JP7492840B2 - シミュレータ、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

Description

本発明は、群集の行動を予測するシミュレータ、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。

近年、大勢の人々が集まる空間について、空間設計やその改善の効果、運用施策の導入やその改善等の効果を予測するために、群集の行動を予測するシミュレータが用いられている。また、そのようなシミュレータで用いる方法の一つとして、群集を構成する個体それぞれをエージェントと呼ばれるデータで表すマルチエージェントシミュレーションが知られている。
一般に、大勢の人々が集まる空間には１つ１つの目的に対してそれを達成できる場所（目的地）が複数存在し、マルチエージェントシミュレーションではエージェントそれぞれの目的地を決定する必要がある。
例えば特許文献１には避難者を模した個体それぞれの目的地を当該個体の位置から最も近い出口に決定することが記載されている。また、例えば特許文献２にはＴ字路の通行者を模した個体それぞれの移動目標位置をシミュレータの利用者が予め設定することが記載されている。また、例えば特許文献３には（目的１つに対して目的地が複数ではないものの）属性がリーダーである個体の選択エリアを避難のための出口エリアと消火のための燃焼エリアの中から抽選によって決定することが記載されている。この抽選の確率は各個体の反応閾値や認知閾値に応じて決まり、これらの閾値はシミュレータの利用者が予め設定する。

特開２０１９－１８５０７４号公報 特開２０１９－２１９８８０号公報 特開２０１９－１８５０７３号公報

ここで、設計や施策等の試行錯誤を減ずるためにシミュレータには予測精度が要求され、予測精度を左右する要因のひとつに経験や知識の個体差がある。例えば、現実世界の劇場の休憩時間において、当該劇場に初めて訪れた観客は最も近いトイレに並ぶことが多いが、何度も訪れている観客ほど遠くても混みにくいトイレを利用する等の選択肢を多く持つようになる。
しかしながら、従来のシミュレータが行うマルチエージェントシミュレーションでは、特定の行動目的の達成が可能な目的地が複数通り存在する場合、各エージェントの目的地を目的地までの距離や予めの設定や乱数によって決定していた。このため、群集を構成する個々のエージェントの経験や知識の偏りを反映した群集行動を模擬することが困難であった。換言すると、訪れた回数や経路等に応じて蓄積される情報に個体差を生じさせた群集行動を模擬することが困難であった。
例えば、上述した距離により決定する従来技術では各個体の初期位置を、移動目標位置を予め設定する従来技術では各個体の移動目標位置を、抽選により決定する従来技術では各個体の反応閾値や認知閾値を、シミュレーションを繰り返しながら個体の数だけ設定変更しなければならない上、それが経験や知識が偏る様子を的確に模擬できたか確認することが困難である。

本発明は、上記の問題点を鑑みてなされたものであり、群集を構成する個々のエージェントの経験や知識の偏りを反映した群集行動を模擬できるシミュレータ、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を提供することを目的とする。

本発明の一形態によれば、行動目的を有する複数のエージェントが、所定の空間において複数の目的地のいずれかで行動目的を達成する行動を模擬するシミュレータが与えられる。シミュレータは、エージェント毎に、複数の目的地で行動目的を達成するのに要する各々の所要時間に関する統計情報を記憶する統計情報記憶手段と、エージェント毎に、統計情報に基づいて、行動目的の達成期限までに複数の目的地で行動目的を達成する各々の確率を予測し、確率に応じて評価値を算出する評価値算出手段と、エージェント毎に、評価値に基づいて複数の目的地のいずれかを選択する目的地選択手段と、選択した目的地において複数のエージェントの各々が行動目的を達成する行動を模擬する行動模擬手段と、選択した目的地で行動目的を達成する際に観測した所要時間に関する観測値に基づいて統計情報を更新する統計情報更新手段と、を備える。

本発明の他の形態によれば、行動目的を有する複数のエージェントが、所定の空間において複数の目的地のいずれかで行動目的を達成する行動を模擬するシミュレーション方法が与えられる。シミュレーション方法では、所定の記憶装置にエージェント毎に記憶された、複数の目的地で行動目的を達成するのに要する各々の所要時間に関する統計情報を読み込む処理と、エージェント毎に、統計情報に基づいて、行動目的の達成期限までに複数の目的地で行動目的を達成する各々の確率を予測し、確率に応じて評価値を算出する処理と、エージェント毎に、評価値に基づいて複数の目的地のいずれかを選択する処理と、選択した目的地において複数のエージェントの各々が行動目的を達成する行動を模擬する処理と、選択した目的地で行動目的を達成する際に観測した所要時間に関する観測値に基づいて統計情報を更新する処理と、をコンピュータが実行する。

本発明の更なる他の形態によれば、行動目的を有する複数のエージェントが、所定の空間において複数の目的地のいずれかで行動目的を達成する行動を模擬するシミュレーションプログラムが与えられる。シミュレーションプログラムは、所定の記憶装置にエージェント毎に記憶された、複数の目的地で行動目的を達成するのに要する各々の所要時間に関する統計情報を読み込む処理と、エージェント毎に、統計情報に基づいて、行動目的の達成期限までに複数の目的地で行動目的を達成する各々の確率を予測し、確率に応じて評価値を算出する処理と、エージェント毎に、評価値に基づいて複数の目的地のいずれかを選択する処理と、選択した目的地において複数のエージェントの各々が行動目的を達成する行動を模擬する処理と、選択した目的地で行動目的を達成する際に観測した所要時間に関する観測値に基づいて統計情報を更新する処理と、をコンピュータに実行させる。

本発明によれば、群集を構成する個々のエージェントの経験や知識の偏りを反映した群集行動を模擬することができる。

実施形態に係るシミュレータの一例の概略構成図である。 実施形態に係るシミュレータの一例の機能ブロック図である。 空間情報記憶手段に記憶される対象空間の地図情報の一例の模式図である。 空間情報記憶手段に記憶される空間情報（行動目的情報及び目的地情報）の一例を示す図である。 エージェント情報記憶手段に記憶される第１のエージェント情報の一例を示す図である。 エージェント情報記憶手段に記憶される第２のエージェント情報の一例を示す図である。 エージェント情報記憶手段に記憶される第３のエージェント情報の一例を示す図である。 エージェント情報記憶手段に記憶される第４のエージェント情報の一例を示す図である。 統計情報記憶手段に記憶される統計情報の一例を示す図である。 （ａ）及び（ｂ）は１番目の行動目的を達成する成功確率の算出方法の一例の説明図である。 （ａ）～（ｃ）は２番目以降の行動目的を達成する成功確率の算出方法の一例の説明図である。 （ａ）及び（ｂ）は、統計情報記憶手段に記憶される確率分布が統計情報更新手段によって更新されて、エージェント毎に違いが生じる様子を説明する図である。 第１実施形態のシミュレーション方法の全体処理の一例のフローチャートである。 統計情報更新処理の一例のフローチャートである。 統計情報更新処理の一例のフローチャートである。 行動決定処理の一例のフローチャートである。 評価値算出処理の一例のフローチャートである。 エージェント状態更新処理の一例のフローチャートである。 第２実施形態における目的地へのエージェントの到達数の予測方法の説明図である。 第２実施形態における待ち時間算出手段の一例の機能ブロック図である。 第２実施形態における所要時間分布算出処理の一例のフローチャートである。

以下において、図面を参照して本発明の実施形態を説明する。なお、以下に示す本発明の実施形態は、本発明の技術的思想を具体化するための装置や方法を例示するものであって、本発明の技術的思想は、構成部品の構造、配置等を下記のものに特定するものではない。本発明の技術的思想は、特許請求の範囲に記載された請求項が規定する技術的範囲内において、種々の変更を加えることができる。

本発明の実施形態として、客席、トイレおよび売店を有する劇場において複数の人が客席、トイレおよび売店を利用する行動を予測するシミュレータの例を示す。
すなわち、本実施形態において、シミュレーションの対象となる空間（対象空間）は劇場であり、群集を構成する個体は人であり、各個体の行動目的は、劇場の座席への「着席」と、「用便」と、「買い物」である。以下、シミュレータにおける個体のデータを「エージェント」と表記する。

また、この実施形態においては、シミュレーションの実施者（以下「利用者」と表記する）が、シミュレータを用いて幕間時間の群集の行動を予測する例について説明する。また、複数回の幕間時間を経て群集の行動の予測が変化する例について説明する。ちなみに、簡単化のために、幕前、幕後は省略するものとする。
なお、本明細書において説明される劇場は、あくまで対象空間の一例であり、本発明の対象はこれに限定されるものではない。

（第１実施形態）
（構成）
図１は、第１実施形態に係るシミュレータの一例の概略構成図である。
シミュレータ１は、操作入力部２、ファイル入出力部３、記憶部４、制御部５、および表示部６からなる。これらのうちのファイル入出力部３、記憶部４および制御部５はいわゆるコンピュータで実現でき、操作入力部２および表示部６は当該コンピュータの周辺機器として実現できる。
操作入力部２は、キーボード、マウス等のユーザーインターフェースであり、利用者に操作されてデータの入力等に用いられる。操作入力部２は、制御部５に接続され、利用者の操作を操作信号に変換して制御部５に出力する。

ファイル入出力部３は、ＤＶＤ（Digital Versatile Disc）ドライブ、ＵＳＢ（Universal Serial Bus）インターフェース、ネットワークインターフェース等であり、一方が不図示の外部機器、記録メディア、ネットワーク等に接続され、他方が制御部５に接続され、データをファイルとして制御部５に入力し、およびデータをファイルとして制御部５から出力する。
記憶部４は、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）等のメモリ装置であり、各種プログラムや各種データを記憶する。記憶部４は、制御部５と接続されて制御部５との間でこれらの情報を入出力する。

制御部５は、ＣＰＵ（Central Processing Unit）、ＤＳＰ（Digital Signal Processor）、ＭＣＵ（Micro Control Unit）等の演算装置で構成される。制御部５は、記憶部４と接続され、記憶部４からプログラムを読み出して実行することにより各種処理部として動作し、各種データを記憶部４に記憶させ、読み出す。また、制御部５は、操作入力部２、ファイル入出力部３および表示部６とも接続され、利用者が操作入力部２を操作して入力されたデータを取得し、ファイル入出力部３を介して外部からファイルとしてデータを取得および出力し、所得したデータに基づいたシミュレーションを行って群集の行動を予測し、予測結果のデータをファイルとしてファイル入出力部３から出力させ、および／または予測結果のデータを画像化して表示部６に表示させる。
表示部６は、液晶ディスプレイ又はＣＲＴ（Cathode Ray Tube）ディスプレイ等のディスプレイ装置であり、制御部５と接続され、制御部５による予測結果を表示する。利用者は表示された予測結果を視認して群集の行動に関する考察等を行う。

（シミュレータ１の機能）
図２は、第１実施形態に係るシミュレータ１の一例の機能ブロック図である。
操作入力部２は、条件設定手段２０の一部等として機能し、ファイル入出力部３は条件設定手段２０の一部および予測結果出力手段６０の一部等として機能する。
記憶部４は模擬条件記憶手段４０、空間情報記憶手段４１、エージェント情報記憶手段４２および統計情報記憶手段４３等として機能する。

制御部５は、ＣＰＵ、ＤＳＰ、ＭＣＵ等の演算装置によって記憶部４に格納されたコンピュータプログラムを実行することにより、評価値算出手段５０、目的地選択手段５１、行動模擬手段５２および統計情報更新手段５３等として機能する。
条件設定手段２０は、シミュレーションに必要な各種条件の入力を受け付け、入力された条件を模擬条件記憶手段４０、空間情報記憶手段４１、エージェント情報記憶手段４２および統計情報記憶手段４３に記憶させる。

条件設定手段２０は、例えば、操作入力部２および制御部５が協働して実現され、利用者が操作入力部２を操作して入力した値を、制御部５が記憶部４に記憶させる。条件設定手段２０は、条件の一部または全部が記されたファイルを入力するファイル入出力部３を含んでもよく、利用者が操作入力部２を操作して指定したファイルを制御部５がファイル入出力部３を介して取得して当該ファイルに記された値を記憶部４に記憶させる。
条件設定手段２０により入力されて模擬条件記憶手段４０が記憶する条件は、例えば、仮想時刻の上限Ｔ、行動決定間隔、観測間隔、エージェント基本速さ（１時刻で進もうとする距離）の設定を含む。

第１実施形態のシミュレーションは、仮想時刻を進めながら行われる。例えば、仮想時刻が（Ｔ－１）に達するまで仮想時刻を０から１ずつ増加させながら仮想時刻毎にエージェントの情報を更新する処理が繰り返される。操作入力部２にて利用者による終了指示の入力を受け付け、終了指示が入力された時点で強制終了する処理を加えてもよい。
仮想時刻は、実際の時間の経過を模擬したものであるが、シミュレータが１時刻分の演算を終えるたびに進められ、実際の時間の経過よりも高速に刻まれる。例えば、仮想時刻の１時刻を実際の０．１秒間に対応させ、仮想時刻を０から始まり１ずつ増加する整数で表す。

