: 7435820

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150