JPWO2018142507A1 - Simulation method, system and program - Google Patents
Simulation method, system and program Download PDFInfo
- Publication number
- JPWO2018142507A1 JPWO2018142507A1 JP2018565139A JP2018565139A JPWO2018142507A1 JP WO2018142507 A1 JPWO2018142507 A1 JP WO2018142507A1 JP 2018565139 A JP2018565139 A JP 2018565139A JP 2018565139 A JP2018565139 A JP 2018565139A JP WO2018142507 A1 JPWO2018142507 A1 JP WO2018142507A1
- Authority
- JP
- Japan
- Prior art keywords
- simulation
- model
- result
- data
- statistic
- 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.)
- Granted
Links
Images
Classifications
-
- 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)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
粒度が異なるシミュレーションを実行するシステムにおけるシミュレーション方法であって、システムは、第1のシミュレーションに使用される第1のデータを用いて第2のシミュレーションに使用される第2のデータを生成するステップと、第1のデータ及び第1のシミュレーションのモデルに基づいて、第1のシミュレーションを実行して、第1のシミュレーション結果を出力するステップと、第2のデータ及び第2のシミュレーションのモデルに基づいて、第2のシミュレーションを実行して、第2のシミュレーション結果を出力するステップと、第1のシミュレーション結果及び第2のシミュレーション結果に基づいて、第1のシミュレーションのモデル及び第2のシミュレーションのモデルの少なくともいずれかを補正するステップと、を含む。 A simulation method in a system for performing simulations with different grain sizes, the system using the first data used for the first simulation to generate the second data used for the second simulation Performing a first simulation based on the first data and the model of the first simulation to output a first simulation result, and based on the second data and the model of the second simulation , Executing a second simulation and outputting a second simulation result, and based on the first simulation result and the second simulation result, a model of the first simulation and a model of the second simulation. Step to correct at least one And, including the.
Description
本発明は、シミュレーションのモデルの補正方法に関する。 The present invention relates to a method of correcting a model of simulation.
交通、金融、流通、及び産業等の様々な分野では、IoTの進展に伴って、デバイスから収集したデータを用いた統計分析処理又はエージェントシミュレーションによって現在の状況の分析及び可視化、並びに、将来の予測等が行われている。 In various fields such as transportation, finance, distribution, and industry, with the progress of IoT, analysis and visualization of the current situation by statistical analysis processing or agent simulation using data collected from devices, and future prediction Etc. are done.
シミュレーションの定義情報であるシミュレーションモデルは、取得するデータの種類及び特性に依存する。したがって、目的及び環境の変化に応じてモデルを補正する必要がある。特に、リアルタイムな分析が必要なシミュレーションでは、環境の変化に応じて動的にシミュレーションモデルを補正する必要がある。 The simulation model, which is simulation definition information, depends on the type and characteristics of data to be acquired. Therefore, it is necessary to correct the model in response to changes in purpose and environment. In particular, in simulations requiring real-time analysis, it is necessary to dynamically correct the simulation model in response to changes in the environment.
シミュレーションモデルを補正する技術として特許文献1の技術が知られている。特許文献1には、「シミュレーションモデルを蓄積するシミュレーションモデル蓄積部と、前記シミュレーションモデルを受けてシミュレーションを行うシミュレーション部と、実世界での統計情報を蓄積する実世界統計情報蓄積部と、前記シミュレーションモデルと前記統計情報とに基づいてシミュレーションモデル補正手法を作成するシミュレーションモデル補正手法作成部と、前記シミュレーションモデル補正手法と前記シミュレーションの結果とに基づいて前記シミュレーションモデルを補正するシミュレーションモデル補正部と、を備える」ことが記載されている。
The technique of
特許文献1に記載の技術では、統計情報とシミュレーション結果とが一致するようにシミュレーションモデルを補正しているため、リアルタイムなシミュレーション及び将来の予測を考慮したシミュレーションには適用できない。
The technology described in
本発明は、現在の状況又は将来の予測に基づいて、シミュレーションモデルを補正する方法、システム、及びプログラムを提供することを目的とする。 The present invention aims to provide a method, system and program for correcting a simulation model based on the current situation or the future prediction.
本願において開示される発明の代表的な一例を示せば以下の通りである。すなわち、粒度が異なるシミュレーションを実行するシステムにおけるシミュレーション方法であって、前記システムは、プロセッサ、前記プロセッサに接続されるメモリ、及び前記プロセッサに接続されるネットワークインタフェースを有する少なくとも一つの計算機を備え、前記少なくとも一つの計算機は、第1のシミュレーション及び前記第1のシミュレーションより粒度が大きい第2のシミュレーションの定義情報であるモデルを管理するモデル管理情報と、前記第1のシミュレーションに使用される第1のデータの履歴を管理する履歴管理情報と、を保持し、前記シミュレーション方法は、前記少なくとも一つの計算機が、前記履歴管理情報から取得した前記第1のデータを用いて、前記第2のシミュレーションに使用される第2のデータを生成する第1のステップと、前記少なくとも一つの計算機が、前記第2のデータ及び前記モデル管理情報から取得した前記第2のシミュレーションのモデルに基づいて、前記第2のシミュレーションを実行して、第2のシミュレーション結果を出力する第2のステップと、前記少なくとも一つの計算機が、前記履歴管理情報から取得した前記第1のデータ及び前記モデル管理情報から取得した前記第1のシミュレーションのモデルに基づいて、前記第1のシミュレーションを実行して、第1のシミュレーション結果を出力する第3のステップと、前記少なくとも一つの計算機が、前記第1のシミュレーション結果及び前記第2のシミュレーション結果に基づいて、前記第1のシミュレーションのモデル及び前記第2のシミュレーションのモデルの少なくともいずれかを補正する第4のステップと、を含むことを特徴とする。 The following is a representative example of the invention disclosed in the present application. That is, a simulation method in a system that executes simulations with different granularity, wherein the system comprises at least one computer having a processor, a memory connected to the processor, and a network interface connected to the processor. At least one computer includes model management information for managing a model that is definition information of a first simulation and a second simulation having a larger particle size than the first simulation, and a first for use in the first simulation. History management information for managing the history of data, and the simulation method is used for the second simulation by using the first data acquired by the at least one computer from the history management information Second done Performing the second simulation based on a first step of generating data, and the at least one computer based on the second data and the model of the second simulation acquired from the model management information; A second step of outputting a second simulation result, and the model of the first simulation acquired from the first data acquired from the history management information and the model management information by the at least one computer And a third step of executing the first simulation to output a first simulation result, and the at least one computer based on the first simulation result and the second simulation result. A model of the first simulation and the second simulation Characterized in that it comprises a fourth step of correcting at least one of emissions model, a.
本発明によれば、リアルタイムなシミュレーション及び将来の予測を考慮したシミュレーションを実現することができる。前述した以外の課題、構成及び効果は、以下の実施例の説明によって明らかにされる。 According to the present invention, it is possible to realize simulation in consideration of real time simulation and future prediction. Problems, configurations, and effects other than those described above will be clarified by the description of the following embodiments.
以下、本発明に係る実施例を添付図面を用いて説明する。各図において共通の構成については同一の参照符号が付されている。 Hereinafter, an embodiment according to the present invention will be described with reference to the attached drawings. The same reference numerals are given to the same configuration in each drawing.
図1は、実施例1のシミュレーションシステムのハードウェア構成を示す図である。 FIG. 1 is a diagram illustrating a hardware configuration of a simulation system according to a first embodiment.