空間情報記憶手段４１は、対象空間を表す地図情報と、対象空間において達成可能な行動目的を定義する行動目的情報と、対象空間内において行動目的を達成可能な場所である目的地に関する目的地情報を含んだ空間情報を記憶する。なお、対象空間には、少なくとも１つの行動目的に対して、この行動目的を達成できる複数の目的地が存在している。
図３は地図情報１００の一例の模式図であり、図４は、行動目的情報１１０及び目的地情報１１１の一例を示す図である。これらの空間情報は、目的地情報１１１に含まれる「キュー」を除いて、条件設定手段２０を用いた利用者による入力操作により予め設定される。

図３に示す地図情報１００において線分は壁を表しており、線分以外の領域が、エージェントが移動可能な移動可能領域である。
またローマ数字Ｉ～Ｘは、各目的地に付与される目的地ＩＤであり、図３の地図情報１００において各目的地の場所を示している。
２重丸印Ｑ１～Ｑ１０は、各目的地Ｉ～Ｘの位置を表す代表点の位置を示す。実際には領域である目的地Ｉ～Ｘの位置を、点情報として定義して取り扱いを容易にしている。
丸印Ｑ１１～Ｑ２１は、エージェントが壁を回避しながら移動可能領域を移動するために経由できる経由点を示す。移動可能領域でエージェントが移動する経路は、代表点同士、経由点同士、代表点と経由点を結ぶ局所的な経路（以下、「局所経路」と表記する）により定義される。

図４を参照する。行動目的情報１１０は、行動目的ＩＤ（１～３）に対応付けて、各行動目的の「行動目的名」を含んでいる。
また、目的地情報１１１は、目的地ＩＤ（Ｉ～Ｘ）に対応付けて、各目的地の「目的地名」、「代表点」、「性別制限」、「サービス窓口数」、「達成可能な行動目的」、「サービス時間分布」及び「キュー」を含んでいる。

「目的地名」は、当該目的地の名称である。例えば、目的地Ｉは「客席」であり、目的地IIは「女子トイレ１」であり、目的地IIIは「女子トイレ２」であり、目的地IVは「男子トイレ１」であり、目的地Ｖは「男子トイレ２」であり、目的地VI～Ｘは「売店１」～「売店５」である。
「代表点」は、上述した代表点Ｑ１～Ｑ１０のＸＹ座標値である。

「性別制限」は、当該目的地を利用可能なエージェントの属性制限の一つであり、当該目的地を利用可能なエージェントの性別である。
「サービス窓口数」は、当該目的地を同時に利用可能なエージェントの最大数である。以下の説明において「サービス」とは、行動目的の達成のための目的地の利用を意味する。例えば、目的地が「トイレ」であればサービスは用便のための場所の提供であり、目的地が「売店」であればサービスは販売役務である。

「達成可能な行動目的」は、当該目的地で達成可能な行動目的である。
「サービス時間分布」は、当該目的地におけるサービスの所要時間（以下「サービス時間」と表記する）を確率分布で表した統計情報である。例えば、サービス時間を正規分布で表したときの平均値と分散が記憶される。サービス時間分布は、当該目的地において各エージェントが行動目的を達成するのに要したサービス時間を決定するのに使用される。

「キュー」は、当該目的地に滞在しているエージェントのエージェントＩＤを当該目的地への到達順に並べたバッファである。キューは、行動模擬手段５２によって逐次更新される。
キュー内の順序がサービス窓口数以下であるエージェントが、目的地においてサービスを受けているエージェントであり、キュー内の順序がサービス窓口数より大きなエージェントが、サービス待ちのエージェントである。また、サービス待ちのエージェントの数が待機数（待ち数）である。

図４の空間情報１１１の例では、売店１には４つのエージェント＃９、＃６３、＃３９、＃８３が到達しており、サービス窓口数が１であることからキューの先頭のエージェント＃９のみがサービスを受けている（例えば、レジで精算している）ことを示す。また、残りのエージェント＃６３、＃３９、＃８３はサービス待ちであり（商品を選んでいるかレジ待ち）、待機数は３であることを示す。

図２を参照する。エージェント情報記憶手段４２は、統計情報記憶手段４３とともに群集を構成する複数のエージェントのそれぞれに関する情報を記憶する。以下、エージェント情報記憶手段４２が記憶する情報を「エージェント情報」と表記する。
図５、図６、図７及び図８に、それぞれエージェント情報１２０、１２１、１２２及び１２３の一例を示す。各図において数値の横にかぎ括弧で示した文字列は図の見易さを考慮して意味を付記したものである。
例えばエージェント情報１２０の初期位置において（４．５５，１４．００）「扉１」と表記した個所に実際に記憶されているのは値（４．５５，１４．００）であり、それは「扉１」の座標を意味する。なお、以下の説明では、値の表記を省略して代わりに意味で説明する場合もある。

図５のエージェント情報１２０は、条件設定手段２０を用いた利用者による入力操作により設定される情報の一部である。エージェント情報１２０としてエージェントＩＤ、生成時刻、初期位置及び性別の組合せが記憶される。初期位置は、エージェントの位置の初期値であり、生成時刻にエージェントを生成する位置を示す。
図５の例は、女性のエージェント＃１が、「幕間１」内の仮想時刻０に「扉１」の座標に生成されることを示している。また「幕間２」及び「幕間３」については説明を省略する。さらに「幕間４」内の仮想時刻９９６００に「扉３」の座標に生成されること等を示している。第１実施形態のシミュレーションの例では、同一エージェントが複数回生成されることに注意されたい。

図６のエージェント情報１２１も、条件設定手段２０を用いた利用者により入力操作によって設定される。エージェント情報１２１は、エージェントＩＤと生成時刻の組合せに対応付けて、「行動目的ＩＤ」、「達成期限」、「希望達成度」、「終端目的フラグ」、「達成フラグ」の組合せを含んでいる。ただし、これらの情報のうち、達成フラグは行動模擬手段５２によって適宜更新される。

「行動目的ＩＤ」は、各場面（幕間）においてエージェントが対象空間で行動する目的（行動目的）のＩＤである。各場面において各エージェントに対して複数の行動目的を設定できる。
「達成期限」は、各場面のエージェントの各行動目的に対する達成期限であり、当該エージェントの生成時刻以降の仮想時刻が指定される。
「希望達成度」は、各場面のエージェントの各行動目的の達成に対する優先度合いである。例えば、希望達成度は、行動目的を達成したことによってエージェントが得ることができる主観的な満足度合い（効用）であってよい。希望達成度が高い行動目的ほど優先度合いが高い。

「終端目的フラグ」は、各場面での行動の最後に必ず達成すべき行動目的を示すフラグである。終端目的フラグに値「１」が設定された行動目的は、その達成順序が最後の行動目的であると制約される。一方で、終端目的フラグに値「０」が設定された行動目的は、達成の順序は任意であり且つ達成するか否かは任意である。
「達成フラグ」は、各場面のエージェントの各行動目的が達成されたか否かを表すフラグである。達成フラグの初期値は「０」であり、値「０」は未達成、値「１」は達成済みを示す。

図６の例は、「幕間１」の「エージェント＃１」は、最後に「着席」を達成することを必達条件として、「用便」を「３分後」までに達成し、且つ「着席」と「買い物」を「１０分後」までに達成することを目標としており、「着席」「用便」「買い物」の希望達成度はそれぞれ「３５」「１００」「４０」であり、いずれの行動目的も未達成であること等を示している。

図７のエージェント情報１２２は時刻毎に生成される情報である。エージェント情報１２２は、エージェントＩＤと仮想時刻との組合せに対応付けて、「目的地ＩＤ」、「局所経路」、「移動速度」、「位置」および「状況」の組合せを含む。
「目的地ＩＤ」は、仮想時刻が示す時点の各エージェントが移動の目標としている目的地のＩＤを示す。なお、第１実施形態のシミュレータ１の例では、生成時刻における目的地ＩＤは空欄としている。
「局所経路」は、仮想時刻が示す時点の各エージェントが移動している局所経路を示す。なお、第１実施形態のシミュレータ１の例では、生成時刻および移動していない時刻における局所経路は空欄としている。

「移動速度」は、仮想時刻が示す時点の各エージェントが単位時間（１仮想時刻）で移動しようとする移動量を示す。図７のエージェント情報１２２の例では移動速度をベクトルで表現している。
移動速度は、あくまで各エージェントが意図する移動量であって、必ずしも仮想時刻が示す時点にエージェントが移動する移動量と一致するとは限らない。例えば、エージェント間の物理的な制約等によって、現時刻の位置が前時刻の位置に現時刻の移動速度を加えた値にならない場合もある。
また、便宜上、生成時刻における移動速度と、目的地に到達してから当該目的地で達成可能な行動目的を達成するまでの移動速度は０ベクトルとする。

「位置」は、仮想時刻が示す時点の各エージェントの対象空間における位置である。各エージェントの位置の初期値は、上述したエージェント情報１２０を参照して当該エージェントの生成時刻に設定された初期位置である。
目的地に到達してから当該目的地で達成可能な行動目的を達成するまでは目的地の代表点の座標が設定される。

「状況」は、仮想時刻が示す時点の各エージェントの状況であり、取り得る値は「移動中」「待機中」「処理中」「達成」である。
「移動中」は、目的地に未到達であり移動中であることを示す。
「待機中」は、目的地に到達したがサービス待ちであることを示す。
「処理中」は、目的地にてサービスを受けていることを示す。
「達成」は、目的地にてサービスを受け終わり行動目的を達成したことを示す。
第１実施形態のシミュレータ１の例では、便宜上、生成時刻における状況として「達成」を指定する。

図７の例は、シミュレーション終了時点のエージェント情報１２２を例示している。
例えば「幕間１」の「エージェント＃１」が「女子トイレ１」「売店２」「客席」の順に移動して、時刻「２９０９」「２９６９」において「売店２」「客席」で行動目的を達成したことが、その間の各時刻の移動速度、位置および状況とともに記録されている
また、その過程において、時刻「１３２２」から「２６８６」まで「売店２」でサービス待ちであったこと、時刻「２６８７」から「２９０８」までサービスを受けたことが記録されている。

図８のエージェント情報１２３はサービスを受け終わったか否かを判定するために、行動模擬手段５２により必要に応じて生成される。エージェント情報１２３は、エージェントＩＤに対応付けて、サービス完了時刻を含んでいる。エージェント情報１２３に含まれている情報は、該当するエージェントが現時刻の目的地でサービスを受けている間、保持され、サービスが完了すると消去される。

「エージェントＩＤ」は、目的地でサービスを受けているエージェント（つまり状況が「処理中」のエージェント）を示す。サービスを受けている目的地はエージェント情報１２２により特定できる。
「サービス完了時刻」は、当該目的地にて当該エージェントがサービスを受け終わる時刻である。
図８のエージェント情報１２３には、図４の空間情報１１１に例示した売店１～５のキューの先頭のエージェント＃９、＃３４、＃７６、＃５、＃３６などに対してサービス完了時刻が保持されている。

エージェント情報１２１に含まれる達成フラグ、並びに、エージェント情報１２２に含まれる位置および状況は、状態値の一例であり、エージェントの状態を表す。
エージェント情報１２１に含まれる行動目的、行動目的毎の達成期限、行動目的毎の希望達成度および行動目的毎の終端目的フラグ、並びに、エージェント情報１２２に含まれる目的地、局所経路および移動速度は、行動パラメータの一例である。行動パラメータは、エージェントの状態値に作用するパラメータである。
なお、図５～図８に示したエージェント情報１２０、１２１、１２２及び１２３は、あくまで一例であり、本発明のエージェント情報の構成はこれに限定されるものではない。

図２を参照する。統計情報記憶手段４３はエージェント情報記憶手段４２とともに、群集を構成する複数のエージェントのそれぞれに関する情報を記憶する。
統計情報記憶手段４３が記憶する情報は、各目的地において行動目的を達成するのに要する所要時間に関する統計情報である。かかる統計情報を、エージェント毎に記憶することにより、実世界の各個体が所要時間について有する知識の違いを模擬することができる。すなわち、統計情報記憶手段４３は、エージェント毎に、複数の目的地で行動目的を達成するのに要する各々の所要時間に関する統計情報を記憶する。

行動目的毎の所要時間は、目的地に至る移動時間と、目的地における待ち時間と、目的地におけるサービス時間の和であると定義する。
目的地における待ち時間は、当該目的地における待ち数を当該目的地のサービス窓口数で除した結果と、サービス時間との積で算出されるとモデル化する。

また、目的地に至る移動時間は、目的地に至る各局所経路の経路長を当該局所経路の移動速度で除した結果を総和することによって算出されるとモデル化される。
このため、統計情報記憶手段４３は、エージェント毎に、目的地毎の待ち数の確率分布（待ち数分布）、目的地毎のサービス時間の確率分布（サービス時間分布）、局所経路毎の移動速度の確率分布（移動速度分布）を統計情報として記憶している。
例えば待ち数分布、サービス時間分布、移動速度分布のそれぞれを正規分布でモデル化する。そして各分布を観測値で更新するために待ち数分布、サービス時間分布、移動速度分布のそれぞれの正規分布のパラメータの同時確率分布を用いる。統計情報記憶手段４３は、待ち数分布、サービス時間分布、移動速度分布のそれぞれ同時確率分布のパラメータである平均値μ、自由度ν、仮説的標本数κ、尺度母数λの４パラメータを記憶する。同時確率分布をΝ・χ^―２（μ，ν，κ，λ）と表記する。

これら待ち数分布、サービス時間分布および移動速度分布の初期値は、条件設定手段２０を介して予め設定される。初期値は、経験や一般常識、実測した統計情報などを基に作成してよい。全エージェントに共通の初期値としてもよいし、エージェント毎に異なる初期値としてもよい。
また、エージェントと所要時間の組合せの一部を設定せず、当該組合せについて統計情報記憶手段４３が記憶しない初期設定としてもよい。これにより、例えばエージェント＃１が売店４の存在を知らないというような、実世界の個体における知識の欠落を模擬することができる。
本実施形態では、エージェント毎に各行動目的に対応する１以上の目的地に関する分布（待ち数分布、及びサービス時間分布）の初期値を記憶する初期設定とする。記憶される目的地は事前のランダム抽選により決定しておく。また、本実施形態では、局所経路に関してはエージェントと局所経路の全組合せについて局所経路に関する分布（移動速度分布）の初期値を記憶する初期設定とする。
また、本実施形態において統計情報記憶手段４３は、エージェント毎の情報とは別に、目的地毎に当該目的地に関する分布の初期値を記憶する。この情報は各エージェントが目的地を初めて観測したときの初期値として利用される。

後述するように、各エージェントの統計情報は、当該エージェントの行動に伴って得られる観測値によって個々に更新及び参照される。これにより、実世界において個体の経験知が個々に異なるがごとく、仮想時間が経過するに従って互いに異なるものとなる。
また、統計情報記憶手段４３は、エージェントと所要時間の組合せのうちの記憶していない組合せについて（すなわち、エージェントが知らない目的地や局所経路について）、観測値が得られた時点で追加して記憶することで、実世界の個体における新たな知識の獲得を模擬してもよい。

図９に、統計情報記憶手段４３に記憶される統計情報１３０及び１３１の一例を示す。
統計情報１３０は、エージェントＩＤと目的地ＩＤの組合せに対応付けられた「待ち数分布」と「サービス時間分布」を含む。
「待ち数分布」と「サービス時間分布」は、それぞれ当該エージェントが、当該目的地について記憶している「待ち数分布」と「サービス時間分布」の同時確率分布である。
図９の統計情報１３０の例では、エージェント＃１について、客席、女子トイレ１、男子トイレ１、売店１、売店２および売店３の待ち数分布およびサービス時間分布が記憶され、女子トイレ２、男子トイレ２、売店４および売店５の分布は記憶されていない。
統計情報１３１は、エージェントＩＤと局所経路の組合せに対応付けられた「移動速度分布」を含む。「移動速度分布」は、当該エージェントが、当該局所経路について記憶している「移動速度分布」の同時確率分布である。

図２を参照する。評価値算出手段５０は、各場面（幕間）において各エージェントが行動目的を達成する目的地を選択するにあたって選択の基準とする評価値を算出する。
上記の通り、各場面においてエージェントが達成すべき行動目的が複数設定することがあるため、各場面において達成すべき行動目的は、複数設定された行動目的の順列（以下「行動パターン」と表記する）によって表現される。
また、同じ行動目的を達成できる複数の目的地が存在することがある。この場合には各々行動目的を達成する目的地には複数の選択肢がある。
評価値算出手段５０は、各行動パターンに対して選択しうる目的地の選択肢毎に評価値を算出する。そして、エージェントと選択肢と評価値とを対応付けた評価値情報を目的地選択手段５１に出力する。なお、行動パターンに対して選択しうる目的地の選択肢は目的地の順列となり、以下その順列を「目的地パターン」と表記する。

そのために、まず、評価値算出手段５０は行動パターンの情報を生成する。具体的には、評価値算出手段５０は、エージェント情報１２１に記憶されているエージェントＩＤと生成時刻（各場面）の組合せのうち達成フラグが０である行動目的ＩＤを有する各組合せについて、当該組合せに対応付けられた行動目的ＩＤの中から達成フラグが０である行動目的ＩＤを順に並べた順列を生成する。ただし、評価値算出手段５０は、終端目的フラグが設定された行動目的を順列の最後に設定する。
例えば、図６のエージェント情報１２１におけるエージェント＃１であれば、仮想時刻が０の時の行動パターンは、Ｐ_１＝｛用便，買い物，着席｝、Ｐ_２＝｛買い物，用便，着席｝、Ｐ_３＝｛用便，着席｝、Ｐ_４＝｛買い物，着席｝、Ｐ_５＝｛着席｝の５通りとなる。

次に、評価値算出手段５０は目的地パターンの情報を生成する。具体的には、評価値算出手段５０は、各行動パターンについて、空間情報１１１において「達成可能な行動目的」が当該行動パターンの各要素と合致し、性別制限を満たし、当該行動パターンが生成されたエージェントの統計情報１３０に記憶されている目的地ＩＤを、当該行動パターンの各要素に対する目的地ＩＤの選択肢とする。そして、評価値算出手段５０は、各行動パターンについて、当該行動パターンの各要素に対して取得した選択肢から目的地ＩＤを１つずつ選択し、選択された目的地ＩＤを当該行動パターンの各要素の順で並べた目的地ＩＤの順列を目的地パターンとして生成する。
例えば、図６のエージェント情報１２１における幕間１のエージェント＃１の行動パターンＰ_１＝｛用便，買い物，着席｝に対し、図４の空間情報１１１および図９の統計情報１３０を参照して生成される目的地パターンは、Ｍ_１１＝｛女子トイレ１，売店１，客席｝、Ｍ_１２＝｛女子トイレ１，売店２，客席｝、Ｍ_１３＝｛女子トイレ１，売店３，客席｝の３通りとなる。

そして、評価値算出手段５０は、目的地パターン毎の評価値Ｅを次式（１）～（４）に従って算出する。

式（１）において、Ｐ_ｉは評価値を算出する対象のエージェントの各場面での行動パターンのうちｉ番目の行動パターンであり、Ｍ_ｉｊは行動パターンＰ_ｉに対応する目的地パターンのうちのｊ番目の目的地パターンであり、Ｎ_ｉは行動パターンＰ_ｉに含まれる行動目的数である。
Ｐ_ｉｓは、行動パターンＰ_ｉの第ｓ要素（すなわちｓ番目に実行する行動目的）を示す。
ｍ_ｉｊｓは、目的地パターンＭ_ｉｊの第ｓ要素（すなわちｓ番目の目的地）を示す。
ｐ（Ｐ_ｉｓ，ｍ_ｉｊｓ）は、行動目的Ｐ_ｉｓの達成期限までに、行動目的Ｐ_ｉｓを目的地ｍ_ｉｊｓで達成する確率である。以下、この確率を成功確率と称する。上記の通り、行動目的Ｐ_ｉｓの達成期限は、エージェント情報１２１として設定されており、図６に示すとおり、エージェント毎に、各場面で達成すべき行動目的の行動目的ＩＤ毎にそれぞれ達成期限が指定されている。成功確率ｐ（Ｐ_ｉｓ，ｍ_ｉｊｓ）の算出方法の詳細は後述する。

式（１）においてＶ（Ｐ_ｉｓ）は、行動目的Ｐ_ｉｓの希望達成度である。上記の通り、希望達成度Ｖ（Ｐ_ｉｓ）は、エージェント情報１２１として設定されており、図６に示すとおり、エージェント毎に、各場面で達成すべき行動目的の行動目的ＩＤ毎にそれぞれ希望達成度Ｖ（Ｐ_ｉｓ）が指定されている。
例えば、図６のエージェント情報１２１における幕間１のエージェント＃１の行動パターンＰ１に対する希望達成度は、ｓ＝１のとき１００、ｓ＝２のとき４０、ｓ＝３のとき３５である。

つまり、評価値は達成しようとする複数の行動目的に対応した各目的地の成功確率を当該目的地に対応する行動目的の希望達成度で重み付けて総和して算出できる。
なお、別の実施形態として希望達成度による重み付けを省略することもできる。
また、さらに別の実施形態として、重み付け成功確率の総和、または成功確率の総和に代えて、重み付け成功確率の積、または成功確率の積など、成功確率が高いほど評価値が高くなる他の増加関数を定義して用いることもできる。

式（１）についての上記説明をまとめると次のようになる。
評価値算出手段５０は、エージェント毎に、統計情報記憶手段４３に記憶された統計情報に基づいて、行動目的Ｐ_ｉｓの達成期限までに複数の目的地ｍ_ｉｊｓで行動目的Ｐ_ｉｓを達成する各々の成功確率ｐ（Ｐ_ｉｓ，ｍ_ｉｊｓ）を予測し、成功確率ｐ（Ｐ_ｉｓ，ｍ_ｉｊｓ）に応じて評価値Ｅを算出する。
このとき、複数の行動目的Ｐ_ｉｓを達成しようとするエージェントの目的地を選択するために、複数の目的地ｍ_ｉｊｓの中から複数の行動目的Ｐ_ｉｓの各々を達成する目的地ｍ_ｉｊｓの組合せである目的地パターンＭ_ｉｊを複数選択して、目的地パターンＭ_ｉｊに属する目的地ｍ_ｉｊｓで複数の行動目的Ｐ_ｉｓをそれぞれ達成する確率ｐ（Ｐ_ｉｓ，ｍ_ｉｊｓ）に応じて評価値Ｅを算出する。
また、評価値算出手段５０は、行動目的に対する優先度をエージェント毎に異ならせたことに関連して、エージェントによる優先度の違いに応じた目的地選択を可能とするために、複数の行動目的Ｐ_ｉｓの各々を達成する確率ｐ（Ｐ_ｉｓ，ｍ_ｉｊｓ）を複数の行動目的の希望達成度Ｖ（Ｐ_ｉｓ）で重み付けて評価値Ｅを算出する。

以下、式（２）～（４）が示す成功確率ｐ（Ｐ_ｉｓ，ｍ_ｉｊｓ）の算出方法について一例を説明する。
はじめに、評価値算出手段５０は、式（３）及び式（４）を利用するために、目的地パターンＭ_ｉｊに含まれる各目的地（ｍ_ｉｊ１，ｍ_ｉｊ２，…）において、各行動目的（Ｐ_ｉ１，Ｐ_ｉ２，…）を実行する場合の所要時間Ｔ_ｄの確率分布である所要時間分布（ｆ_１（Ｔ_ｄ），ｆ_２（Ｔ_ｄ），…）を算出する。

ここで、所要時間分布ｆ_ｓ（Ｔ_ｄ）は、ｓ－１番目の目的地ｍ_{ｉｊ（ｓ－１）}からｓ番目の目的地ｍ_ｉｊｓまで移動する際の移動時間分布と、目的地ｍ_ｉｊｓでの待ち時間分布と、目的地ｍ_ｉｊｓでの行動目的の達成に係るサービス時間分布の和で定義される。ただし、ｍ_ｉｊ０はエージェントの現在位置である。
また、同時確率分布のパラメータ（平均値μ、自由度ν、仮説的標本数κ、尺度母数λ）とそれが表す正規分布Ｎ（μ，σ^２）の間には分散σ^２＝λ／（ν－２）の関係がある。
また、各分布を正規分布で表した場合、和の分布の平均値は元の分布の平均値同士の和となり、和の分布の分散は元の分布の分散同士の和となる。

ｆ_ｓ（Ｔ_ｄ）の算出のために評価値算出手段５０は移動時間分布を算出する。評価値算出手段５０は、目的地ｍ_{ｉｊ（ｓ－１）}から目的地ｍ_ｉｊｓまでに経由する局所経路の移動速度分布の同時確率分布のパラメータを統計情報記憶手段４３が記憶している処理対象のエージェントの統計情報１３１の中から読み出し、読み出したパラメータから各局所経路の移動速度分布を表す正規分布を導出する。評価値算出手段５０は、各局所経路の移動速度分布における速度軸を当該局所経路の距離との除算で時間軸に変換することにより各局所経路の移動時間分布を得、これら局所経路の移動時間分布を総和して目的地までの移動時間分布を算出する。

ｆ_ｓ（Ｔ_ｄ）の算出のために評価値算出手段５０は待ち時間分布も算出する。評価値算出手段５０は、目的地ｍ_ｉｊｓの待ち数分布とサービス時間分布の同時確率分布のパラメータを統計情報記憶手段４３が記憶している処理対象のエージェントの統計情報１３０の中から読み出すとともに目的地ｍ_ｉｊｓのサービス窓口数を読み出す。評価値算出手段５０は、読み出したパラメータから待ち数分布とサービス時間分布を表す正規分布を導出する。評価値算出手段５０は、待ち数分布の平均値（これが待ち数となる）を読み出したサービス窓口数で除した結果にサービス時間分布を乗じて待ち時間分布を算出する。なお、平均値に代えて最頻値を用いてもよく、或いは待ち数分布が示す確率で当選するランダム抽選により決定した値を用いてもよい。また、目的地の待ち数は、処理対象のエージェントが現時刻に観測した値とすることもできる（該当する観測値が得られている場合に限る）。また、数時刻の間、目的地の待ち数の観測値を記憶部４に保持し、保持している値を利用してもよい。