図1に示すシミュレーションシステムは、統合処理サーバ100、データベースサーバ110、マクロシミュレーション実行サーバ120、ミクロシミュレーション実行サーバ130、及びユーザ端末140から構成される。各装置はネットワーク190を介して接続される。なお、ネットワーク190の種類としては、WAN(Wide Area Network)及びLAN(Local Area Network)等が考えられる。また、ネットワーク190の接続方式は、有線又は無線のいずれでもよい。
The simulation system shown in FIG. 1 includes an
統合処理サーバ100は、シミュレーションの定義情報であるシミュレーションモデルを補正する。なお、シミュレーションモデルは、シミュレーションを特徴付けるパラメータ及び入力値を代入する変数等を含む。統合処理サーバ100は、ハードウェアとして、CPU101、メモリ102、ストレージ装置103、及びネットワークインタフェース104を有する。各ハードウェアは内部バス等を介して接続される。
The integrated
CPU101は、メモリ102に格納されるプログラムを実行する。CPU101がプログラムにしたがって処理を実行することによって、所定の機能を有するモジュールとして動作する。以下の説明では、モジュールを主語に処理を説明する場合、CPU101が、当該モジュールを実現するプログラムを実行していることを表す。
The
メモリ102は、CPU101が実行するプログラム及び当該プログラムに必要な情報を格納する。また、メモリ102は、プログラムが一時的に使用するワークエリアを含む。
The
ストレージ装置103は、データを永続的に格納する。ストレージ装置103は、HDD(Hard Disk Drive)及びSSD(Solid State Drive)等の記憶媒体、又は不揮発性メモリ等が考えられる。なお、メモリ102に格納されるプログラム及び情報は、ストレージ装置103に格納されてもよい。この場合、CPU101は、ストレージ装置103からプログラム及び情報を読み出し、メモリ102にプログラム及び情報をロードし、また、メモリ102にロードされたプログラムを実行する。
The
ネットワークインタフェース104は、ネットワークを介して他の装置と接続する。
The
データベースサーバ110は、各種データを管理する。データベースサーバ110は、ハードウェアとして、CPU111、メモリ112、ストレージ装置113、及びネットワークインタフェース114を有する。各ハードウェアは内部バス等を介して接続される。
The
CPU111、メモリ112、ストレージ装置113、及びネットワークインタフェース114は、CPU101、メモリ102、ストレージ装置103、及びネットワークインタフェース104と同様のハードウェアである。
The
マクロシミュレーション実行サーバ120は、マクロシミュレーションを実行する。例えば、交通に関するマクロシミュレーションとしては、交通量及び渋滞等を予測するシミュレーションが考えられる。マクロシミュレーション実行サーバ120は、ハードウェアとして、CPU121、メモリ122、ストレージ装置123、及びネットワークインタフェース124を有する。各ハードウェアは内部バス等を介して接続される。
The macro
CPU121、メモリ122、ストレージ装置123、及びネットワークインタフェース124は、CPU101、メモリ102、ストレージ装置103、及びネットワークインタフェース104と同様のハードウェアである。
The
ミクロシミュレーション実行サーバ130は、マクロシミュレーションより粒度が小さいミクロシミュレーションを実行する。例えば、交通に関するミクロシミュレーションとしては、個々の車両の最適経路を予測するシミュレーションが考えられる。ミクロシミュレーション実行サーバ130は、ハードウェアとして、CPU131、メモリ132、ストレージ装置133、及びネットワークインタフェース134を有する。各ハードウェアは内部バス等を介して接続される。
The micro
CPU131、メモリ132、ストレージ装置133、及びネットワークインタフェース134は、CPU101、メモリ102、ストレージ装置103、及びネットワークインタフェース104と同様のハードウェアである。
The CPU 131, the
ユーザ端末140は、ユーザが使用する端末である。ユーザは、ユーザ端末140を用いて、シミュレーションの実行及びシミュレーションモデルの補正を指示する。ユーザ端末140は、ハードウェアとして、CPU141、メモリ142、ストレージ装置143、ネットワークインタフェース144、入力装置145、及び出力装置146を有する。各ハードウェアは内部バス等を介して接続される。
The
CPU141、メモリ142、ストレージ装置143、及びネットワークインタフェース144は、CPU101、メモリ102、ストレージ装置103、及びネットワークインタフェース104と同様のハードウェアである。
The
入力装置145は、データ等を入力するための装置であり、キーボード、マウス、及びタッチパネル等を含む。
The
出力装置146は、データ等を出力するための装置であり、ディスプレイ及びタッチパネル等を含む。 The output device 146 is a device for outputting data and the like, and includes a display, a touch panel, and the like.
図2は、実施例1のシミュレーションシステムのソフトウェア構成を示す図である。 FIG. 2 is a diagram showing a software configuration of the simulation system of the first embodiment.
データベースサーバ110は、シミュレーションモデル情報211、履歴管理情報212、及び空間定義情報213を保持する。
The
シミュレーションモデル情報211は、シミュレーションモデルを管理する情報である。シミュレーションモデル情報211には、一つ以上のマクロシミュレーションのシミュレーションモデル及び一つ以上のミクロシミュレーションのシミュレーションモデルが格納される。 The simulation model information 211 is information for managing a simulation model. The simulation model information 211 stores one or more macro simulation simulation models and one or more micro simulation simulation models.
履歴管理情報212は、ミクロシミュレーションにおけるエージェントから取得した各種データを格納する。 The history management information 212 stores various data acquired from an agent in micro simulation.
空間定義情報213は、履歴管理情報212に格納されるデータからマクロシミュレーションに用いられるデータ(統計データ)を生成するための情報である。例えば、移動体の動きを分析するミクロシミュレーションにおいて、移動体が移動する空間及び取得するデータの時間範囲等の情報が空間定義情報213に格納される。 The space definition information 213 is information for generating data (statistical data) used for macro simulation from data stored in the history management information 212. For example, in micro simulation for analyzing the movement of a moving object, information such as a space in which the moving object moves and a time range of acquired data is stored in the space definition information 213.
統合処理サーバ100は、前処理モジュール201、統計データ生成モジュール202、及びモデル補正モジュール203を実現するプログラムを保持する。
The
前処理モジュール201は、履歴管理情報212からミクロシミュレーションに使用する観測データ301(図3参照)を生成する。 The preprocessing module 201 generates observation data 301 (see FIG. 3) used for micro simulation from the history management information 212.
統計データ生成モジュール202は、観測データ301及び空間定義情報213に基づいて、ミクロシミュレーションに使用する統計データ303(図3参照)を生成する。
The statistical
モデル補正モジュール203は、マクロシミュレーションの処理結果及びミクロシミュレーションの処理結果に基づいてシミュレーションモデルを補正する。 The model correction module 203 corrects the simulation model based on the processing result of the macro simulation and the processing result of the micro simulation.
マクロシミュレーション実行サーバ120は、マクロシミュレーションを実行するマクロシミュレーション実行モジュール221を実現するプログラムを保持する。
The macro
ミクロシミュレーション実行サーバ130は、ミクロシミュレーションを実行するミクロシミュレーション実行モジュール231を実現するプログラムを保持する。
The micro
ユーザ端末140は、統合処理サーバ100等に対する操作を行うアプリケーション241を実現するプログラムを保持する。
The
図3は、実施例1のシミュレーションモデルの補正処理におけるシミュレーションシステムの動作を示す図である。 FIG. 3 is a diagram showing the operation of the simulation system in the correction process of the simulation model of the first embodiment.