ｆ_ｓ（Ｔ_ｄ）の算出のために評価値算出手段５０はサービス時間分布も算出する。評価値算出手段５０は、目的地ｍ_ｉｊｓのサービス時間分布の同時確率分布のパラメータを統計情報記憶手段４３が記憶している処理対象のエージェントの統計情報１３０の中から読み出し、読み出したパラメータからサービス時間分布を表す正規分布を導出する。
そして、評価値算出手段５０は、ｓごとの移動時間分布と待ち時間分布とサービス時間分布との和を当該ｓについての所要時間分布ｆ_ｓ（Ｔ_ｄ）として算出する。

次に、評価値算出手段５０は、式（４）に従って行動目的Ｐ_ｉｓの達成期限Ｔ_ｌｉｍ（Ｐ_ｉＳ）までの残り時間Ｔ_ｒ（Ｐ_ｉｓ）を算出する。
ｓ＝１のときの残り時間、すなわち、行動パターンＰ_ｉの１番目の行動目的Ｐ_ｉ１の達成期限Ｔ_ｌｉｍ（Ｐ_ｉ１）までの残り時間Ｔ_ｒ（Ｐ_ｉ１）はスカラとなる。評価値算出手段５０は、ｓ＝１の場合、達成期限Ｔ_ｌｉｍ（Ｐ_ｉ１）から現在時刻ｔ_ｃを減じた差を残り時間Ｔ_ｒ（Ｐ_ｉ１）として算出する。
ｓ＞１のときの残り時間、すなわち、行動パターンＰ_ｉの２番目以降の行動目的Ｐ_ｉ２、Ｐ_ｉ３、…の達成期限までの残り時間は確率分布となる。つまり、２番目以降の行動目的Ｐ_ｉ２、Ｐ_ｉ３、…を達成するために残された時間は、その行動目的よりも前に実行される行動目的の所要時間Ｔ^１ _ｄ，…，Ｔ^ｓ－１ _ｄに左右され、行動目的の所要時間Ｔ^１ _ｄ，…，Ｔ^ｓ－１ _ｄは各々所要時間分布ｆ_１（Ｔ_ｄ）～ｆ_ｓ－１（Ｔ_ｄ）に従う確率変数として定義されるから、２番目以降の行動目的Ｐ_ｉ２、Ｐ_ｉ３、…の残り時間Ｔ_ｒもまた確率分布に従う確率変数として算出される。この確率分布を残り時間分布ｇ_ｓ（Ｔ_ｒ）と定義する。なお、所要時間分布が正規分布である本実施形態においては、残り時間分布もまた正規分布となる。
評価値算出手段５０は、ｓ＞１の場合、ｓ番目の行動目的Ｐ_ｉｓの達成期限Ｔ_ｌｉｍ（Ｐ_ｉｓ）と現在時刻ｔ_ｃとの差を求め、さらに１番目からｓ－１番目の行動目的Ｐ_ｉ１～Ｐ_{ｉ（ｓ－１）}の達成にかかる所要時間分布ｆ_１（Ｔ_ｄ）～ｆ_ｓ－１（Ｔ_ｄ）の総和を求める。求めた分布を総和分布と称する。そして、評価値算出手段５０は、上記差から上記総和分布の平均値を減じた値と、上記総和分布の分散を用いて残り時間分布ｇ_ｓ（Ｔ_ｒ）を算出する。つまり、残り時間分布ｇ_ｓ（Ｔ_ｒ）の平均値は上記差から上記総和分布の平均値を減じた値であり、残り時間分布ｇ_ｓ（Ｔ_ｒ）の分散は上記総和分布の分散である。

次に、評価値算出手段５０は、式（２）及び式（３）に従って成功確率ｐ（Ｐ_ｉｓ，ｍ_ｉｊｓ）を算出する。成功確率は、達成期限までに行動目的を達成する確率であるから「行動目的を達成するまでの所要時間が残り時間以下になる確率」と定義できる。

ｓ＝１の場合、式（４）により算出した残り時間Ｔ_ｒ（Ｐ_ｉ１）がスカラであるから、式（３）が表す値Ｆ_ｓ（Ｔ_ｒ）も式（２）が表す成功確率ｐ（Ｐ_ｉ１，ｍ_ｉｊ１）もスカラとなる。具体的には、評価値算出手段５０は、所要時間分布ｆ_ｓ（Ｔ_ｄ）が表す確率密度を所要時間Ｔ_ｄについて－∞から残り時間Ｔ_ｒの範囲で積分して得られる積分値Ｆ_ｓ（Ｔ_ｒ）を成功確率ｐ（Ｐ_ｉ１，ｍ_ｉｊ１）として算出する。
本実施形態においては、積分値Ｆ_ｓ（Ｔ_ｒ）は、所要時間分布ｆ_ｓ（Ｔ_ｄ）が正規分布であるため、式（３）に示すように所要時間分布ｆ_ｓ（Ｔ_ｄ）の平均値μと分散σ^２と残り時間Ｔ_ｒ（式（４）により算出したＴ_ｒ（Ｐ_ｉ１））とから算出することができる。式（３）におけるｅｒｆは誤差関数である。そして、式（２）に示すように、式（３）で算出した積分値Ｆ_ｓ（Ｔ_ｒ）がそのまま成功確率ｐ（Ｐ_ｉ１，ｍ_ｉｊ１）となる。
図１０の（ａ）は、１番目の行動目的Ｐ_ｉ１の達成に要する所要時間分布ｆ_１（Ｔ_ｄ）の一例を示し、図１０の（ｂ）は、所要時間分布ｆ_１（Ｔ_ｄ）の累積分布関数Ｆ_１（Ｔ_ｒ）を示す。図中のμ_１は所要時間分布ｆ_１（Ｔ_ｄ）の平均値であり、所要時間がＴ_ｒ（Ｐ_ｉ１）のときの累積分布関数Ｆ_１（Ｔ_ｒ）の値が成功確率ｐ（Ｐ_ｉ１，ｍ_ｉｊ１）である。

ｓ＞１の場合、式（４）により算出した残り時間Ｔ_ｒ（Ｐ_ｉｓ）は分布ｇ_ｓ（Ｔ_ｒ）になる。このため、成功確率ｐ（Ｐ_ｉｓ，ｍ_ｉｊｓ）は、式（２）に示すように、ｓ－１番目までの行動目的を終えた時点での残り時間がＴ_ｒ（Ｐ_ｉｓ）となる確率ｇ_ｓ（Ｔ_ｒ）に、残り時間Ｔ_ｒ（Ｐ_ｉｓ）でｓ番目の行動目的を達成できる確率Ｆ_ｓ（Ｔ_ｒ）を乗じて得られる確率を残り時間Ｔ_ｒについて－∞から∞の範囲まで積分して得られる値となる。その際の確率Ｆ_ｓ（Ｔ_ｒ）は式（３）で算出される。

この数式は解析的に解くことができないため、第１実施形態の評価値算出手段５０は、例えば以下に説明するように数値解析的に成功確率ｐ（Ｐ_ｉｓ，ｍ_ｉｊｓ）を算出する。具体的には、サンプリング法によって残り時間の確率密度分布ｇ_ｓ（Ｔ_ｒ）の標本を抽出し、サンプリングで得られた標本と、ｓ番目の行動目的Ｐ_ｉｓの達成に要する所要時間分布ｆ_ｓ（Ｔ_ｄ）とに基づいて、成功確率ｐ（Ｐ_ｉｓ，ｍ_ｉｊｓ）を算出する。
本実施形態においては、評価値算出手段５０は、ｓ番目（ｓ＝２、３、…）の行動目的P_ｉｓの達成期限までの残り時間分布ｇ_ｓ（Ｔ_ｒ）を、任意の時間間隔で離散化してヒストグラムを算出する。

図１１の（ａ）は、残り時間分布ｇ_ｓ（Ｔ_ｒ）の一例を示し、図１１の（ｂ）は、残り時間分布ｇ_ｓ（Ｔ_ｒ）のヒストグラムを示す。図１１の（ｃ）は、ｓ番目の行動目的Ｐ_ｉｓの達成に要する所要時間分布ｆ_ｓ（Ｔ_ｄ）の累積分布関数Ｆ_ｓ（Ｔ_ｒ）を示す。図中のμ_ｒｅｍは、残り時間分布ｇ_ｓ（Ｔ_ｒ）の平均値であり、μ_ｓは、所要時間分布ｆ_ｓ（Ｔ_ｄ）の平均値である。
評価値算出手段５０は、ヒストグラムの各ビン（各区間）ｂ１～ｂ５の生起確率（度数）と、各ビンｂ１～ｂ５の代表値Ｔ_ｒ１～Ｔ_ｒ５の累積分布関数値Ｆ_ｓ（Ｔ_ｒ１）～Ｆ_ｓ（Ｔ_ｒ５）の積和を、成功確率ｐ（Ｐ_ｉｓ，ｍ_ｉｊｓ）として算出する。なお、ビンｂ１の生起確率は、ビンの幅をｗとすると、残り時間分布ｇ_ｓ（Ｔ_ｒ）の－∞からビンｂ１の右端Ｔ_ｒ１＋ｗ／２までの積分値から残り時間分布ｇ_ｓ（Ｔ_ｒ）の－∞からビンｂ１の左端Ｔ_ｒ１－ｗ／２までの積分値を減じることで算出できる。他のビンの生起確率も同様である。また、残り時間分布ｇ_ｓ（Ｔ_ｒ）が正規分布である本実施形態において、式（３）と同様、ビンの右端までの積分値は時刻ｇ_ｓ（Ｔ_ｒ）の平均値μおよび分散σ^２とビンの右端の時刻とを誤差関数に適用して算出でき、ビンの左端までの積分値はｇ_ｓ（Ｔ_ｒ）の平均値μおよび分散σ^２とビンの左端の時刻とを誤差関数に適用して算出できる。

なお、上記の２番目以降の行動目的Ｐ_ｉｓの成功確率ｐ（Ｐ_ｉｓ，ｍ_ｉｊｓ）の算出方法は、あくまでも例示であって本発明はこれに限定されるものではない。他のサンプリング法を利用して近似計算を行う等の数値解析的な手法によって、成功確率ｐ（Ｐ_ｉｓ，ｍ_ｉｊｓ）を算出してもよい。例えば、ボックス＝ミュラー法（対象分布が正規分布の場合）や棄却サンプリング法，ＭＣＭＣ法等のサンプリング法を用いることができる。

式（２）～式（４）についての説明をまとめると次のようになる。
評価値算出手段５０は、行動パターンＰ_ｉに対応する目的地パターンＭ_ｉｊ毎に、目的地パターンＭ_ｉｊに属する目的地ｍ_ｉｊｓで行動目的Ｐ_ｉｓを達成期限までに各々達成する確率ｐ（Ｐ_ｉｓ，ｍ_ｉｊｓ）の合計を、複数の行動目的Ｐ_ｉｓの各々を達成するのに要する所要時間Ｔ_ｄの確率密度分布ｆ_ｓ（Ｔ_ｄ）に基づいて予測する。
また、評価値算出手段５０は、複数の行動目的Ｐ_ｉｓのうち先に達成する行動目的の所要時間の確率密度分布ｆ_１（Ｔ_ｄ）～ｆ_ｓ－１（Ｔ_ｄ）と達成期限に応じて残り時間の確率密度分布ｇ_ｓ（Ｔ_ｒ）を決定し、残り時間の確率密度分布ｇ_ｓ（Ｔ_ｒ）に基づいて、後に達成する行動目的を達成期限までに達成する確率ｐ（Ｐ_ｉｓ，ｍ_ｉｊｓ）を予測する。
また、評価値算出手段５０は、残り時間分布ｇ_ｓ（Ｔ_ｒ）のヒストグラムと、後に達成する行動目的を達成するのに要する所要時間分布ｆ_ｓ（Ｔ_ｄ）の累積分布関数とに基づいて、ヒストグラムの各区間におけるヒストグラムの度数と累積分布関数の確率との積の合計を、確率ｐ（Ｐ_ｉｓ，ｍ_ｉｊｓ）として算出する。
また、評価値Ｅは、確率ｐ（Ｐ_ｉｓ，ｍ_ｉｊｓ）に応じて算出されるため、目的地での待ち時間が短いほど評価値Ｅは高くなる。

評価値算出手段５０は、上記の評価値Ｅを、エージェントの行動を決定する所定のタイミング（以下「行動決定タイミング」と表記する）が到来した時点で算出する。
行動決定タイミングは、例えば、各エージェントの生成時刻、行動目的の達成時（但し最後の行動目的を除く）、予め定めた行動決定間隔（例えば１０仮想時刻）のいずれかが到来したタイミングであってよい。

具体的には、評価値算出手段５０は、エージェント情報１２０から対象空間に現存する「現存エージェント」を検出する。現存エージェントは、現在の仮想時刻（以下、現時刻）よりも前に生成され、且つ終端目的フラグが１であり、且つ達成フラグが０である行動目的ＩＤが設定されているエージェントである。
評価値算出手段５０は、エージェント情報１２２にて１時刻前の状況が「達成」であるエージェントを検出することにより、生成時刻の直後、行動目的を達成した直後の現存エージェントの行動決定タイミングが到来したことを判定する。
また、現時刻と生成時刻の差が行動決定間隔の倍数であることを以って、全ての現存エージェントに対して行動決定タイミングが到来したことを判定する。

図２を参照する。目的地選択手段５１は、評価値算出手段５０から入力された評価値情報に基づいてエージェント毎に目的地を選択し、選択した目的地をエージェントＩＤと対応付けてエージェント情報記憶手段４２内のエージェント情報１２２に記憶する。
具体的には、例えばエージェント毎に評価値が最高の目的地パターンＭ_ｉｊを選択し、選択した目的地パターンＭ_ｉｊにおける１番目の目的地のＩＤを、エージェントＩＤおよび現時刻と対応付けた現時刻データを新たに生成して、エージェント情報１２２に追記する。
現時刻が行動決定タイミングではない現存エージェントについては、１時刻前の目的地ＩＤを、エージェントＩＤおよび現時刻と対応付けた現時刻データを新たに生成して、エージェント情報１２２に追記する。

また例えば、各目的地パターンＭ_ｉｊの評価値Ｅの高さに応じた確率で当選する抽選を行って、当選した目的地パターンを選択してもよい。
また例えば、各目的地パターンＭ_ｉｊの評価値Ｅの順位に応じた確率で当選する抽選を行って、当選した目的地パターンを選択してもよい。この場合、順位と確率の関係は予め定めておく。

上記のように、評価値が最高の目的地を選択する方法は現実世界の個体が行う合理的な選択行動に相当する。一方で、ランダム抽選で目的地を選択する方法は現実世界の個体が行う直感的な選択行動に相当する。これら、２つの方法のいずれを用いるかをエージェント毎に抽選して当選した方法によって目的地を選択してもよい。また、これら２つの方法のいずれを用いるかをエージェント毎に割り当てておき割り当てられた方法によって目的地を選択してもよい。

図２を参照する。行動模擬手段５２は、各仮想時刻ｔにおいて、空間情報記憶手段４１が記憶している空間情報１１１およびエージェント情報記憶手段４２が記憶しているエージェント情報を参照する。行動模擬手段５２は、これらの情報に基づいて、選択した目的地へ複数のエージェントの各々が移動して行動目的を達成する行動を模擬する。
行動模擬手段５２は、生成時刻が到来したエージェントを現存エージェントとして生成する。

行動模擬手段５２は、生成時刻が現時刻と一致するエージェントＩＤをエージェント情報１２０から読み出し、当該エージェントＩＤ、現時刻、初期位置及び状況「達成」を対応付けた現時刻データを生成して、エージェント情報１２２に追記する。
行動模擬手段５２は、終端目的フラグが１である行動目的の達成フラグが１に更新されたエージェントを消去する。なお、第１実施形態のシミュレータ１では、エージェントを明示的に消去するのに代えて、次の仮想時刻以降のデータをエージェント情報１２２に追記しない。

行動模擬手段５２は、エージェント情報１２２から、現時刻のデータが記憶されているエージェント（すなわち現存エージェント）の状態を更新する。上記のとおり、現存エージェントについては目的地選択手段５１によって現時刻のデータが生成されている。
行動模擬手段５２は、現存エージェントの１時刻前のデータと現時刻のデータを抽出する。

１時刻前の状況が「移動中」または「達成」である場合、行動模擬手段５２は、当該エージェントの移動速度を算出して位置を更新する。
具体的には、行動模擬手段５２は現時刻におけるエージェントの移動速度と位置を決定する。まず、行動模擬手段５２は、空間情報１１１から、該当する各エージェントの現時刻ｔにおける目的地の代表点と、移動可能領域と、経由点を読み出す。

行動模擬手段５２は、移動可能領域内において、該当するエージェントｉの１時刻前の位置ｘｉ（ｔ－１）と代表点を結ぶ経路、および任意の経由点を介して位置ｘｉ（ｔ－１）と代表点を結ぶ経路のうちの最短経路を選択する。
次に、行動模擬手段５２は、選択した最短経路上の経由点と代表点のうちの位置ｘｉ（ｔ－１）から最も近い点に向かい、大きさがエージェント基本速さに等しいベクトルを、目的地に近付ける移動速度として算出する。

次に、行動模擬手段５２は、位置ｘｉ（ｔ－１）に、算出した移動速度を加算することによってエージェントｉの現時刻の位置ｘｉ（ｔ）を求めてエージェント情報１２２を更新する。なお、このとき、処理対象のエージェントとその近傍の壁や他のエージェントにソーシャルフォース（Social Force）モデルやＲＶＯ（Reciprocal Velocity Obstacles）等の歩行モデルを適用して移動速度を調整した上で加算するのが好適である。

そして、現時刻の位置が目的地の代表点と一致しないエージェントについては、エージェント情報１２２における現時刻の状況を「移動中」に更新する。
一方で、現時刻の位置が目的地の代表点と一致したエージェント（目的地に到達したエージェント）については、以下のとおり、目的地のキュー（目的地に滞在しているエージェントの待ち行列）と状況を更新する。

まず、空間情報１１１から現時刻の目的地のキューとサービス窓口数を読み出す。読み出したキューに目的地に到達したエージェントのＩＤを追加して空間情報１１１を更新する。
このとき、追加後のキュー内のエージェント数がサービス窓口数以下であればエージェント情報１２２における現時刻の状況を「処理中」に更新する。
さらに、空間情報１１１から当該目的地に関するサービス時間分布を読み出し、読み出した正規分布にボックス＝ミュラー法を適用して当該目的地におけるサービス時間を算出する。

すなわち、乱数を生成し、読み出した正規分布と乱数とを用いた抽選によって、当該正規分布に従った生起確率でランダムにサービス時間を決定する。
目的地に到達したエージェントのＩＤと、算出したサービス時間を現時刻に加算したサービス完了時刻の組をエージェント情報１２３に追記する。
一方で、追加後のキュー内のエージェント数がサービス窓口数より多ければエージェント情報１２２における現時刻の状況を「待機中」に更新する。

１時刻前の状況が「待機中」であるエージェント（待機中のエージェント）については、行動模擬手段５２は、現時刻における移動速度を０とし、１時刻前の位置を維持する。
また、他のエージェントが処理されることによって、キュー内における待機中のエージェントの順序がサービス窓口数以下になった場合には、待機中であったエージェント状況は「処理中」に更新される。それ以外の場合には状況は「待機中」を維持する。

１時刻前の状況が「処理中」であるエージェント（処理中のエージェント）については、行動模擬手段５２は、エージェント情報１２３からサービス完了時刻を読み出す。
現時刻がサービス完了時刻に達した場合、行動模擬手段５２は、エージェント情報１２２における現時刻の状況を「達成」に更新する。また、エージェント情報１２１および空間情報１１１を参照し、エージェント情報１２１における、サービス完了時刻に達したエージェントの、生成時刻が現時刻以下、且つ現時刻の目的地に対応する行動目的のうち、現時刻に最も近い行動目的の達成フラグを１に更新する。また、エージェント情報１２３から当該エージェントのサービス完了時刻のデータを削除する。

現時刻がサービス完了時刻に達した場合、行動模擬手段５２は、さらに、空間情報１１１の、サービス完了時刻に達したエージェントがサービスを受けている目的地のキューに対して当該エージェントよりも後の順序のエージェントの順序を１ずつ前にずらす更新を行うとともに、同キューから当該エージェントのエージェントＩＤを削除する。さらに、行動模擬手段５２は、更新後の同キューにおいて順序がサービス窓口数と一致するエージェントに対して、サービス時間を算出して、エージェントＩＤとサービス完了時刻の組合せをエージェント情報１２３に追記するとともに、エージェント情報１２２における当該エージェントの現時刻の状況を「処理中」に更新する。

図２を参照する。統計情報更新手段５３は、各目的地に係る所要時間の観測値に基づいて統計情報１３０（待ち数分布、サービス時間分布）及び統計情報１３１（移動速度分布）を更新する。
統計情報更新手段５３は、各エージェントの統計情報１３０及び１３１を当該エージェントの所要時間に応じて更新してよい。つまり、エージェントが自身の所要時間を観測したものとみなす。
すなわち、複数のエージェントのうち処理対象のエージェント（対象エージェント）が行動目的を達成するのに要する所要時間の観測値に応じて、対象エージェントについて記憶された統計情報１３０及び１３１を更新してよい。

また、統計情報更新手段５３は、各エージェントの統計情報１３０及び１３１を当該エージェントが当該エージェント以外のエージェント（以下、他のエージェント）の所要時間を観測した値に応じて更新してよい。
すなわち、対象エージェントの統計情報１３０及び１３１を、他のエージェントが行動目的を達成するのに要する所要時間に関する観測値に応じて更新してよい。

統計情報更新手段５３は、各エージェントの視認範囲内に存在する目的地や同範囲内に存在するエージェントについて観測値を取得する。そのために統計情報更新手段５３は、各エージェントの視認範囲を設定する。視認範囲の角度範囲や視認距離は、各エージェントの状況に応じて変更させてよい。例えば、待機中または処理中の視認範囲を、移動中の視認範囲よりも広く設定してよい。視認範囲の角度範囲や視認距離を、各エージェントの移動速度に応じて変更させてもよい。また、空間情報１１１を参照し、壁等の障害物に阻まれる領域（死角）を除外して視認範囲を設定する。
具体的には、統計情報更新手段５３は、移動中のエージェントについては移動方向の左右９０度の範囲から死角を除いた領域を、待機中または処理中のエージェントについては当該エージェント位置を中心とした３６０度の範囲から死角を除いた領域を、視認範囲として設定する。

統計情報とそれを更新するための観測値及び観測タイミングは以下の通りである。
各エージェントの局所経路毎の知識として記憶される移動速度分布を更新するための観測値は、当該局所経路における当該エージェントの移動速度と他のエージェントの移動速度であり、所定の観測間隔（例えば１０仮想時刻）で観測される。
本実施形態においては、全エージェントに共通した観測間隔が設定されるが、エージェント毎に異なる観測間隔を設定してもよい。
また、本実施形態においては、各エージェントの観測間隔の起点を当該エージェントの生成時刻とする。全エージェントに共通の起点としてもよい。

各エージェントの目的地毎の知識として記憶される待ち数分布を更新するための観測値は、当該目的地における待ち数であり、上記観測間隔でキューを参照することにより観測される。
各エージェントの目的地毎の知識として記憶されるサービス時間分布を更新するための観測値は、当該目的地にて当該エージェントがサービスを受けるのに要したサービス時間であり、当該エージェントが目的地での行動目的を達成した時点で観測される。

または、当該エージェントが待機中に位置している目的地における他のエージェントのサービス時間を観測値としてもよい。この場合、当該目的地のキュー内のエージェントの順位が変化した時点に観測値を観測してよい。この場合には、例えば行動模擬手段５２が、キューが変化したエージェントと目的地とを統計情報更新手段５３に通知し、通知を受けた統計情報更新手段５３が通知時刻を記憶部４に記憶させて、前回通知からの経過時間をサービス時間として求める。

また、統計情報更新手段５３は、各個体が初見の目的地及び局所経路を知識に加える様子を模擬する。
すなわち統計情報更新手段５３は、各エージェントの視認範囲内に存在するが、当該エージェントの統計情報１３０に含まれていない目的地及び当該エージェントの統計情報１３１に含まれていない局所経路の情報を統計情報１３０に追加する。

具体的には、統計情報更新手段５３は、各エージェントの視認範囲内に当該エージェントの統計情報１３０に含まれていない目的地が存在する場合に、当該エージェントのエージェントＩＤと当該目的地の目的地ＩＤとの組合せに、待ち数分布、サービス時間分布の同時確率分布のパラメータの初期値を対応付けたデータを統計情報１３０に追加する。この初期値は上述したように目的地毎の初期値として統計情報記憶手段４３が記憶している。
また、統計情報更新手段５３は、各エージェントの視認範囲内に当該エージェントの統計情報１３１に含まれていない局所経路が存在する場合に、当該エージェントのエージェントＩＤと当該局所経路の両端地点との組合せに、移動速度分布の同時確率分布のパラメータの初期値を対応付けたデータを統計情報１３１に追加する。この初期値は上述したように目的地毎の初期値として統計情報記憶手段４３が記憶している。

統計情報更新手段５３による同時確率分布のパラメータ（平均値μ、自由度ν、仮説的標本数κ、尺度母数λ）の更新は、例えば次式（５）～（８）で表されるベイズ推定法によって行われてよい。

上式において、μ_０、ν_０、κ_０、λ_０は、統計情報記憶手段４３に記憶されている同時確率分布のパラメータでありμ_１、ν_１、κ_１、λ_１は、更新後の当該同時確率分布パラメータである。また、Ｎは観測値数、ｘ_ａは観測値の平均値である。