統合処理サーバ100は、ユーザ端末140のアプリケーション241からシミュレーションモデルの補正要求を受け付けた場合、前処理モジュール201を呼び出す。
The
前処理モジュール201は、データベースサーバ110にアクセスして、空間定義情報213を取得し、また、履歴管理情報212から所定の時間範囲のデータを取得する。前処理モジュール201は、空間定義情報213及び履歴管理情報212から取得したデータを用いてデータ変換処理及びデータの抽出処理等の処理を実行し、観測データ301を生成する。
The preprocessing module 201 accesses the
次に、統合処理サーバ100は、統計データ生成モジュール202を呼び出す。このとき、統計データ生成モジュール202には、観測データ301及び空間定義情報213が入力される。
Next, the
統計データ生成モジュール202は、観測データ301及び空間定義情報213を用いて統計データ303を生成する。
The statistical
次に、統合処理サーバ100は、統計データ303を含むマクロシミュレーションの実行指示をマクロシミュレーション実行サーバ120に送信し、また、観測データ301を含むミクロシミュレーションの実行指示をミクロシミュレーション実行サーバ130に送信する。
Next, the
マクロシミュレーション実行サーバ120は、実行指示を受け付けた場合、マクロシミュレーション実行モジュール221を呼び出す。
When the macro
マクロシミュレーション実行モジュール221は、データベースサーバ110にアクセスし、シミュレーションモデル情報211からマクロシミュレーションのシミュレーションモデルを取得する。マクロシミュレーション実行モジュール221は、シミュレーションモデル及び統計データ303を用いてマクロシミュレーションを実行し、処理結果を予測データ304として統合処理サーバ100に送信する。
The macro
ミクロシミュレーション実行サーバ130は、実行指示を受け付けた場合、ミクロシミュレーション実行モジュール231を呼び出す。
The micro
ミクロシミュレーション実行モジュール231は、データベースサーバ110にアクセスし、シミュレーションモデル情報211からミクロシミュレーションのシミュレーションモデルを取得する。ミクロシミュレーション実行モジュール231は、シミュレーションモデル及び観測データ301を用いてミクロシミュレーションを実行し、処理結果を予測データ302として統合処理サーバ100に送信する。
The micro
統合処理サーバ100は、マクロシミュレーション実行サーバ120及びミクロシミュレーション実行サーバ130から予測データ302、304を受信した場合、モデル補正モジュール203を呼び出す。このとき、モデル補正モジュール203には、予測データ302、304が入力される。
When receiving the predicted
モデル補正モジュール203は、データベースサーバ110にアクセスし、シミュレーションモデル情報211からマクロシミュレーションのシミュレーションモデル及びミクロシミュレーションのシミュレーションモデルを取得する。モデル補正モジュール203は、予測データ302、304を用いて、ミクロシミュレーションのシミュレーションモデル及びマクロシミュレーションのシミュレーションモデルの少なくともいずれかを補正する。本実施例では、ミクロシミュレーションのシミュレーションモデルが補正されるものとする。また、モデル補正モジュール203は、補正したミクロシミュレーションのシミュレーションモデルを、実行するミクロシミュレーションのシミュレーションモデルとしてシミュレーションモデル情報211に登録する。
The model correction module 203 accesses the
このように、本実施例のシステムは、ミクロシミュレーションを実行し、ミクロシミュレーションに使用するデータから生成された統計データ303を用いてマクロシミュレーションを実行し、各処理結果が整合するようにシミュレーションモデルを補正する。
Thus, the system of this embodiment executes micro simulation, performs macro simulation using
従来は、履歴に合致するようにシミュレーションモデルを補正していたため、状態変化に対応したシミュレーションを必ずしも実現できなかった。一方、本実施例では、各シミュレーションの結果を比較し、比較結果に基づいて各シミュレーションモデルを補正する。シミュレーションは様々な状況変化を予測する処理であることから、本実施例のような補正を行うことによって環境の変化等の状態変化に対応したシミュレーションが可能となる。 In the past, the simulation model was corrected so as to match the history, so that it was not always possible to realize the simulation corresponding to the state change. On the other hand, in the present embodiment, the results of each simulation are compared, and each simulation model is corrected based on the comparison result. Since the simulation is a process of predicting various situation changes, it is possible to perform a simulation corresponding to a state change such as an environmental change by performing the correction as in this embodiment.
図4は、実施例1の統合処理サーバ100が実行する処理の一例を説明するフローチャートである。
FIG. 4 is a flowchart for explaining an example of processing executed by the
統合処理サーバ100は、ユーザ端末140からシミュレーションモデルの補正要求を受け付ける(ステップS401)。
The
次に、統合処理サーバ100は、空間定義情報213を取得し、また、履歴管理情報212から所定の時間範囲のデータを取得する(ステップS402)。
Next, the
具体的には、前処理モジュール201が、データベースサーバ110にアクセスし、履歴管理情報212から所定の時間範囲のデータを取得する。なお、時間範囲は、ユーザが指定してもよいし、予め設定されてもよい。また、前処理モジュール201は、マクロシミュレーションのシミュレーションモデルを参照し、時間範囲を決定してもよい。
Specifically, the preprocessing module 201 accesses the
次に、統合処理サーバ100は、観測データ301を生成する(ステップS403)。
Next, the
具体的には、前処理モジュール201が、空間定義情報213及び履歴管理情報212から取得したデータを用いて観測データ301を生成する。 Specifically, the preprocessing module 201 generates observation data 301 using data acquired from the space definition information 213 and the history management information 212.
次に、統合処理サーバ100は、統計データ303を生成する(ステップS404)。
Next, the
具体的には、統計データ生成モジュール202が、空間定義情報213及び観測データ301を用いて統計データ303を生成する。
Specifically, the statistical
次に、統合処理サーバ100は、マクロシミュレーション実行サーバ120に、統計データ303を含むマクロシミュレーションの実行指示を送信する(ステップS405)。
Next, the
次に、統合処理サーバ100は、マクロシミュレーション実行サーバ120から予測データ304を受信する(ステップS406)。このとき、統合処理サーバ100は、受信した予測データ304を、シミュレーションモデルの補正要否を判定するための指標に設定する。
Next, the
次に、統合処理サーバ100は、ミクロシミュレーション実行サーバ130に、観測データ301を含むミクロシミュレーションの実行指示を送信する(ステップS407)。なお、統合処理サーバ100は、予測データ304を受信する前に、ミクロシミュレーションの実行指示を送信してもよい。
Next, the
次に、統合処理サーバ100は、シミュレーションモデルの補正処理を実行する(ステップS408)。シミュレーションモデルの補正処理の詳細は、図6を用いて説明する。
Next, the
なお、本実施例は、マクロシミュレーション及びミクロシミュレーションの処理内容に限定されない。 In addition, a present Example is not limited to the processing content of macro simulation and micro simulation.
図5A及び図5Bは、実施例1のミクロシミュレーション実行サーバ130が実行する処理の一例を説明するフローチャートである。
5A and 5B are flowcharts illustrating an example of processing executed by the micro
図5Aは、シミュレーションモデル情報211に格納されるミクロシミュレーションのシミュレーションモデルが一つである場合の処理を示す。 FIG. 5A shows processing in the case where there is one simulation model of micro simulation stored in the simulation model information 211.
ミクロシミュレーション実行モジュール231は、実行指示を受信した場合、データベースサーバ110にアクセスして、シミュレーションモデル情報211からシミュレーションモデルを取得する(ステップS501)。
When the micro
ミクロシミュレーション実行モジュール231は、取得したシミュレーションモデル及び実行指示に含まれる観測データ301を用いて、ミクロシミュレーションを実行する(ステップS502)。
The micro
ミクロシミュレーション実行モジュール231は、統合処理サーバ100に、ミクロシミュレーションの処理結果である予測データ302を送信し(ステップS503)、また、完了通知を送信する(ステップS504)。
The micro
図5Bは、シミュレーションモデル情報211に格納されるミクロシミュレーションのシミュレーションモデルが二つ以上である場合の処理を示す。 FIG. 5B shows processing in the case where there are two or more micro simulation simulation models stored in the simulation model information 211.
ミクロシミュレーション実行モジュール231は、実行指示を受信した場合、データベースサーバ110にアクセスして、シミュレーションモデル情報211から全てのミクロシミュレーションのシミュレーションモデルを取得する(ステップS511)。
When the micro
ミクロシミュレーション実行モジュール231は、複数のシミュレーションモデルの中からターゲットシミュレーションモデルを一つ選択する(ステップS512)。
The micro
ミクロシミュレーション実行モジュール231は、ターゲットシミュレーションモデル及び実行指示に含まれる観測データ301を用いて、ミクロシミュレーションを実行する(ステップS513)。
The micro
ミクロシミュレーション実行モジュール231は、統合処理サーバ100に、予測データ302を送信する(ステップS514)。このとき、ミクロシミュレーション実行モジュール231は、ターゲットシミュレーションモデルの識別情報とともに、予測データ302を送信する。
The micro
ミクロシミュレーション実行モジュール231は、取得した全てのシミュレーションモデルについて処理が完了したか否かを判定する(ステップS515)。
The micro
取得した全てのシミュレーションモデルについて処理が完了していないと判定された場合、ミクロシミュレーション実行モジュール231は、ステップS512に戻り、同様の処理を実行する。
If it is determined that the process has not been completed for all the acquired simulation models, the micro
取得した全てのシミュレーションモデルについて処理が完了したと判定された場合、ミクロシミュレーション実行モジュール231は、統合処理サーバ100に、完了通知を送信する(ステップS516)。
If it is determined that the processing has been completed for all the acquired simulation models, the micro
なお、ミクロシミュレーション実行モジュール231は、統合処理サーバ100又はユーザ端末140からの要求に応じて、シミュレーション後のエージェントの状態を示す内部情報を提示してよい。
The micro
図6は、実施例1の統合処理サーバ100が実行するシミュレーションモデルの補正処理の一例を説明するフローチャートである。
FIG. 6 is a flowchart for explaining an example of a simulation model correction process performed by the
統合処理サーバ100は、ミクロシミュレーション実行サーバ130から、実行指示に対する応答を受信した場合、モデル補正モジュール203を呼び出す。
When receiving the response to the execution instruction from the micro
モデル補正モジュール203は、受信した応答が完了通知であるか否かを判定する(ステップS601)。 The model correction module 203 determines whether the received response is a completion notification (step S601).