次に図１２の（ａ）及び図１２の（ｂ）を参照して、統計情報記憶手段４３に記憶される確率分布が統計情報更新手段５３によって更新されて、エージェント毎に違いが生じる様子を説明する。
確率分布１４０及び１５０は、エージェント＃１と＃５９の売店２のサービス時間分布の初期値を示す。エージェント＃１と＃５９の初期値はいずれもΝ（６００, ２５００）である。

確率分布１４１及び１５１は、仮想時刻が経過して統計情報更新手段５３により十分に更新された後のエージェント＃１と＃５９の売店２のサービス時間分布を示す。エージェント＃１のサービス時間分布１４１はΝ（４８０, ２５７００）となり、エージェント＃５９のサービス時間分布１５１はΝ（５５０, １７１００）となっている。すなわち、サービス時間分布１４１よりもサービス時間分布１５１の方が平均値が大きく、分散が小さくなっている。

このことから、エージェント＃１にとっての売店２は、エージェント＃５９にとっての売店２よりも、平均的には迅速だが、その平均よりも大幅に迅速であったり大幅に遅延したりすることも多い不安定な店舗であることが分かる。この結果、例えば、エージェント＃１は、残り時間が少なく他の売店の方が平均的にサービス時間が短い場合には、いちかばちかで売店２を選択するようになる。
一方で、エージェント＃５９にとっての売店２は、エージェント＃１にとっての売店２よりも、平均的にはやや遅いが、サービス時間は安定している店舗であることが分かる。この結果、例えば、エージェント＃５９は残り時間が５５０時刻以上ある場合に売店２を選択しやすくなる。

このように、同一の目的地であってもエージェントによって、所要時間の情報に差が生じる。同様に、同一エージェントであっても同一行動目的を達成するための目的地間で所要時間の情報に差が生じる。
所要時間の情報に差が生じることによりエージェント間で行動に違いを生じさせることができ、現実世界において個体毎の経験知の差によって行動に違いが生じることを模擬できる。

図２を参照する。予測結果出力手段６０は、シミュレーションの結果である予測結果を出力する。予測結果は、エージェント情報記憶手段４２に記憶されている情報の一部または全部を少なくとも含み、好適には、さらに空間情報記憶手段４１に記憶されている情報の一部または全部を含む。
予測結果出力手段６０は、例えば、制御部５および表示部６が協働して実現され、記憶部４から読み出した予測結果を、表示部６に表示させる。また、予測結果出力手段６０は、予測結果をデータファイルとして出力してもよいし、画像ファイルとして出力してもよいし、画像として表示してもよいし、これらのうちの１以上の形式で出力してもよい。

例えば、予測結果出力手段６０は、対象空間の地図を画像化するとともに当該画像上の各エージェントの位置と対応する座標にエージェントを表す図形を重畳描画して予測結果の画像を生成し、生成した画像をファイルとして出力し、および／または表示部６に出力する。
予測結果の出力タイミングは、シミュレーションを終えた時点の他に、シミュレーションの途中を含んでもよい。つまり、シミュレーションの途中までに得られた上記情報の一部または全部を中間予測結果として出力してもよい。

（動作）
次に、第１実施形態のシミュレータ１によるシミュレーション方法について説明する。
図１３は、第１実施形態のシミュレータ１によるシミュレーション方法の全体処理の一例のフローチャートである。
まず、ステップＳ１において利用者は、シミュレーション条件として模擬条件、空間情報、エージェント情報の初期値、及び統計情報の初期値を設定する。設定は条件設定手段２０を通じて行われる。そして、ステップＳ２において仮想時刻ｔが０に初期化される。

ステップＳ３においては生成時刻を迎えたエージェントが生成される。具体的には、行動模擬手段５２が、現時刻ｔと同じ生成時刻が設定されたエージェントをエージェント情報１２０内から探索する。該当するエージェントが検出された場合、当該エージェントのＩＤを初期位置とともにエージェント情報１２２に追加する。追加されたエージェントは現存エージェントとなる。
ステップＳ４において、現存エージェント（仮想時刻よりも前に生成され、且つ達成フラグが０である行動目的ＩＤが設定されているエージェント）が存在するか否かを判定する。現存エージェントが存在する場合（ステップＳ４：Ｙ）に処理はステップＳ５へ進む。現存エージェントが存在しない場合（ステップＳ４：Ｎ）に処理はステップＳ８へ進む。

ステップＳ５では、統計情報更新処理が行われる。統計情報更新処理では、現存エージェントが観測した観測値に基づいて、統計情報記憶手段４３に記憶されている統計情報１３０及び１３１が更新される。統計情報更新処理の詳細は後述する。
ステップＳ６では、行動決定処理が行われる。行動決定処理では、エージェント情報１２１に設定された行動目的と、統計情報１３０及び１３１に設定された確率分布に基づいて、エージェントが到達を目指す目的地を選択する。行動決定処理の詳細は後述する。

ステップＳ７では、エージェント状態更新処理が行われる。エージェント状態更新処理では、ステップＳ６で決定した目的地に応じて現存エージェントの状態を更新する。エージェント状態更新処理の詳細は後述する。
ステップＳ８では、仮想時刻ｔを「１」だけ増加する。
ステップＳ９では、仮想時刻ｔが模擬条件記憶手段４０に記憶されているシミュレーション終了時刻Ｔに到達したか否かを判定する。仮想時刻ｔが終了時刻Ｔに到達した場合（ステップＳ９：Ｙ）に処理はステップＳ１０へ進む。仮想時刻ｔが終了時刻Ｔに到達していない場合（ステップＳ９：Ｎ）に処理はステップＳ３に戻る。
ステップＳ１０では、シミュレーションの結果である予測結果を出力して、処理終了となる。

次に、図１４及び図１５を参照して、ステップＳ５の統計情報更新処理について説明する。統計情報更新処理は、行動模擬手段５２及び統計情報更新手段５３によって実行される。
ステップＳ２０において行動模擬手段５２は、現存エージェントを順次選択し、処理対象の注目エージェントに設定する。

ステップＳ２１において行動模擬手段５２は、注目エージェントに関して、統計情報１３０及び１３１を更新するための観測値の観測タイミングが到来したかを判定する。観測タイミングが到来した場合（ステップＳ２１：Ｙ）に処理はステップＳ２２へ進む。観測タイミングが到来していない場合（ステップＳ２１：Ｎ）に処理はステップＳ３５へ進む。
ステップＳ２２において統計情報更新手段５３は、注目エージェントの視認範囲を設定する。統計情報更新手段５３は、注目エージェントの統計情報１３０に含まれていない目的地が視認範囲内に存在するか否かを判定する。

統計情報１３０に含まれていない目的地が視認範囲内に存在する場合（ステップＳ２２：Ｙ）に処理はステップＳ２３へ進む。統計情報１３０に含まれていない目的地が視認範囲内に存在しない場合（ステップＳ２２：Ｎ）に処理はステップＳ２４へ進む。
ステップＳ２３において統計情報更新手段５３は、当該目的地のデータを注目エージェントの統計情報１３０に追加する。その後に処理はステップＳ２４へ進む。

ステップＳ２４において統計情報更新手段５３は、注目エージェントの統計情報１３１に含まれていない局所経路が視認範囲内に存在するか否かを判定する。統計情報１３１に含まれていない局所経路が視認範囲内に存在する場合（ステップＳ２４：Ｙ）に処理はステップＳ２５へ進む。統計情報１３１に含まれていない局所経路が視認範囲内に存在しない場合（ステップＳ２４：Ｎ）に処理はステップＳ２６へ進む。
ステップＳ２５において統計情報更新手段５３は、当該局所経路のデータを注目エージェントの統計情報１３１に追加する。その後に処理はステップＳ２６へ進む。

ステップＳ２６において統計情報更新手段５３は、注目エージェントの状況が「移動中」であるか否かを判定する。注目エージェントの状況が「移動中」である場合（ステップＳ２６：Ｙ）に処理はステップＳ２７へ進む。注目エージェントの状況が「移動中」でない場合（ステップＳ２６：Ｎ）に処理はステップＳ２８へ進む。
ステップＳ２７において統計情報更新手段５３は、注目エージェントの移動速度と局所経路を取得し、当該局所経路における速さを算出する。その後に処理はステップＳ２８へ進む。

ステップＳ２８において統計情報更新手段５３は、注目エージェントの視認範囲内に存在する他のエージェントの状況が「移動中」であるか否かを判定する。視認範囲内の他のエージェントの状況が「移動中」である場合（ステップＳ２８：Ｙ）に処理はステップＳ２９へ進む。視認範囲内の他のエージェントの状況が「移動中」でない場合（ステップＳ２８：Ｎ）に処理はステップＳ３０へ進む。
ステップＳ２９において統計情報更新手段５３は、移動中であり且つ視認範囲内に存在する他のエージェントの移動速度と局所経路を取得し、当該局所経路における速さを算出する。その後に処理はステップＳ３０へ進む。

ステップＳ３０において統計情報更新手段５３は、ステップＳ２７またはＳ２９のいずれかで速さを算出したか否かを判定する。速さを算出した場合（ステップＳ３０：Ｙ）に処理はステップＳ３１へ進む。速さを算出しない場合（ステップＳ３０：Ｎ）に処理はステップＳ３２へ進む。
ステップＳ３１において統計情報更新手段５３は、算出した速さを観測値として用いて、注目エージェントの統計情報１３１のうち速さを観測した局所経路の移動速度分布を更新する。その後に処理はステップＳ３２へ進む。

ステップＳ３２において統計情報更新手段５３は、注目エージェントの視認範囲内に目的地いずれかが存在するか否かを判定する。視認範囲内に目的地が存在する場合（ステップＳ３２：Ｙ）に処理はステップＳ３３へ進む。視認範囲内に目的地が存在しない場合（ステップＳ３２：Ｎ）に処理はステップＳ３５へ進む。
ステップＳ３３において統計情報更新手段５３は、視認範囲内に存在する目的地の待ち数を取得する。ステップＳ３４において統計情報更新手段５３は、取得した待ち数を観測値として用いて、注目エージェントの統計情報１３０のうち待ち数を観測した目的地の待ち数分布を更新する。その後に処理はステップＳ３５へ進む。

ステップＳ３５において統計情報更新手段５３は、注目エージェントのサービス完了時刻が到来したかを判定する。サービス完了時刻が到来した場合（ステップＳ３５：Ｙ）に処理はステップＳ３６へ進む。サービス完了時刻が到来しない場合（ステップＳ３５：Ｎ）に処理はステップＳ３７へ進む。
ステップＳ３６において統計情報更新手段５３は、注目エージェントに要したサービス時間を算出する。その後に処理はステップＳ３７へ進む。

ステップＳ３７において統計情報更新手段５３は、注目エージェントの状況が待機中であればそのキュー内の順序が更新されたか否かを判定する。順序が更新された場合（ステップＳ３７：Ｙ）に処理はステップＳ３８へ進む。順序が更新されない場合（ステップＳ３７：Ｎ）に処理はステップＳ３９へ進む。
ステップＳ３８において統計情報更新手段５３は、注目エージェントのサービスを待っている目的地で、サービスが完了した他のエージェントに要したサービス時間を算出する。その後に処理はステップＳ３９へ進む。

ステップＳ３９において統計情報更新手段５３は、ステップＳ３６またはＳ３８のいずれかでサービス時間を算出したか否かを判定する。サービス時間を算出した場合（ステップＳ３９：Ｙ）に処理はステップＳ４０へ進む。サービス時間を算出しない場合（ステップＳ３９：Ｎ）に処理はステップＳ４１へ進む。
ステップＳ４０において統計情報更新手段５３は、算出したサービス時間を観測値として用いて、注目エージェントの統計情報１３０のうちサービス時間を観測した目的地（すなわち注目エージェントがサービスを受ける目的地）のサービス時間分布を更新する。その後に処理はステップＳ４１へ進む。
ステップＳ４１において統計情報更新手段５３は、全ての現存エージェントについてステップＳ２１～Ｓ４０の処理を実行したか否かを判定する。全ての現存エージェントについて処理を実行した場合（ステップＳ４１：Ｙ）に、統計情報更新処理は終了する。未処理の現存エージェントが存在する場合（ステップＳ４１：Ｎ）に処理はステップＳ２０へ戻る。

次に、図１６を参照して、ステップＳ６の行動決定処理について説明する。行動決定処理は、評価値算出手段５０及び目的地選択手段５１によって実行される。
ステップＳ５０において評価値算出手段５０は、現存エージェントを順次選択し、処理対象の注目エージェントに設定する。
ステップＳ５１において評価値算出手段５０は、注目エージェントの行動決定タイミングが到来したか否かを判定する。行動決定タイミングが到来した場合（ステップＳ５１：Ｙ）に処理はステップＳ５２へ進む。行動決定タイミングが到来していない場合（ステップＳ５１：Ｎ）に処理はステップＳ５９へ進む。