受信した応答が予測データ302であると判定された場合、モデル補正モジュール203は、受信した予測データ302をメモリ102のワークエリアに格納する(ステップS602)。その後、モデル補正モジュール203は、待ち状態に移行し、応答を受信した場合、ステップS601に戻る。
If it is determined that the received response is the
なお、予測データ302及びシミュレーションモデルの識別情報が含まれる場合、モデル補正モジュール203は、予測データ302及びシミュレーションモデルの識別情報を対応づけて、メモリ102のワークエリアに格納する。
When the
受信した応答が完了通知であると判定された場合、モデル補正モジュール203は、予測データ302を複数回受信したか否かを判定する(ステップS603)。
If it is determined that the received response is a completion notification, the model correction module 203 determines whether the
具体的には、モデル補正モジュール203は、メモリ102のワークエリアを参照し、二つ以上の予測データ302が格納されているか否かを判定する。
Specifically, the model correction module 203 refers to the work area of the
予測データ302を複数回受信したと判定された場合、モデル補正モジュール203は、各シミュレーションモデルの統計量を算出する(ステップS604)。
If it is determined that the
具体的には、モデル補正モジュール203は、一つの予測データ302を選択し、当該予測データ302を用いて、マクロシミュレーションの処理結果と対比可能な統計量を算出する。統計量の算出方法は予め設定されているものとする。なお、統計量の算出方法は、シミュレーションモデルとともに対応づけて管理されてもよい。モデル補正モジュール203は、メモリ102のワークエリアに格納される全ての予測データ302について同様の処理を実行する。
Specifically, the model correction module 203 selects one
次に、モデル補正モジュール203は、各シミュレーションモデルの統計量及び判定指標の差分を算出し、当該差分に基づいて、実際に使用するシミュレーションモデルを選択する(ステップS605)。このとき、モデル補正モジュール203は、選択されたシミュレーションモデルに、使用するシミュレーションモデルであることを示すフラグを付与する。その後、モデル補正モジュール203はシミュレーションモデルの補正処理を終了する。 Next, the model correction module 203 calculates the difference between the statistics of each simulation model and the determination index, and selects a simulation model to be actually used based on the difference (step S605). At this time, the model correction module 203 gives the selected simulation model a flag indicating that it is a simulation model to be used. Thereafter, the model correction module 203 ends the correction process of the simulation model.
ミクロシミュレーション実行モジュール231は、通常の分析を目的としたミクロシミュレーションを実行する場合、当該フラグが付与されたシミュレーションモデルを用いてミクロシミュレーションを実行する。
The micro
具体的には、モデル補正モジュール203は、統計量及び判定指標の差分を算出し、当該差分が最も小さい統計量に対応するシミュレーションモデルを選択する。 Specifically, the model correction module 203 calculates the difference between the statistic and the determination index, and selects a simulation model corresponding to the statistic with the smallest difference.
ステップS603において、予測データ302を複数回受信していないと判定された場合、モデル補正モジュール203は、シミュレーションモデルの統計量を算出する(ステップS606)。なお、統計量の算出方法は、ステップS604と同一である。
If it is determined in step S603 that the
次に、モデル補正モジュール203は、シミュレーションモデルの統計量及び判定指標の差分が閾値m以下であるか否かを判定する(ステップS607)。 Next, the model correction module 203 determines whether the difference between the statistical value of the simulation model and the determination index is equal to or less than the threshold value m (step S 607).
差分が閾値m以下であると判定された場合、モデル補正モジュール203はシミュレーションモデルの補正処理を終了する。 If it is determined that the difference is equal to or less than the threshold value m, the model correction module 203 ends the correction process of the simulation model.
差分が閾値mより大きいと判定された場合、モデル補正モジュール203は、シミュレーションモデルを補正し(ステップS608)、補正されたシミュレーションモデルをシミュレーションモデル情報211に登録する。例えば、モデル補正モジュール203は、シミュレーションモデルに含まれるパラメータを補正する方法が考えられる。 If it is determined that the difference is larger than the threshold m, the model correction module 203 corrects the simulation model (step S608), and registers the corrected simulation model in the simulation model information 211. For example, the model correction module 203 may consider a method of correcting parameters included in a simulation model.
ミクロシミュレーション実行モジュール231は、通常の分析を目的としたミクロシミュレーションを実行する場合、補正されたシミュレーションモデルを用いてミクロシミュレーションを実行する。
The micro
次に、モデル補正モジュール203は、ミクロシミュレーション実行サーバ130にミクロシミュレーションの実行指示を送信する(ステップS609)。その後、モデル補正モジュール203はシミュレーションモデルの補正処理を終了する。したがって、シミュレーションモデルの統計量及び判定指標の差分が閾値m以下となるまで、シミュレーションモデルの補正が行われる。 Next, the model correction module 203 transmits a micro simulation execution instruction to the micro simulation execution server 130 (step S609). Thereafter, the model correction module 203 ends the correction process of the simulation model. Therefore, the correction of the simulation model is performed until the difference between the statistics of the simulation model and the determination index becomes equal to or less than the threshold value m.
以上で説明したように、実施例1では、ミクロシミュレーションのシミュレーションモデルが、マクロシミュレーションの処理結果と整合するように補正される。 As described above, in the first embodiment, the simulation model of the micro simulation is corrected to match the processing result of the macro simulation.
例えば、現在時刻から所定の時間前の間のデータを使用して統計データを生成することによって、大域的な状態変化等を反映したシミュレーションモデルに補正することができる。また、マクロシミュレーションに使用する統計データを予め用意する必要がない。 For example, by generating statistical data using data between a current time and a predetermined time before, it is possible to correct a simulation model reflecting a global state change or the like. In addition, it is not necessary to prepare in advance statistical data to be used for macro simulation.
なお、実施例1では、ミクロシミュレーションのシミュレーションモデルを補正する例を示したが、マクロシミュレーションのシミュレーションモデルが補正されてもよい。 In addition, although the example which correct | amends the simulation model of micro simulation in Example 1 was shown, the simulation model of macro simulation may be correct | amended.
なお、本実施例では、物理的な計算機を用いて各サーバを実現しているが、仮想化技術を用いて各サーバを実現してもよい。また、各サーバが有する機能を一つの計算機に集約してもよい。例えば、統合処理サーバ100、マクロシミュレーション実行サーバ120、及びミクロシミュレーション実行サーバ130を一つの計算機に集約してもよい。また、統合処理サーバ100及びデータベースサーバ110を一つの計算機に集約してもよい。
In the present embodiment, each server is realized using a physical computer, but each server may be realized using a virtualization technology. Also, the functions possessed by each server may be integrated into one computer. For example, the
実施例2では、実施例1のシミュレーションシステムを具体的な値を用いて説明する。実施例2のシミュレーションシステムは、船舶の運行をシミュレーションする。システム構成及びソフトウェア構成は実施例1で説明しているため省略する。実施例2のミクロシミュレーションのエージェントは船舶である。 In the second embodiment, the simulation system of the first embodiment will be described using specific values. The simulation system of the second embodiment simulates the operation of a ship. The system configuration and the software configuration are omitted in the first embodiment because they are described. The agent of micro simulation of Example 2 is a ship.
図7は、実施例2の履歴管理情報212の一例を示す図である。 FIG. 7 is a diagram of an example of the history management information 212 according to the second embodiment.