ステップＳ５２において評価値算出手段５０は、１つ又は複数の行動パターンＰ_ｉを生成する。
ステップＳ５３において評価値算出手段５０は、行動パターンＰ_ｉの各々に対して１つ又は複数の目的地パターンＭ_ｉｊを生成する。
ステップＳ５４において評価値算出手段５０は、目的地パターンＭ_ｉｊを順次選択して、処理対象の注目パターンに設定する。

ステップＳ５５において評価値算出手段５０は、評価値算出処理を行う。評価値算出処理では注目パターンについて評価値Ｅが算出される。評価値算出処理の詳細は後述する。
ステップＳ５６において評価値算出手段５０は、全ての目的地パターンＭ_ｉｊが注目パターンに設定されたか否かを判定する。全ての目的地パターンＭ_ｉｊが注目パターンに設定された場合（ステップＳ５６：Ｙ）に処理はステップＳ５７へ進む。注目パターンに設定されていない目的地パターンＭ_ｉｊが存在する場合（ステップＳ５６：Ｎ）に処理はステップＳ５４へ戻る。

ステップＳ５７において目的地選択手段５１は、評価値に基づいていずれかの目的地パターンＭ_ｉｊを選択する。
ステップＳ５８において目的地選択手段５１は、選択した目的地パターンＭ_ｉｊにおける１番目の目的地のＩＤを、エージェントＩＤおよび現在の仮想時刻と対応付けた現時刻データを新たに生成して、エージェント情報１２２に追記する。その後に処理はステップＳ６０へ進む。

一方で、ステップＳ５９において目的地選択手段５１は、１時刻前の目的地ＩＤを、エージェントＩＤおよび現在の仮想時刻と対応付けた現時刻データを新たに生成して、エージェント情報１２２に追記する。その後に処理はステップＳ６０へ進む。
ステップＳ６０において評価値算出手段５０は、全ての現存エージェントについてステップＳ５１～Ｓ５９の処理を実行したか否かを判定する。全ての現存エージェントについて処理を実行した場合（ステップＳ６０：Ｙ）に行動決定処理は終了する。未処理の現存エージェントが存在する場合（ステップＳ６０：Ｎ）に処理はステップＳ５０へ戻る。

図１７を参照して、ステップＳ５５の評価値算出処理について説明する。評価値算出処理は、評価値算出手段５０によって実行される。
ステップＳ７０において評価値算出手段５０は、注目パターンに含まれる目的地毎に、目的地で行動目的を達成する場合の所要時間の確率分布である所要時間分布を算出する。
ステップＳ７１において評価値算出手段５０は、注目パターンに含まれる目的地の順位を示す変数ｓを「１」に初期化する。以下のステップＳ７３～Ｓ７７では、注目パターンに含まれるｓ番目の目的地で達成期限までに行動目的を達成する各々の成功確率を算出する。また、評価値算出手段５０は、評価値Ｅを「０」に初期化する。

ステップＳ７２において評価値算出手段５０は、変数ｓが「１」、すなわち１番目の目的地の成功確率を算出するか否かを判定する。変数ｓが「１」である場合（ステップＳ７２：Ｙ）に処理はステップＳ７３へ進む。変数ｓが「１」でない場合（ステップＳ７２：Ｎ）に処理はステップＳ７５へ進む。
ステップＳ７３において評価値算出手段５０は、１番目の目的地で達成する行動目的の達成期限までの残り時間を算出する。

ステップＳ７４において評価値算出手段５０は、残り時間と、１番目の目的地で行動目的所要時間分布に基づいて、成功確率を算出する。その後に処理はステップＳ７８へ進む。
一方で、ステップＳ７５において評価値算出手段５０は、１番目からｓ－１番目までの目的地で行動目的達成に要する所要時間分布の合計を算出する。

ステップＳ７６において評価値算出手段５０は、所要時間分布の合計に基づいて、ｓ番目の目的地で達成する行動目的の達成期限までの残り時間分布を算出する。
ステップＳ７７において評価値算出手段５０は、残り時間分布と、ｓ番目の目的地の所要時間分布に基づいて成功確率を算出する。その後に処理はステップＳ７８へ進む。
ステップＳ７８において評価値算出手段５０は、ステップＳ７４又はＳ７７で算出した成功確率を希望達成度に乗じた積を評価値Ｅに加算する。

ステップＳ７９において評価値算出手段５０は、変数ｓを「１」だけ増加する。
ステップＳ８０において評価値算出手段５０は、注目パターンの中の全ての目的地について、ステップＳ７２～Ｓ７９の処理を完了したか否かを判定する。全ての目的地について処理を完了した場合（ステップＳ８０：Ｙ）に処理はステップＳ８１へ進む。未処理の目的地が存在する場合（ステップＳ８０：Ｎ）に処理はステップＳ７２へ戻る。
ステップＳ８１において評価値算出手段５０は、エージェントと注目パターンと評価値を対応付けた評価値情報を目的地選択手段５１に出力する。その後に、評価値算出処理は終了する

次に、図１８を参照してステップＳ７のエージェント状態更新処理を説明する。エージェント状態更新処理は、目的地選択手段５１と、行動模擬手段５２によって実現される。
ステップＳ９０において行動模擬手段５２は、現存エージェントを順次選択し、処理対象の注目エージェントに設定する。
ステップＳ９１において行動模擬手段５２は、目的地選択手段５１が注目エージェントの目的地パターンを新しく選択したか否かを判定する。目的地パターンを新しく選択した場合（ステップＳ９１：Ｙ）に処理はステップＳ９２へ進む。目的地パターンを新しく選択しない場合（ステップＳ９１：Ｎ）に処理はステップＳ９３へ進む。

ステップＳ９２において目的地選択手段５１は、エージェント情報１２２に行動パラメータとして記憶されている目的地ＩＤを、新しく選択した目的地パターンの先頭にある目的地ＩＤに更新する。その後に処理はステップＳ９３へ進む。
ステップＳ９３において行動模擬手段５２は、注目エージェントの状況を更新する。

ステップＳ９４において行動模擬手段５２は、注目エージェントの状況が「移動中」又は「達成」であるか否かを判定する。状況が「移動中」又は「達成」である場合（ステップＳ９４：Ｙ）に処理はステップＳ９５へ進む。状況が「移動中」又は「達成」でない場合（ステップＳ９４：Ｎ）に処理はステップＳ９６へ進む。
ステップＳ９５において行動模擬手段５２は、注目エージェントの移動速度を算出して位置を更新する。その後に処理はステップＳ９６へ進む。

ステップＳ９６において行動模擬手段５２は、注目エージェントが全ての行動目的を達成したか（すなわち、終端目的フラグが１である行動目的を達成したか）否かを判定する。全ての行動目的を達成した場合（ステップＳ９６：Ｙ）に処理はステップＳ９７へ進む。未達成の行動目的が存在する場合（ステップＳ９６：Ｎ）に処理はステップＳ９８へ進む。
ステップＳ９７において行動模擬手段５２は、注目エージェントを消去する。その後に処理はステップＳ９８へ進む。
ステップＳ９８において行動模擬手段５２は、全ての現存エージェントについてステップＳ９１～Ｓ９７の処理が完了したか否かを判定する。未処理の現存エージェントが存在する場合（ステップＳ９８：Ｎ）に処理はステップＳ９０へ戻る。全ての現存エージェントについて処理が完了した場合（ステップＳ９８：Ｙ）にエージェント状態更新処理は終了する。

（変形例）
（１）第１実施形態では、所要時間を、移動時間と、待ち時間と、サービス時間の和として定義した。
これに代えて、移動時間を所要時間としてもよい（すなわち待ち時間とサービス時間が０）。これにより、配達のように待ち時間とサービス時間が０とみなせる行動目的についてのシミュレーションを行うことができる。

（２）第１実施形態では、行動目的と目的地との関係が１対１および１対多の関係である場合を例示した。行動目的と目的地との関係は、多対１または多対多の関係であってもよい。例えば、同じ目的地で異なるサービス間でサービス時間に差が生じるシチュエーションを模擬することができる。この場合には、行動目的と目的地の組合せ毎にサービス時間分布の統計情報を記憶又は更新することが望ましい。

（３）第１実施形態では、評価値算出手段５０による評価値算出と目的地選択手段５１による目的地選択を、行動決定間隔で繰り返す例を示して説明した。これに代えて、評価値算出と目的地選択を行動決定間隔で繰り返すことを省略してもよい。
この場合、例えば、目的地選択手段５１が選択した目的地パターンをエージェント情報記憶手段４２に記憶させ、行動模擬手段５２は、各エージェントについて記憶されている目的地パターンの先頭の目的地から順次当該エージェントを移動させるように動作してよい。

（４）第１実施形態では、行動目的毎に達成期限を設定する例を説明した。これに代えて又はこれに加えて、幕間毎かつエージェント毎に、単一の達成期限（すなわち複数の行動目的に共通の達成期限）を設定してもよい。例えば、幕間の終了時間を達成期限としてもよい。この場合、各幕間のエージェントそれぞれの全行動目的に対して同一の達成期限が設定されたものとして、上記実施形態と同様の処理を行えばよい。
さらには、幕間毎に全エージェントに共通の単一の達成期限を設定してもよい。

（５）第１実施形態では、エージェントの視認範囲内に当該エージェントの統計情報１３０に含まれていない目的地が存在する場合に、当該目的地のデータを当該エージェントの統計情報１３０に追加する。これに代えて又はこれに加えて、目的地に関する情報をエージェントに知らせる看板等の情報源を対象空間内に設定してもよい。当該エージェントの統計情報１３０に含まれていない目的地を知らせる情報源がエージェントの視認範囲内の存在する場合に、当該目的地のデータを当該エージェントの統計情報１３０に追加してよい。同様に、目的地に関する情報を対象空間内に報知するアナウンスをシミュレートしてもよい。当該エージェントの統計情報１３０に含まれていない目的地を知らせるアナウンスが放送された場合に、当該目的地のデータを当該エージェントの統計情報１３０に追加してよい。

（第２実施形態）
第１実施形態の評価値算出手段５０は、所要時間分布を算出する際に、統計情報１３０に記憶される目的地の待ち数分布に基づいて待ち時間を予測する。また、視認範囲内の目的地については待ち数の観測値から待ち時間を予測している。
しかしながら、目的地に向かう他のエージェントの動きを観測することによって、待ち時間の予測が変わることがある。
そこで、第２実施形態の評価値算出手段５０は、処理対象のエージェントの目的地パターンを選択する際に、他のエージェントの行動に基づいて、目的地での待ち時間を予測する。例えば、他のエージェントの移動方向に基づいて目的地での待ち時間を予測する。

図１９を参照する。いま、参照符号２００は、待ち数分布を算出する処理対象の注目エージェント（すなわち、図１６の行動決定処理の注目エージェント）を示し、破線は、注目エージェント２００の視認範囲を示す。
参照符号２０１ａ～２０１ｃは、注目エージェント２００の視認範囲内の他のエージェントを示し、参照符号２０２は、視認範囲外の他のエージェントを示す。

また、参照符号２０３ａ、２０４ｂ、２０５ａはそれぞれ目的地VI、VII、VIIIでサービスを受けているエージェントを示し、参照符号２０３ｂ及び２０３ｃは目的地VIでサービスを待っているエージェント、参照符号２０４ｂは目的地VIIでサービスを待っているエージェント、参照符号２０５ｂ及び２０５ｃは目的地VIIIでサービスを待っているエージェントを示す。
第２実施形態の評価値算出手段５０は、視認範囲内の他のエージェント２０１ａ～２０１ｃの移動方向に基づいて、目的地VI、VII及びVIIIの待ち数を予測する。

第２実施形態の評価値算出手段５０は、図２０に示す待ち時間算出手段７０を備える。待ち時間算出手段７０は、エージェント選択手段７１と、視認範囲設定手段７２と、移動方向取得手段７３と、到達数予測手段７４と、待ち時間予測手段７５を備える。
待ち時間算出手段７０は、現存エージェントの中から、処理対象の注目エージェントを選択する。

視認範囲設定手段７２は、注目エージェントの視認範囲を設定する。視認範囲の角度範囲や視認距離は、注目エージェントの状況に応じて変更させてよい。例えば、待機中または処理中の視認範囲を、移動中の視認範囲よりも広く設定してよい。
例えば、注目エージェントが移動中であれば移動方向の左右９０度の範囲を、待機中または処理中であればエージェント位置を中心とした３６０度の範囲としてよい。
視認範囲の角度範囲や視認距離を、各エージェントの移動速度に応じて変更させてもよい。また、好適には、空間情報記憶手段４１に記憶されている空間情報１１１を利用し、視認範囲内の壁等の障害物に阻まれる領域を除外して視認範囲を設定する。

移動方向取得手段７３は、エージェント情報記憶手段４２に記憶されているエージェント情報１２２から、視認範囲内にある他エージェントの移動速度を、他エージェントの移動方向として取得する。
到達数予測手段７４は、視認範囲内にある他エージェントの移動方向と、空間情報１１１に記憶される目的地の代表点とに基づいて、注目エージェントの統計情報１３０に記憶されている目的地ｄ_ｉへ他のエージェントが到達する到達数を予測する。例えば、到達数予測手段７４は、次式（９）に基づいて他のエージェントが目的地へ到達する到達数Ｒ_ｄｉを予測してよい。