履歴管理情報212は、船舶の状態情報を格納する。具体的には、履歴管理情報212は、時刻701、移動体ID702、経度703、緯度704、及び目的地705から構成されるエントリを含む。
The history management information 212 stores ship state information. Specifically, the history management information 212 includes an entry composed of a
時刻701は、状態情報を取得した時刻である。移動体ID702は、船舶を一意に識別する識別情報である。経度703及び緯度704は、船舶の詳細な位置を示す情報である。目的地705は、船舶の行き先となる場所を示す情報である。
図8は、実施例2の空間定義情報213の一例を示す図である。 FIG. 8 is a diagram showing an example of space definition information 213 of the second embodiment.
空間定義情報213は、船舶が移動する空間(XY平面)を定義する情報800、及び履歴の時間を定義する情報810を含む。
The space definition information 213 includes
情報800は、空間次元801及び空間メッシュ802から構成されるエントリを含む。空間次元801は、空間を定義する座標の識別情報である。空間メッシュ802は、座標方向の空間の分割単位である。
情報810は、時間次元811及び時間ステップ812から構成されるエントリを含む。時間次元811は、履歴を取得する単位時間を示す情報である。時間ステップ812は、状態情報を集約する時間単位を示す情報である。
図9は、実施例2の観測データ301の一例を示す図である。 FIG. 9 is a view showing an example of observation data 301 of the second embodiment.
実施例2の観測データ301は、ミクロシミュレーションが使用するデータである。具体的には、入力データは、時刻901、移動体ID902、位置(X)903、位置(Y)904、速度(X)905、速度(Y)906、及び目的地907から構成されるエントリを含む。
Observation data 301 of the second embodiment is data used by the micro simulation. Specifically, the input data is an entry composed of
時刻901は、時刻701と同一のものである。移動体ID902は、移動体ID702と同一のものである。位置(X)903は、空間上の船舶のX軸の位置を示す。位置(Y)904は、空間上の船舶のY軸の位置を示す。速度(X)905は、船舶のX軸方向の速度を示す。速度(Y)906は、船舶のY軸方向の速度を示す。目的地907は目的地705と同一のものである。
The
図10は、実施例2の統計データ303の一例を示す図である。
FIG. 10 is a diagram of an example of
実施例2の統計データ303は、ある時刻における空間上の船舶の密度を示す。具体的には、統計データ303は、時刻1001、地点ID1002、及び密度1003から構成されるエントリを含む。
The
時刻1001は、統計データの生成の起点となる時刻等を示す。地点ID1002は、空間上のある地点(地域)の識別情報である。密度1003は、地点ID1002に対応する地点における船舶の密度である。
A
図11は、実施例2の予測データ304の一例を示す図である。
FIG. 11 is a diagram of an example of the
実施例2の予測データ304は、統計データ303と同一のデータ構造である。予測データ304には、マクロシミュレーションが実行された後の各地点の密度を示す情報が格納される。なお、時刻1101には、マクロシミュレーション後の時刻が設定される。
The
実施例2では、各地点の密度が判定指標として設定される。 In the second embodiment, the density of each point is set as the determination index.
図12は、実施例2の予測データ302の一例を示す図である。
FIG. 12 is a diagram illustrating an example of the
実施例2の予測データ302には、ミクロシミュレーションが実行された後の各船舶の状態を示す情報が格納される。具体的には、予測データ302は、時刻1201、移動体ID1202、位置(X)1203、位置(Y)1204、及び目的地1205から構成されるエントリを含む。
The
時刻1201は、ミクロシミュレーション後の時刻である。移動体ID1202及び目的地1205は、移動体ID902及び目的地907と同一のものである。位置(X)1203及び位置(Y)1204は、ミクロシミュレーション後の船舶のX軸及びY軸の位置である。
図13A及び図13Bは、実施例2のミクロシミュレーションの処理結果から算出される統計量の一例を示す図である。 13A and 13B are diagrams showing an example of statistics calculated from the processing result of the micro simulation of the second embodiment.
実施例2では、予測データ302に基づいて、各地点の船舶の密度が統計量として算出される。統計量は、時刻1301、地点ID1302、密度1303、判定指標1304、及び差分1305から構成されるエントリを含む。
In the second embodiment, based on the
時刻1301、地点1302、及び密度1303は、時刻1001、地点ID1002、及び密度1003と同一のものである。判定指標1304は、密度1103と同一のものである。差分1305は、密度1303及び判定指標1304の差分の大きさである。
The
図14は、実施例2のマクロシミュレーション実行サーバ120が出力する内部情報の一例を示す図である。
FIG. 14 is a diagram illustrating an example of internal information output by the macro
内部情報は、ミクロシミュレーション後の船舶の状態を示す情報を格納する。具体的には、内部情報は、時刻1401、移動体ID1402、速度1403、及び進行方向1404から構成されるエントリを含む。
The internal information stores information indicating the state of the ship after micro simulation. Specifically, the internal information includes an entry composed of
時刻1401は、シミュレーション後の時刻である。移動体ID1402は、移動体ID702と同一のものである。速度1403は、船舶の速度の絶対値である。進行方向1404は、船舶の進行方向である。
ここで、図3を用いて実施例2の処理の流れについて説明する。 Here, the flow of the process of the second embodiment will be described with reference to FIG.
前処理モジュール201は、図7に示す履歴管理情報212及び図8に示す空間定義情報213を用いて、図9に示す観測データ301を生成する。 The preprocessing module 201 generates observation data 301 shown in FIG. 9 using the history management information 212 shown in FIG. 7 and the space definition information 213 shown in FIG.
統計データ生成モジュール202は、図8に示す空間定義情報213及び図9に示す観測データ301を用いて、図10に示す統計データ303を生成する。
The statistical
マクロシミュレーション実行モジュール221は、図10に示す統計データ303を用いたマクロシミュレーションを実行して、5分後の各地点の密度を算出する。具体的には、図11に示す予測データ304が出力される。
The macro
ミクロシミュレーション実行モジュール231は、図9に示す観測データ301を用いたミクロシミュレーションを実行して、5分後の各船舶の位置を算出する。具体的には、図12に示す予測データ302が出力される。
The micro
ここでは、図5Aに示すミクロシミュレーションが実行されたものとする。 Here, it is assumed that the micro simulation shown in FIG. 5A is performed.
モデル補正モジュール203は、予測データ304を各地点の判定指標として設定し、また、予測データ302を用いて統計量を算出する。モデル補正モジュール203は、各地点について判定指標と統計量との差分を算出する。以上の処理結果として、図13A及び図13Bに示すような結果が出力される。
The model correction module 203 sets the
モデル補正モジュール203は、各地点の差分の合計値が閾値m以下であるか否かを判定する。各地点の差分の合計値が閾値mより大きいと判定された場合、シミュレーションモデルを補正する。 The model correction module 203 determines whether the total value of the differences at each point is equal to or less than the threshold value m. If it is determined that the sum of the differences at each point is greater than the threshold m, the simulation model is corrected.
このように、マクロシミュレーションの処理結果及びミクロシミュレーションの処理結果が整合するようにミクロシミュレーションのシミュレーションモデルを補正することによって、将来の状態変化に対応したシミュレーションが可能となる。 As described above, by correcting the simulation model of the micro simulation so that the processing result of the macro simulation and the processing result of the micro simulation match, it is possible to perform a simulation corresponding to a future state change.
実施例3では、実施例1のシミュレーションシステムを具体的な値を用いて説明する。実施例3のシミュレーションシステムは、商品の売上等をシミュレーションする。システム構成及びソフトウェア構成は実施例1で説明しているため省略する。実施例3のミクロシミュレーションのエージェントは顧客である。したがって、履歴管理情報212には、時系列順に、顧客の商品の購買履歴が格納される。 In the third embodiment, the simulation system of the first embodiment will be described using specific values. The simulation system of the third embodiment simulates sales and the like of products. The system configuration and the software configuration are omitted in the first embodiment because they are described. The agent of the micro simulation of the third embodiment is a customer. Therefore, the history management information 212 stores the purchase history of the product of the customer in chronological order.
ここで、図3を用いて実施例2の処理の流れについて説明する。 Here, the flow of the process of the second embodiment will be described with reference to FIG.
前処理モジュール201は、履歴管理情報212及び空間定義情報213を用いて、購買商品の識別情報、購買数、購買額、及び広告認知の有無等を示すフィールド群から構成されるエントリを含む観測データ301を生成する。 The preprocessing module 201 uses the history management information 212 and the space definition information 213 to make observation data including an entry including a group of fields indicating identification information of purchased goods, number of purchases, purchase amount, presence or absence of advertisement recognition, etc. Generate 301.
ここで、実施例3の空間定義情報213について説明する。図15は、実施例3の空間定義情報213の一例を示す図である。 Here, the space definition information 213 of the third embodiment will be described. FIG. 15 is a diagram illustrating an example of space definition information 213 according to the third embodiment.
実施例3の空間定義情報213は、実施例2の空間定義情報213と同様のデータ構造である。実施例3では、物理的な空間ではなく、商品の空間を想定する。当該空間は、商品カテゴリを示す軸及び商品等級を示す軸から構成される。空間メッシュ802には、商品カテゴリの軸の区分を示す情報、及び商品等級の軸の区分を示す情報が格納される。
The space definition information 213 of the third embodiment has the same data structure as the space definition information 213 of the second embodiment. In the third embodiment, not the physical space but the space of the product is assumed. The space is composed of an axis indicating a product category and an axis indicating a product grade. The
また、情報810に示すように、履歴管理情報212には、日付単位の購買履歴が格納され、統計データは、週単位で購買履歴を集計することによって生成されることを示す。
Further, as indicated by the
図3の説明に戻る。 It returns to the explanation of FIG.
統計データ生成モジュール202は、観測データ301及び図15に示す空間定義情報213を用いて、統計データ303を生成する。当該統計データは、各商品カテゴリの1週間後の売上高、売上数、及び広告認知率を示すフィールド群から構成されるエントリを含む。
The statistical
マクロシミュレーション実行モジュール221は、統計データ303を用いたマクロシミュレーションを実行して、予測データ304を出力する。予測データ304は、1週間後の各商品カテゴリの売上高、売上数、及び広告認知率を示すフィールド群から構成されるエントリを含む。
The macro
ミクロシミュレーション実行モジュール231は、観測データ301を用いたミクロシミュレーションを実行して、予測データ302を出力する。予測データ302は、1週間後の、各顧客の購買商品、購買数、購買額、及び広告認知有無を示すフィールド群から構成されるエントリを含む。
The micro
ここでは、図5Aに示すミクロシミュレーションが実行されたものとする。 Here, it is assumed that the micro simulation shown in FIG. 5A is performed.
モデル補正モジュール203は、予測データ304を各商品カテゴリの売上高を判定指標として設定し、また、予測データ302を用いて各商品カテゴリの売上高を示す統計量を算出する。モデル補正モジュール203は、各商品カテゴリについて判定指標と統計量との差分を算出する。
The model correction module 203 sets the
モデル補正モジュール203は、各商品カテゴリの差分の合計値が閾値m以下であるか否かを判定する。各商品カテゴリの差分の合計値が閾値mより大きいと判定された場合、シミュレーションモデルを補正する。 The model correction module 203 determines whether the total value of the differences of each product category is equal to or less than the threshold value m. If it is determined that the sum of the differences of each product category is larger than the threshold m, the simulation model is corrected.
このように、マクロシミュレーションの処理結果及びミクロシミュレーションの処理結果が整合するようにミクロシミュレーションのシミュレーションモデルを補正することによって、将来の状態変化に対応したシミュレーションが可能となる。 As described above, by correcting the simulation model of the micro simulation so that the processing result of the macro simulation and the processing result of the micro simulation match, it is possible to perform a simulation corresponding to a future state change.
なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。また、例えば、上記した実施例は本発明を分かりやすく説明するために構成を詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、実施例の構成の一部について、他の構成に追加、削除、置換することが可能である。 The present invention is not limited to the embodiments described above, but includes various modifications. Further, for example, the above-described embodiments are described in detail in order to explain the present invention in an easy-to-understand manner, and the present invention is not necessarily limited to those having all the described configurations. In addition, part of the configuration of the embodiment can be added to, deleted from, or replaced with another configuration.
また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。また、本発明は、実施例の機能を実現するソフトウェアのプログラムコードによっても実現できる。この場合、プログラムコードを記録した記憶媒体をコンピュータに提供し、そのコンピュータが備えるCPUが記憶媒体に格納されたプログラムコードを読み出す。この場合、記憶媒体から読み出されたプログラムコード自体が前述した実施例の機能を実現することになり、そのプログラムコード自体、及びそれを記憶した記憶媒体は本発明を構成することになる。このようなプログラムコードを供給するための記憶媒体としては、例えば、フレキシブルディスク、CD−ROM、DVD−ROM、ハードディスク、SSD(Solid State Drive)、光ディスク、光磁気ディスク、CD−R、磁気テープ、不揮発性のメモリカード、ROMなどが用いられる。 Further, each of the configurations, functions, processing units, processing means, etc. described above may be realized by hardware, for example, by designing part or all of them with an integrated circuit. The present invention can also be realized by a program code of software that realizes the functions of the embodiment. In this case, a storage medium storing the program code is provided to the computer, and a CPU provided in the computer reads the program code stored in the storage medium. In this case, the program code itself read from the storage medium implements the functions of the above-described embodiments, and the program code itself and the storage medium storing the same constitute the present invention. As a storage medium for supplying such a program code, for example, a flexible disk, a CD-ROM, a DVD-ROM, a hard disk, an SSD (Solid State Drive), an optical disk, a magneto-optical disk, a CD-R, a magnetic tape, A non-volatile memory card, ROM or the like is used.
また、本実施例に記載の機能を実現するプログラムコードは、例えば、アセンブラ、C/C++、perl、Shell、PHP、Java等の広範囲のプログラム又はスクリプト言語で実装できる。 Further, program code for realizing the functions described in the present embodiment can be implemented by a wide range of programs or script languages such as assembler, C / C ++, perl, shell, PHP, Java, and the like.
さらに、実施例の機能を実現するソフトウェアのプログラムコードを、ネットワークを介して配信することによって、それをコンピュータのハードディスクやメモリ等の記憶手段又はCD−RW、CD−R等の記憶媒体に格納し、コンピュータが備えるCPUが当該記憶手段や当該記憶媒体に格納されたプログラムコードを読み出して実行するようにしてもよい。 Furthermore, by distributing the program code of the software for realizing the functions of the embodiment through a network, the program code is stored in a storage means such as a hard disk or a memory of a computer or a storage medium such as a CD-RW or CD-R. The CPU included in the computer may read out and execute the program code stored in the storage unit or the storage medium.
上述の実施例において、制御線や情報線は、説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。全ての構成が相互に接続されていてもよい。 In the above-described embodiment, the control lines and the information lines indicate what is considered necessary for the description, and not all the control lines and the information lines in the product are necessarily shown. All configurations may be connected to each other.
Claims (12)
前記システムは、プロセッサ、前記プロセッサに接続されるメモリ、及び前記プロセッサに接続されるネットワークインタフェースを有する少なくとも一つの計算機を備え、
前記少なくとも一つの計算機は、第1のシミュレーション及び前記第1のシミュレーションより粒度が大きい第2のシミュレーションの定義情報であるモデルを管理するモデル管理情報と、前記第1のシミュレーションに使用される第1のデータの履歴を管理する履歴管理情報と、を保持し、
前記シミュレーション方法は、
前記少なくとも一つの計算機が、前記履歴管理情報から取得した前記第1のデータを用いて、前記第2のシミュレーションに使用される第2のデータを生成する第1のステップと、
前記少なくとも一つの計算機が、前記第2のデータ及び前記モデル管理情報から取得した前記第2のシミュレーションのモデルに基づいて、前記第2のシミュレーションを実行して、第2のシミュレーション結果を出力する第2のステップと、
前記少なくとも一つの計算機が、前記履歴管理情報から取得した前記第1のデータ及び前記モデル管理情報から取得した前記第1のシミュレーションのモデルに基づいて、前記第1のシミュレーションを実行して、第1のシミュレーション結果を出力する第3のステップと、
前記少なくとも一つの計算機が、前記第1のシミュレーション結果及び前記第2のシミュレーション結果に基づいて、前記第1のシミュレーションのモデル及び前記第2のシミュレーションのモデルの少なくともいずれかを補正する第4のステップと、を含むことを特徴とするシミュレーション方法。A simulation method in a system that executes simulations with different particle sizes,
The system comprises at least one computer having a processor, a memory connected to the processor, and a network interface connected to the processor.