式（９）において、ａは統計情報１３０に記憶されている目的地ｄ_ｉへ向かっていると判断される他エージェントである。例えば、到達数予測手段７４は、図１９に示すように他エージェント２０１ｂの移動方向左右の所定角度θ内に目的地ｄ_ｉが存在している場合、他エージェント２０１ｂは、目的地ｄ_ｉに向かっていると判断してよい。また、式（９）において、ｒ_ａは、注目エージェントの統計情報１３０に記憶されている目的地のうち他エージェントａの移動方向左右の所定角度θ以内にある全ての目的地数を表す。

待ち時間予測手段７５は、注目エージェントの統計情報１３０に記憶されている目的地に対して、待ち時間分布を予測する。待ち時間分布は、目的地の将来待ち数をサービス窓口数で除した結果と、その目的地で行動目的を実行する際にかかるサービス時間分布の積とで算出する。
目的地が注目エージェントの視認範囲に存在する場合、待ち時間予測手段７５は、目的地の待ち数に、目的地への到達数を加算した和を目的地の将来待ち数とする。すなわち、目的地に存在する他のエージェント数の観測結果と到達数に基づいて、待ち時間分布を予測する。

目的地が注目エージェントの視認範囲に存在しない場合には、注目エージェントの統計情報１３０に記憶されている当該目的地の待ち人数分布より代表値をサンプリングし、目的地への到達数を代表値に加算した和を目的地の将来待ち数とする。
すなわち、目的地への到達数と、統計情報１３０に記憶されている目的地における待ち時間の統計情報とに基づいて、待ち時間分布を予測する。

次に、図２１を参照して、第２実施形態の評価値算出手段５０による所要時間分布算出処理を説明する。
ステップＳ１００において評価値算出手段５０は、注目エージェントの統計情報１３１に記憶されている局所経路の移動速度分布に基づいて、注目パターン（目的地パターン）に含まれる各目的地までの移動に要する移動時間分布を算出する。

ステップＳ１０１において評価値算出手段５０は、注目エージェントの統計情報１３０に記憶されている目的地でのサービス時間分布に基づいて、注目パターン（目的地パターン）に含まれる各目的地でのサービス時間分布を算出する。
ステップＳ１０２において到達数予測手段７４は、注目エージェントの統計情報１３０に記憶されている目的地に向かう他のエージェントの到達数を予測する。

ステップＳ１０３において待ち時間予測手段７５は、目的地に向かうエージェントの到達数と目的地の待ち数の観測値、又は目的地に向かうエージェントの到達数と注目エージェントの統計情報１３０に記憶されている当該目的地の待ち人数分布の代表値に基づいて、目的地での将来待ち数を予測する。

ステップＳ１０４において待ち時間予測手段７５は、将来待ち数と、サービス窓口数と、サービス時間分布に基づいて目的地における待ち時間分布を算出する。
ステップＳ１０５において、評価値算出手段５０は、移動時間分布と、サービス時間分布と、待ち時間分布の和を、所要時間として算出する。その後に所要時間分布算出処理は終了する。

なお、上記各実施形態においては、待ち数分布、サービス時間分布、移動速度分布やそれに付随する各分布を正規分布として保持する例を示したが、これらの分布をヒストグラムとして保持してもよい。その場合、分布同士の演算は対応するビン同士の演算となり、観測値による分布の更新はビンの値の更新となる。また、各分布を正規分布以外の定式化された分布として保持することもでき、その場合、分布に対する演算をサンプリング法により行うなど、採用する分布に適した演算方法、更新方法を用いればよい。

（実施形態の効果）
（１）シミュレータ１は、行動目的を有する複数のエージェントが、所定の空間において複数の目的地のいずれかで行動目的を達成する行動を模擬する。
統計情報記憶手段４３は、エージェント毎に、複数の目的地で行動目的を達成するのに要する各々の所要時間に関する統計情報を記憶する。評価値算出手段５０は、エージェント毎に、統計情報に基づいて、行動目的の達成期限までに複数の目的地で行動目的を達成する各々の確率を予測し、確率に応じて評価値を算出する。目的地選択手段５１は、エージェント毎に、評価値に基づいて複数の目的地のいずれかを選択する。行動模擬手段５２は、選択した目的地において複数のエージェントの各々が行動目的を達成する行動を模擬する。統計情報更新手段５３は、選択した目的地で行動目的を達成するまでに観測した所要時間に関する観測値に基づいて統計情報を更新する。

これにより、エージェント毎に記憶した所要時間の統計情報に基づいて、エージェントの行動を模擬することができる。このため、個々のエージェントの経験や知識の偏りを反映した群集行動を模擬することができる。
また、所要時間の観測値に基づいて統計情報を更新することにより、時間経過に従って経験により変化するエージェントの行動を模擬することができる。

（２）統計情報更新手段５３は、複数のエージェントのうち処理対象の対象エージェントが行動目的を達成するのに要する所要時間に関する観測値に応じて、対象エージェントの統計情報を更新してよい。
これにより、自己の経験に基づくエージェントの行動変化を模擬することができる。

（３）統計情報更新手段５３は、複数のエージェントのうち処理対象の対象エージェントの統計情報を、複数のエージェントのうち他のエージェントが行動目的を達成するのに要する所要時間に関する観測値に応じて更新してよい。
これにより、他エージェントの経験の観測に基づくエージェントの行動変化を模擬することができる。

（４）評価値算出手段５０は、複数の行動目的を有するエージェントについて、複数の目的地の中から複数の行動目的の各々を達成する目的地の組合せを複数選択して、目的地の組合せで複数の行動目的を達成期限までに達成する確率に応じて評価値を算出してよい。目的地選択手段５１は、評価値に基づいて複数の組合せのいずれかを選択してよい。
これにより、複数の行動目的を有するエージェントが、各々の行動目的を達成する目的地を選択する行動を模擬することができる。

（５）評価値算出手段５０は、複数の行動目的を異なる順序で達成する場合の評価値を各々算出してよい。行動模擬手段は、評価値に基づいて選択した順序で行動目的を達成する行動を模擬してよい。
これにより、複数の行動目的を達成するエージェントが行動目的の順序を入れ替えて目的地を選択する行動を模擬することができる。

（６）評価値算出手段は、複数の行動目的の各々を達成する確率を複数の行動目的の効用で重み付けした確率の合計である評価値を算出してよい。
これにより、エージェント毎に異なる行動目的の優先度に応じて目的地を選択する硬度を模擬することができる。

（７）上記の所要時間は、エージェントが目的地まで移動するのに要する移動所要時間または目的地において要する現地所要時間であってよい。
これにより、例えば配達のような目的地で現地所要時間を無視できる行動目的の模擬、または、対象空間をレジのエリアに限定して行う模擬のような移動所要時間を無視した模擬をすることができる。
（８）上記の所要時間は、エージェントが目的地まで移動するのに要する移動所要時間と目的地において要する現地所要時間の和であってもよい。
これにより、目的地である程度の所要時間を要する行動目的を模擬することができる。

１…シミュレータ、２…操作入力部、３…ファイル入出力部、４…記憶部５…制御部、６…表示部、２０…条件設定手段、４０…模擬条件記憶手段、４１…空間情報記憶手段、４２…エージェント情報記憶手段、４３…統計情報記憶手段、５０…評価値算出手段、５１…目的地選択手段、５２…行動模擬手段、５３…統計情報更新手段、６０…予測結果出力手段、７０…時間算出手段、７１…エージェント選択手段、７２…視認範囲設定手段、７３…移動方向取得手段、７４…到達数予測手段、７５…時間予測手段、１００…地図情報、１１０…行動目的情報、１１１…空間情報、１２０、１２１、１２２、１２３…エージェント情報、１３０、１３１…統計情報

Claims (10)

1. 行動目的を有する複数のエージェントが、所定の空間において複数の目的地のいずれかで前記行動目的を達成する行動を模擬するシミュレータであって、
   前記エージェント毎に、前記複数の目的地で前記行動目的を達成するのに要する各々の所要時間の確率分布に関する統計情報を記憶する統計情報記憶手段と、
   前記エージェント毎に、前記所要時間の確率分布と前記行動目的の達成期限までの残り時間とに基づいて、前記行動目的の達成期限までに前記複数の目的地で前記行動目的を達成する各々の確率を予測し、前記確率が高いほどより高い値を有する評価値を算出する評価値算出手段と、
   前記エージェント毎に、前記評価値に基づいて前記複数の目的地のいずれかを選択する目的地選択手段と、
   選択した前記目的地において前記複数のエージェントの各々が前記行動目的を達成する行動を模擬する行動模擬手段と、
   前記選択した目的地で前記行動目的を達成するまでに観測した所要時間に関する観測値に基づいて前記統計情報を更新する統計情報更新手段と、
   を備えることを特徴とするシミュレータ。
2. 前記統計情報更新手段は、前記複数のエージェントのうち処理対象の対象エージェントが前記行動目的を達成するのに要する所要時間に関する前記観測値に応じて、前記対象エージェントの前記統計情報を更新することを特徴とする請求項１に記載のシミュレータ。
3. 前記統計情報更新手段は、前記複数のエージェントのうち処理対象の対象エージェントの前記統計情報を、前記複数のエージェントのうち他のエージェントが前記行動目的を達成するのに要する所要時間に関する前記観測値に応じて更新することを特徴とする請求項１又は２に記載のシミュレータ。
4. 前記評価値算出手段は、複数の前記行動目的を有する前記エージェントについて、前記複数の目的地の中から前記複数の行動目的の各々を達成する目的地の組合せを複数選択して、前記目的地の組合せで前記複数の行動目的を前記達成期限までに達成する確率に応じて前記評価値を算出し、
   前記目的地選択手段は、前記評価値に基づいて前記複数の組合せのいずれかを選択する、
   ことを特徴とする請求項１～３のいずれか一項に記載のシミュレータ。
5. 前記評価値算出手段は、前記複数の行動目的を異なる順序で達成する場合の評価値を各々算出し、
   前記行動模擬手段は、前記評価値に基づいて選択した順序で前記行動目的を達成する行動を模擬する、
   ことを特徴とする請求項４に記載のシミュレータ。
6. 前記評価値算出手段は、前記複数の行動目的の各々を達成する確率を前記複数の行動目的の効用で重み付けした確率の合計である前記評価値を算出することを特徴とする請求項４又は５に記載のシミュレータ。
7. 前記所要時間は、前記エージェントが前記目的地まで移動するのに要する移動所要時間または前記目的地において要する現地所要時間であることを特徴とする請求項１～６のいずれか一項に記載のシミュレータ。
8. 前記所要時間は、前記エージェントが前記目的地まで移動するのに要する移動所要時間と前記目的地において要する現地所要時間の和であることを特徴とする請求項１～６のいずれか一項に記載のシミュレータ。
9. 行動目的を有する複数のエージェントが、所定の空間において複数の目的地のいずれかで前記行動目的を達成する行動を模擬するシミュレーション方法であって、
   所定の記憶装置に前記エージェント毎に記憶された、前記複数の目的地で前記行動目的を達成するのに要する各々の所要時間の確率分布に関する統計情報を読み込む処理と、
   前記エージェント毎に、前記所要時間の確率分布と前記行動目的の達成期限までの残り時間とに基づいて、前記行動目的の達成期限までに前記複数の目的地で前記行動目的を達成する各々の確率を予測し、前記確率が高いほどより高い値を有する評価値を算出する処理と、
   前記エージェント毎に、前記評価値に基づいて前記複数の目的地のいずれかを選択する処理と、
   選択した前記目的地において前記複数のエージェントの各々が前記行動目的を達成する行動を模擬する処理と、
   前記選択した目的地で前記行動目的を達成する際に観測した所要時間に関する観測値に基づいて前記統計情報を更新する処理と、
   をコンピュータが実行することを特徴とするシミュレーション方法。
10. 行動目的を有する複数のエージェントが、所定の空間において複数の目的地のいずれかで前記行動目的を達成する行動を模擬するシミュレーションプログラムであって、
    所定の記憶装置に前記エージェント毎に記憶された、前記複数の目的地で前記行動目的を達成するのに要する各々の所要時間の確率分布に関する統計情報を読み込む処理と、
    前記エージェント毎に、前記所要時間の確率分布と前記行動目的の達成期限までの残り時間とに基づいて、前記行動目的の達成期限までに前記複数の目的地で前記行動目的を達成する各々の確率を予測し、前記確率が高いほどより高い値を有する評価値を算出する処理と、
    前記エージェント毎に、前記評価値に基づいて前記複数の目的地のいずれかを選択する処理と、
    選択した前記目的地において前記複数のエージェントの各々が前記行動目的を達成する行動を模擬する処理と、
    前記選択した目的地で前記行動目的を達成する際に観測した所要時間に関する観測値に基づいて前記統計情報を更新する処理と、
    をコンピュータに実行させることを特徴とするシミュレーションプログラム。

Images