The at least one computer includes model management information for managing a model that is definition information of a first simulation and a second simulation having a larger particle size than the first simulation, and a first used for the first simulation. Hold history management information to manage the history of data, and
The simulation method is
A first step of generating the second data to be used for the second simulation by using the first data acquired from the history management information by the at least one computer;
The at least one computer executes the second simulation based on the second data and the model of the second simulation acquired from the model management information, and outputs a second simulation result. 2 steps,
The at least one computer executes the first simulation on the basis of the first data acquired from the history management information and the model of the first simulation acquired from the model management information. The third step of outputting the simulation results of
A fourth step in which the at least one computer corrects at least one of the model of the first simulation and the model of the second simulation based on the first simulation result and the second simulation result And a simulation method characterized by including.
前記第4のステップは、
前記第1のシミュレーション結果を用いて、前記第2のシミュレーション結果と比較可能な統計量を算出する第5のステップと、
前記統計量及び前記第2のシミュレーション結果の比較結果に基づいて、前記第1のシミュレーションのモデルを補正する第6のステップと、を含むことを特徴とするシミュレーション方法。The simulation method according to claim 1, wherein
The fourth step is
A fifth step of calculating a statistic that is comparable to the second simulation result using the first simulation result;
A sixth step of correcting a model of the first simulation based on a comparison result of the statistic and the second simulation result.
前記第6のステップは、
前記統計量と前記第2のシミュレーション結果との間の差分を算出するステップと、
前記差分が小さくなるように前記第1のシミュレーションのモデルを補正するステップと、を含むことを特徴とするシミュレーション方法。The simulation method according to claim 2, wherein
The sixth step is
Calculating a difference between the statistic and the second simulation result;
Correcting the model of the first simulation so as to reduce the difference.
前記モデル管理情報は、複数の第1のシミュレーションのモデルを格納し、
前記第3のステップでは、前記複数の第1のシミュレーションのモデルの各々について前記第1のシミュレーション結果を算出し、
前記第5のステップでは、前記複数の第1のシミュレーション結果の各々について前記統計量を算出し、
前記第6のステップは、
前記複数の統計量の各々と前記第2のシミュレーション結果との間の差分を算出するステップと、
前記差分が最も小さくなる統計量に対応する第1のシミュレーションのモデルを、前記第1のシミュレーションに使用するモデルに決定するステップと、を含むことを特徴とするシミュレーション方法。The simulation method according to claim 2, wherein
The model management information stores models of a plurality of first simulations,
In the third step, the first simulation result is calculated for each of the plurality of first simulation models;
In the fifth step, the statistic is calculated for each of the plurality of first simulation results;
The sixth step is
Calculating a difference between each of the plurality of statistics and the second simulation result;
Determining a model of a first simulation corresponding to the statistic that minimizes the difference as a model to be used for the first simulation.
前記システムは、プロセッサ、メモリ、及びネットワークインタフェースを有する少なくとも一つの計算機を備え、
第1のシミュレーション及び前記第1のシミュレーションより粒度が大きい第2のシミュレーションの定義情報であるモデルを管理するモデル管理部と、
第1のシミュレーションに使用される第1のデータの履歴を管理する履歴管理部と、
前記履歴管理部が管理する前記第1のデータに基づいて、前記第2のシミュレーションに使用される第2のデータを生成する生成部と、
前記履歴管理部から取得した前記第1のデータ及び前記第1のシミュレーションのモデルに基づいて、前記第1のシミュレーションを実行して、第1のシミュレーション結果を出力する第1のシミュレーション実行部と、
前記生成部によって生成された前記第2のデータ及び前記第2のシミュレーションのモデルに基づいて、前記第2のシミュレーションを実行して、第2のシミュレーション結果を出力する第2のシミュレーション実行部と、
前記第1のシミュレーション結果及び前記第2のシミュレーション結果に基づいて、前記第1のシミュレーションのモデル及び前記第2のシミュレーションのモデルを補正するモデル補正部と、を備えることを特徴とするシステム。A system that performs simulations with different particle sizes, and
The system comprises at least one computer having a processor, a memory, and a network interface,
A model management unit that manages a model that is definition information of a first simulation and a second simulation having a larger particle size than the first simulation;
A history management unit that manages a history of first data used for the first simulation;
A generation unit that generates second data used for the second simulation based on the first data managed by the history management unit;
A first simulation execution unit that executes the first simulation based on the first data acquired from the history management unit and the model of the first simulation, and outputs a first simulation result;
A second simulation execution unit that executes the second simulation based on the second data generated by the generation unit and the model of the second simulation, and outputs a second simulation result;
A system comprising: a model correction unit configured to correct a model of the first simulation and a model of the second simulation based on the first simulation result and the second simulation result.
前記モデル補正部は、
前記第1のシミュレーション結果を用いて、前記第2のシミュレーション結果と比較可能な統計量を算出し、
前記統計量及び前記第2のシミュレーション結果の比較結果に基づいて、前記第1のシミュレーションのモデルを補正することを特徴とするシステム。The system according to claim 5, wherein
The model correction unit
Calculating a statistic that is comparable to the second simulation result using the first simulation result;
A system, comprising: correcting a model of the first simulation based on a comparison result of the statistic and the second simulation result.
前記モデル補正部は、
前記統計量と前記第2のシミュレーション結果との間の差分を算出し、
前記差分が小さくなるように前記第1のシミュレーションのモデルを補正することを特徴とするシステム。The system according to claim 6, wherein
The model correction unit
Calculating the difference between the statistic and the second simulation result;
A system comprising: correcting a model of the first simulation such that the difference is reduced.
前記モデル管理部は、複数の第1のシミュレーションのモデルを管理し、
前記第1のシミュレーション実行部は、前記複数の第1のシミュレーションのモデルの各々について前記第1のシミュレーション結果を算出し、
前記モデル補正部は、
前記複数の第1のシミュレーション結果の各々について前記統計量を算出し、
前記複数の統計量の各々と前記第2のシミュレーション結果との間の差分を算出し、
前記差分が最も小さくなる統計量に対応する第1のシミュレーションのモデルを、前記第1のシミュレーションに使用するモデルに決定することを特徴とするシステム。The system according to claim 6, wherein
The model management unit manages a plurality of first simulation models;
The first simulation execution unit calculates the first simulation result for each of the plurality of first simulation models,
The model correction unit
Calculating the statistic for each of the plurality of first simulation results;
Calculating a difference between each of the plurality of statistics and the second simulation result;
A system characterized in that a model of a first simulation corresponding to a statistic that minimizes the difference is determined as a model used for the first simulation.
前記計算機は、
プロセッサ、前記プロセッサに接続されるメモリ、及び前記プロセッサに接続されるネットワークインタフェースを有する少なくとも一つの計算機を備え、
第1のシミュレーション及び前記第1のシミュレーションより粒度が大きい第2のシミュレーションの定義情報であるモデルを管理するモデル管理情報と、前記第1のシミュレーションに使用される第1のデータの履歴を管理する履歴管理情報と、を保持し
前記プログラムは、
前記履歴管理情報から取得した前記第1のデータを用いて、前記第2のシミュレーションに使用される第2のデータを生成する第1の手順と、
前記第2のデータ及び前記モデル管理情報から取得した前記第2のシミュレーションのモデルに基づいて、前記第2のシミュレーションを実行して、第2のシミュレーション結果を出力する第2の手順と、
前記履歴管理情報から取得した前記第1のデータ及び前記モデル管理情報から取得した前記第1のシミュレーションのモデルに基づいて、前記第1のシミュレーションを実行して、第1のシミュレーション結果を出力する第3の手順と、
前記第1のシミュレーション結果及び前記第2のシミュレーション結果に基づいて、前記第1のシミュレーションのモデル及び前記第2のシミュレーションのモデルの少なくともいずれかを補正する第4の手順と、を前記計算機に実行させることを特徴とするプログラム。A program executed by a computer that executes simulations with different particle sizes,
The computer is
A processor, a memory connected to the processor, and at least one computer having a network interface connected to the processor;
Managing a history of first data used in the first simulation and model management information for managing a model which is definition information of a second simulation having a larger particle size than the first simulation and the first simulation; History management information, and the program holds
A first procedure of generating second data used for the second simulation using the first data acquired from the history management information;
A second procedure for executing the second simulation based on the second data and the model of the second simulation acquired from the model management information, and outputting a second simulation result;
The first simulation is executed based on the first data acquired from the history management information and the model of the first simulation acquired from the model management information, and a first simulation result is output. 3 steps,
Performing, on the computer, a fourth procedure of correcting at least one of the model of the first simulation and the model of the second simulation based on the first simulation result and the second simulation result A program that is characterized by
前記第4の手順は、
前記第1のシミュレーション結果を用いて、前記第2のシミュレーション結果と比較可能な統計量を算出する第5の手順と、
前記統計量及び前記第2のシミュレーション結果の比較結果に基づいて、前記第1のシミュレーションのモデルを補正する第6の手順と、を含むことを特徴とするプログラム。The program according to claim 9, wherein
The fourth procedure is
A fifth procedure of calculating a statistic that is comparable to the second simulation result using the first simulation result;
And a sixth procedure for correcting the model of the first simulation based on the comparison result of the statistic and the second simulation result.
前記第6の手順は、
前記統計量と前記第2のシミュレーション結果との間の差分を算出する手順と、
前記差分が小さくなるように前記第1のシミュレーションのモデルを補正する手順と、を含むことを特徴とするプログラム。The program according to claim 10, wherein
The sixth procedure is
A procedure for calculating the difference between the statistic and the second simulation result;
Correcting the model of the first simulation so as to reduce the difference.
前記モデル管理情報は、複数の第1のシミュレーションのモデルを格納し、
前記第3の手順では、前記複数の第1のシミュレーションのモデルの各々について前記第1のシミュレーション結果を算出し、
前記第5の手順では、前記複数の第1のシミュレーション結果の各々について前記統計量を算出し、
前記第6の手順は、
前記複数の統計量の各々と前記第2のシミュレーション結果との間の差分を算出する手順と、
前記差分が最も小さくなる統計量に対応する第1のシミュレーションのモデルを、前記第1のシミュレーションに使用するモデルに決定する手順と、を含むことを特徴とするプログラム。The program according to claim 10, wherein
The model management information stores models of a plurality of first simulations,
The third procedure calculates the first simulation result for each of the plurality of first simulation models,
In the fifth procedure, the statistic is calculated for each of the plurality of first simulation results,
The sixth procedure is
Calculating the difference between each of the plurality of statistics and the second simulation result;
And determining a model of a first simulation corresponding to the statistic with the smallest difference as the model used for the first simulation.
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2017/003602 WO2018142507A1 (en) | 2017-02-01 | 2017-02-01 | Simulation method, system, and program |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2018142507A1 true JPWO2018142507A1 (en) | 2019-07-04 |
JP6726312B2 JP6726312B2 (en) | 2020-07-22 |
Family
ID=63039473
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018565139A Active JP6726312B2 (en) | 2017-02-01 | 2017-02-01 | Simulation method, system, and program |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6726312B2 (en) |
WO (1) | WO2018142507A1 (en) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220122011A1 (en) * | 2019-02-07 | 2022-04-21 | Volvo Truck Corporation | Method and system for operating a fleet of vehicles |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002269670A (en) * | 2001-03-06 | 2002-09-20 | Natl Inst For Land & Infrastructure Management Mlit | Traffic stream simulator |
JP2007233639A (en) * | 2006-02-28 | 2007-09-13 | Tohoku Electric Power Co Inc | Wind power generation output prediction method, wind power generation output prediction unit, and program |
JP2010520556A (en) * | 2007-03-05 | 2010-06-10 | エム−ファクター インコーポレイテッド | System and method for updating a predictive model |
US20140214382A1 (en) * | 2013-01-25 | 2014-07-31 | International Business Machines Corporation | Composite simulation modeling and analysis |
JP2014174705A (en) * | 2013-03-08 | 2014-09-22 | Nec Corp | Multi-agent simulation system and multi-agent simulation method |
JP2015090691A (en) * | 2013-11-07 | 2015-05-11 | 株式会社エヌ・ティ・ティ・データ | Prediction device, prediction method, and program |
US20150193713A1 (en) * | 2012-06-12 | 2015-07-09 | Eni S.P.A. | Short- to long-term temperature forecasting system for the production, management and sale of energy resources |
-
2017
- 2017-02-01 WO PCT/JP2017/003602 patent/WO2018142507A1/en active Application Filing
- 2017-02-01 JP JP2018565139A patent/JP6726312B2/en active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002269670A (en) * | 2001-03-06 | 2002-09-20 | Natl Inst For Land & Infrastructure Management Mlit | Traffic stream simulator |
JP2007233639A (en) * | 2006-02-28 | 2007-09-13 | Tohoku Electric Power Co Inc | Wind power generation output prediction method, wind power generation output prediction unit, and program |
JP2010520556A (en) * | 2007-03-05 | 2010-06-10 | エム−ファクター インコーポレイテッド | System and method for updating a predictive model |
US20150193713A1 (en) * | 2012-06-12 | 2015-07-09 | Eni S.P.A. | Short- to long-term temperature forecasting system for the production, management and sale of energy resources |
US20140214382A1 (en) * | 2013-01-25 | 2014-07-31 | International Business Machines Corporation | Composite simulation modeling and analysis |
JP2014174705A (en) * | 2013-03-08 | 2014-09-22 | Nec Corp | Multi-agent simulation system and multi-agent simulation method |
JP2015090691A (en) * | 2013-11-07 | 2015-05-11 | 株式会社エヌ・ティ・ティ・データ | Prediction device, prediction method, and program |
Also Published As
Publication number | Publication date |
---|---|
WO2018142507A1 (en) | 2018-08-09 |
JP6726312B2 (en) | 2020-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8140319B2 (en) | Method and system for predicting system performance and capacity using software module performance statistics | |
CN109118224A (en) | Proof of work method, apparatus, medium and the electronic equipment of block chain network | |
JP7378975B2 (en) | Information processing equipment and information processing system | |
CN106066899A (en) | The method and system of the architectural characteristic of simulating reinforced concrete in finite element analysis | |
US10346784B1 (en) | Near-term delivery system performance simulation | |
Farahani et al. | Dynamic facility location problem | |
CN116467061B (en) | Task execution method and device, storage medium and electronic equipment | |
WO2019035097A1 (en) | Centralized framework for small batch manufacturing | |
CN116670649B (en) | Method and system for designing a robotic system architecture with optimized system latency | |
Li et al. | A generic cloud platform for engineering optimization based on OpenStack | |
US20190005169A1 (en) | Dynamic Design of Complex System-of-Systems for Planning and Adaptation to Unplanned Scenarios | |
JP2016027471A (en) | System and method for instruction analysis | |
JP6726312B2 (en) | Simulation method, system, and program | |
CN111047107B (en) | Road traffic time prediction method, device, electronic equipment and storage medium | |
JP6632054B2 (en) | Estimation device, estimation method and program | |
US20240112065A1 (en) | Meta-learning operation research optimization | |
Neumann et al. | Method for multi-scale modeling and simulation of assembly systems | |
US20190080259A1 (en) | Method of learning robust regression models from limited training data | |
US20210194710A1 (en) | Information processing apparatus and service cost calculation method | |
JP2018106716A5 (en) | ||
JPWO2017188037A1 (en) | Verification system, verification method, and verification program | |
Roungas et al. | Harnessing Web 3.0 and R to Mitigate Simulation Validation Restrictions. | |
US20150277858A1 (en) | Performance evaluation device, method, and medium for information system | |
JP7373384B2 (en) | Verification method for computer systems and scheduling systems | |
Hamann et al. | Methods for multi-dimensional robustness optimization in complex embedded systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190212 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200303 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200423 |
|
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: 20200602 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200626 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6726312 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |