WO2022102106A1 - 最適化装置、最適化方法、及び最適化プログラム - Google Patents

最適化装置、最適化方法、及び最適化プログラム Download PDF

Info

Publication number
WO2022102106A1
WO2022102106A1 PCT/JP2020/042529 JP2020042529W WO2022102106A1 WO 2022102106 A1 WO2022102106 A1 WO 2022102106A1 JP 2020042529 W JP2020042529 W JP 2020042529W WO 2022102106 A1 WO2022102106 A1 WO 2022102106A1
Authority
WO
WIPO (PCT)
Prior art keywords
digital twin
optimization
function
store
index value
Prior art date
Application number
PCT/JP2020/042529
Other languages
English (en)
French (fr)
Inventor
一平 社家
千尋 山本
Original Assignee
日本電信電話株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 日本電信電話株式会社 filed Critical 日本電信電話株式会社
Priority to US18/035,468 priority Critical patent/US20230409345A1/en
Priority to PCT/JP2020/042529 priority patent/WO2022102106A1/ja
Priority to JP2022561230A priority patent/JPWO2022102106A1/ja
Publication of WO2022102106A1 publication Critical patent/WO2022102106A1/ja

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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • 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"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/06—Wind turbines or wind farms

Definitions

  • the disclosed techniques relate to optimization equipment, optimization methods, and optimization programs.
  • a computer model of an object or event existing in real space is referred to as a digital twin or DT below.
  • Non-Patent Document 1 describes an example of customizing an individual wind power generator with a digital twin.
  • Non-Patent Document 1 the conventional techniques, including Non-Patent Document 1, consider only the digital twin of one object.
  • Non-Patent Document 1 also describes that there is an attempt to realize city planning and the like with a digital twin in addition to the above-mentioned wind power generator, but only describes creating a digital twin for each object. It has not been.
  • the disclosed technique has been made in view of the above points, and is an optimization device that optimizes the construction of digital twins of individual objects and events, and the construction of models that also consider the mutual influence between digital twins. , Optimization methods, and optimization programs.
  • the first aspect of the present disclosure is an optimization device that optimizes a digital twin system including at least two digital twins, the first indicator in the first digital twin given the first parameter.
  • An index value acquisition unit for acquiring a value
  • a state estimation unit for estimating the state of the first digital twin after giving the first parameter, a state of the first digital twin, and the first one.
  • the second aspect of the present disclosure is an optimization method for optimizing a digital twin system including at least two digital twins, the first indicator in the first digital twin given the first parameter.
  • the state of the first digital twin after acquiring the value and giving the first parameter is estimated, and the state of the first digital twin and the second when the first parameter is given.
  • the computer executes the acquisition of the second index value and the state of the second digital twin in the digital twin and the optimization of the first index value and the second index value.
  • a third aspect of the present disclosure is an optimization program that optimizes a digital twin system that includes at least two digital twins, the first indicator in the first digital twin given the first parameter.
  • the state of the first digital twin after acquiring the value and giving the first parameter is estimated, and the state of the first digital twin and the second when the first parameter is given.
  • the computer is made to acquire the second index value and the state of the second digital twin in the digital twin and optimize the first index value and the second index value.
  • optimization devices, optimization methods, and optimization programs that optimize the construction of digital twins of individual objects and events, and the construction of models that also take into account the mutual influence between digital twins. Can be provided.
  • FIG. 1 is a diagram illustrating an outline of the present embodiment.
  • the optimization device 10 is used in a town planning digital twin computing (DTC) platform that expands the value provided by chaining a plurality of digital twins.
  • DTC town planning digital twin computing
  • digital twin computing that aims to expand the value by chaining the six digital twins shown in FIG.
  • SDGs energy saving and reduction of food loss
  • cost reduction cost reduction
  • ease of living and service provision that is close to the user.
  • the virtual area constructed by the urban development DTC infrastructure is simply referred to as a "block".
  • the chained digital twins is an example, and there may be cases where it is necessary to chain more digital twins depending on the purpose, or there may be cases where only some of the presented digital twins are chained.
  • the block management DT is a digital twin that aims at energy control optimization, mobile equipment operation optimization, cleaning / security / maintenance optimization, and environment optimization, for example.
  • Energy control optimization is to optimize energy control by predicting human activity and automatically controlling air conditioning according to the predicted human activity, for example.
  • Mobile equipment operation optimization is optimized by predicting the movement of a person after a few minutes and operating the elevator efficiently, for example.
  • Cleaning / security / maintenance optimization predicts, for example, human usage, optimizes the work of the cleaning robot according to the predicted usage, sets the optimum placement of the security robot, or sets the optimum route. It is something that is optimized by doing so.
  • Environmental optimization optimizes the environment by adjusting lighting, humidity, temperature, wallpaper, odor, sound, etc. according to, for example, a person's health condition, behavior prediction, and schedule.
  • the store management DT is, for example, a digital twin that optimizes customer experience and operation as shown in FIG.
  • Customer experience optimization is optimized by estimating the degree of congestion and determining the optimum customer distribution from, for example, demand forecast and human behavior forecast.
  • Operation optimization optimizes store layout, staffing, inventory, and procurement, for example, from demand forecasting.
  • the mobility DT is a digital twin that optimizes mobility within a block and MaaS (Mobility as a Service) in a block.
  • the movement optimization in the block optimizes the movement in the block by, for example, predicting the behavior of the user, optimally arranging according to the usage order, and determining the optimum route.
  • the block MaaS optimization optimizes the movement of people who visit the block by, for example, determining the optimum vehicle allocation that reflects the individual behavior prediction and the traffic condition prediction.
  • Food loss DT is a digital twin that optimizes supply and demand, pricing, and serving amount, as shown in Fig. 1, for example.
  • Demand-supply / pricing optimization is, for example, optimizing the purchase amount by demand forecast, optimizing the supply and demand of foodstuffs by sharing surplus foodstuffs and pricing control, and optimizing price setting.
  • the serving amount optimization optimizes the serving amount by extracting factors from, for example, an individual's profile, external factors, and menu details.
  • the tenant management DT is, for example, as shown in FIG. 1, a digital twin that optimizes the area, supplies and arranges goods.
  • the area optimization optimizes the utilization efficiency of the area by optimally allocating the area for each time of the block area, for example.
  • Goods supply / placement optimization optimizes the supply and placement of goods by, for example, demand forecasting and automatic compensation of goods in the area, including individual behavior.
  • the service DT for individuals is a digital twin that aims at health condition prediction, purchasing / thinking tendency prediction, behavior tendency prediction, and block behavior recommendation.
  • the health state prediction estimates the user's health state from vital signs such as the user's body temperature, pulse, and blood pressure, and recommends the user's behavior or meal to the user. In addition, changes in health status are predicted from the recommendation results.
  • the purchase / thinking tendency prediction for example, the user's preference is estimated from the user's purchase history, the demand forecast that reflects the user's preference is performed, and the purchase is recommended to the user.
  • the behavior tendency prediction predicts the behavior of an individual block, for example, and recommends proactive behavior to the user.
  • the block behavior recommendation supports the user's behavior by recommending the behavior to the user, reflecting the user's health, preference, and behavior prediction.
  • FIG. 2 is a diagram showing an example of the correspondence between the virtual space and the real space and the value provided in the real space, which are assumed in the present embodiment.
  • the city planning DTC platform is listed as a virtual space.
  • the information collected from the real space is registered in the database (DB) of the virtual space, and various digital twins are constructed in the virtual space using the information registered in the database.
  • various services are provided by chaining two or more digital twins in the virtual space. From the real space, the optimization of the digital twin is requested through the customer contact application, and from the virtual space, the optimized response is output to the real space through the customer contact application.
  • FIG. 3 is a diagram showing a schematic configuration example of the present embodiment.
  • FIG. 3 shows the operation based on the optimization device 10 that optimizes the digital twin system, the information processing device 20 that provides various data to the optimization device 10, and the digital twin system optimized by the optimization device 10.
  • the device 30 to be used is shown.
  • the optimization device 10 is a device that optimizes a digital twin system including at least two digital twins. Each digital twin can be constructed, for example, based on the data provided by the information processing apparatus 20. Further, the optimization device 10 uses the data provided by the information processing device 20 when optimizing the digital twin system. The information processing device 20 provides, for example, sensing data. As a result of the optimization of the digital twin system, the optimization device 10 outputs information for controlling the device 30 when controlling the device 30 existing in the real world.
  • the digital twin system may be built inside the optimization device 10, or may be built inside another device different from the optimization device 10.
  • the information processing device 20 is a device that provides information to the optimization device 10, and is, for example, a device including various sensors that sense states.
  • the information processing device 20 includes, for example, a smartphone, a tablet terminal, a wearable terminal, and the like.
  • the sensor included in the information processing apparatus 20 includes, for example, a biological information sensor that acquires information on vital signs such as human body temperature, pulse, and blood pressure, a sensor that acquires information on devices and devices used by humans, and the like. obtain.
  • the sensors included in the information processing device 20 are also installed in physical infrastructure such as air conditioners installed in building equipment, sensors installed in equipment such as EV, robots, and drones, as shown in FIG. Includes sensors, cameras, sensors, etc. installed in buildings.
  • the device 30 is various devices existing in the real world.
  • the device 30 performs an operation based on the information output from the digital twin system optimized by the optimization device 10.
  • the device 30 includes digital signage, a smartphone, a PC, etc. that present information to a person, and includes all things that affect people, things, and the environment in the real world.
  • FIG. 4 is a block diagram showing the hardware configuration of the optimization device 10.
  • the optimization device 10 includes a CPU (Central Processing Unit) 11, a ROM (Read Only Memory) 12, a RAM (Random Access Memory) 13, a storage 14, an input unit 15, a display unit 16, and a communication interface. It has (I / F) 17.
  • the configurations are connected to each other via a bus 19 so as to be communicable with each other.
  • the CPU 11 is a central arithmetic processing unit that executes various programs and controls each part. That is, the CPU 11 reads the program from the ROM 12 or the storage 14, and executes the program using the RAM 13 as a work area. The CPU 11 controls each of the above configurations and performs various arithmetic processes according to the program stored in the ROM 12 or the storage 14.
  • the ROM 12 or the storage 14 stores an optimization program for optimizing the digital twin system. Further, a plurality of digital twins may be constructed in the storage 14.
  • the ROM 12 stores various programs and various data.
  • the RAM 13 temporarily stores a program or data as a work area.
  • the storage 14 is composed of a storage device such as an HDD (Hard Disk Drive) or an SSD (Solid State Drive), and stores various programs including an operating system and various data.
  • the input unit 15 includes a pointing device such as a mouse and a keyboard, and is used for performing various inputs.
  • the display unit 16 is, for example, a liquid crystal display and displays various information.
  • the display unit 16 may adopt a touch panel method and function as an input unit 15.
  • the communication interface 17 is an interface for communicating with other devices.
  • a wired communication standard such as Ethernet (registered trademark) or FDDI
  • a wireless communication standard such as 4G, 5G, or Wi-Fi (registered trademark) is used.
  • FIG. 5 is a block diagram showing an example of the functional configuration of the optimization device 10.
  • the optimization device 10 has an index value acquisition unit 101, a state estimation unit 102, a state acquisition unit 103, and an optimization unit 104 as functional configurations.
  • Each functional configuration is realized by the CPU 11 reading the optimization program stored in the ROM 12 or the storage 14, deploying it in the RAM 13, and executing it.
  • a technique for simultaneously optimizing the comfort level which is one of the indicators of a human individual's digital twin
  • the customer satisfaction which is one of the indicators of a digital twin of any store
  • the comfort level of a human individual in a digital twin varies not only depending on the eating and drinking that suits the taste, but also on the condition of the place where the eating and drinking is performed.
  • the customer satisfaction of the digital twin of any store changes depending on the degree of congestion and the provision time of the product that fluctuates with the congestion, in addition to the products to be provided and the equipment of the store.
  • the degree of congestion changes depending on the behavior of the individual human digital twin. In other words, comfort and customer satisfaction can be optimized at the same time by interfering with the digital twin of an individual human being at any time and changing the time of arrival at the digital twin of any store to an appropriate time.
  • the state of the digital twin that will be involved in the future (for example, the digital twin of the store and the digital twin of the block management) is predicted in advance, and the state of the digital twin that is involved while changing the starting point. It is possible to optimize comfort and customer satisfaction at the same time by making predictions, setting the one with the highest index value as the optimum state, and guiding to the optimum behavior.
  • the above-mentioned interference is given, for example, when a human individual's digital twin recommends the time to start going out, provides external information to the human individual's digital twin to delay the time to start going out by an appropriate amount of time, or follows the recommendation. Incentives etc. can be considered.
  • the individual human digital twin may be a single unit or a plurality.
  • the digital twin of an individual human being and the digital twin of any store may be other types of digital twins as long as they have an interaction.
  • comfort and customer satisfaction are mentioned as indicators for optimization, other indicators may be used as indicators for optimization. It may be any place, not any time, any time and place, and may be health condition, schedule, time, place, last action. Then, not only two types of digital twins, that is, an individual person and a store, but also three or more types of digital twins may be used.
  • the digital twin of an individual human being is the "first digital twin”
  • the digital twin of any store is the “second digital twin”
  • the comfort level is the "first index value”.
  • Customer satisfaction is also referred to as “second index value”
  • arbitrary time is also referred to as “first parameter”
  • interference is also referred to as "second parameter”.
  • the index value acquisition unit 101 acquires the first index value in the first digital twin constructed in a predetermined place when the first parameter is given.
  • the first digital twin may be constructed based on, for example, the data provided by the information processing apparatus 20.
  • the state estimation unit 102 estimates the state of the first digital twin after giving the first parameter.
  • the state of the first digital twin may be information such as an action taken by an individual human digital twin or the time and nature of the action.
  • the state acquisition unit 103 acquires the state of the first digital twin, the second index value in the second digital twin, and the state of the second digital twin.
  • the second digital twin may be constructed based on, for example, the data provided by the information processing apparatus 20. Further, the state acquisition unit 103 may further acquire the second index value in the second digital twin and the state of the second digital twin when the second parameter is given to the first digital twin. ..
  • the optimization unit 104 optimizes the first index value acquired by the index value acquisition unit 101 and the second index value acquired by the state acquisition unit 103.
  • the first index value may be the comfort level of the first digital twin
  • the second index value may be the customer satisfaction of the second digital twin.
  • the optimization unit 104 further gives the first digital twin a second parameter that changes the state of the first digital twin in order to optimize the first index value and the second index value. It is also good.
  • the first digital twin is a human digital twin
  • the second parameter may be the time at which the first digital twin should start moving.
  • the second parameter may be a parameter that can cause a change in the time when the first digital twin should start moving.
  • the first index value and the second index value, which change as a result of giving the second parameter may be the optimum values.
  • the second parameter may have the maximum sum of the first index value and the second index value.
  • the optimization device 10 can optimize the construction of digital twins of individual objects and events, and the construction of models in consideration of mutual influences between digital twins.
  • FIG. 6 is a flowchart showing the flow of the optimization process by the optimization device 10.
  • the optimization process is performed by the CPU 11 reading the optimization process program from the ROM 12 or the storage 14, expanding it into the RAM 13, and executing the program.
  • step S101 the CPU 11 acquires the first index value in the first digital twin when the first parameter is given as the index value acquisition unit 101.
  • the first digital twin may be a single human digital twin.
  • step S102 the CPU 11 estimates the state of the first digital twin after giving the first parameter as the state estimation unit 102.
  • the state of the first digital twin may be an action taken by a human.
  • step S103 the CPU 11 is the state acquisition unit 103 when the state of the first digital twin and the same parameters as those given to the first digital twin are given. Acquires the second index value and the state of the second digital twin in the second digital twin constructed in a predetermined place, which is different from the one digital twin.
  • the second digital twin may be a digital twin of any store.
  • the state of the second digital twin may include at least the degree of congestion of the store.
  • step S104 the CPU 11 optimizes the first index value acquired in step S101 and the second index value acquired in step S103 as the optimization unit 104.
  • the optimization unit 104 may further give the first digital twin a second parameter that changes the state of the first digital twin. If the first digital twin is a human digital twin, the second parameter may be the time at which the first digital twin should start moving.
  • the optimization device 10 can optimize the construction of digital twins of individual objects and events, and the construction of models in consideration of mutual influences between digital twins.
  • Example 1 In the first embodiment, the operation of the optimization device 10 in the case of combining the user's health digital twin, the store digital twin, and the block operation management digital twin will be described.
  • FIG. 7 is a diagram showing an example of suggesting an appropriate meal by predicting information on the health condition of each user. By predicting the health status information of each user, it is possible to suggest the appropriate meal timing and present the waiting time itself. However, since the timing of visiting the store and the timing of ordering are left to the user, orders may be concentrated and accumulated. In the example of FIG. 7, when a plurality of users place an order at a store at 12 o'clock, the orders are piled up and the waiting time increases. In addition, the elevators are crowded with store users.
  • FIGS. 8 and 9 are examples of a combination of a user's health digital twin, a store digital twin, and a block operation management digital twin.
  • the optimization device 10 predicts in advance when it is appropriate to eat lunch from the user's health digital twin. Further, the optimization device 10 predicts in advance what kind of order state is optimal for store operation from the store digital twin. In addition, the optimization device 10 predicts in advance when and who will get on the elevator from the block operation management digital twin.
  • the optimization device 10 is optimal for the user's health condition, and makes recommendations for the user's digital twin to act at the timing when the congestion of the store is dispersed and the elevator usage status can be leveled. As a result, the optimization device 10 can create a state in which there is no waiting time regardless of which user places an order, as shown in FIG. Further, as shown in FIG. 9, it is possible to create a state in which the elevator is not congested by the customers of the store.
  • the optimization device 10 also models the mutual influence between the digital twins as described above.
  • digital twins for people, stores, and elevators.
  • the action of going to a store is taken in consideration of health condition, hunger level, hobbies and tastes.
  • human digital twins affects the boarding / alighting of elevators, energy consumption, income of digital twins in stores, congestion level, and inventory.
  • a human digital twin for example, if the human digital twin has to wait in the store due to increased congestion in the store, or the health of another human digital twin present in the store. There may be cases where the condition goes down.
  • the human digital twin can satisfy its own hunger or hobby taste, but the index of other digital twins (for example, customer satisfaction) is lowered, and it is not optimal as a whole. Therefore, in order to perform the overall optimization, the optimization device 10 recommends the human digital twin so that the action of the human digital twin is changed so as to be the overall optimization.
  • the optimization device 10 sets the departure time so that the overall result of the action is optimized. I recommend it.
  • the optimization device 10 recommends a store other than the store described above. Control the actions of human digital twins.
  • the digital twins of a human and a store are illustrated, but the optimization device 10 further considers the digital twins of the elevator used by the human on the way to the store, and the three digital twins of the human, the elevator, and the store. You may try to optimize the index of. Further, the optimization device 10 can of course feed back this recommendation to the real space and recommend it to the person who is the source of the digital twin of the person.
  • Example 2 In the second embodiment, the operation of the optimization device 10 when the user's health digital twin and the block operation management digital twin are combined will be described.
  • FIG. 10 is a diagram showing an example of air conditioning control.
  • each user has the authority to change the room temperature of the room.
  • There are individual differences in human sensations of warmth and cold and it is possible that a user at the same room temperature may feel hot and another user may feel cold. Therefore, if there are multiple users in the same room with different feelings of temperature, one user wants to lower the room temperature twice, and another user wants to raise the room temperature twice, but such air conditioning. It is difficult to control.
  • FIG. 11 is a diagram showing an example of a combination of a user's health digital twin and a block operation management digital twin.
  • the optimization device 10 predicts the environment of the room, the flow of people in the room, and the state of the individual in advance, thereby predicting efficient control for both the individual and the block.
  • the optimization device 10 optimizes the index value in the digital twin as described above.
  • Indicator categories are based on financial and non-financial indicators.
  • financial indicators and non-financial indicators for example, "Analysis of financial indicators and non-financial indicators by industry” (https://www.jstage.jst.go.jp/article/jcar/28/2/28_KJ00008538768)
  • the indicators disclosed in / _pdf are used.
  • the optimization device 10 uses three indexes of "profitability", “customer satisfaction", and "environmental impact” as optimization indexes.
  • CX Customer Experience, Customer Experience Value
  • JCSI Japanese Customer Satisfaction Index
  • the following is an example of an index that the optimization device 10 optimizes for each digital twin.
  • FIG. 12 is an example of an index in the service DT for individuals.
  • the index shown in FIG. 12 is used in the block behavior recommendation of the service DT for individuals.
  • the degree of matching with one's condition and the price are used as an index of customer satisfaction.
  • the degree of matching with one's condition includes the degree of matching with appropriate timing, the degree of matching with one's behavior, what one wants, needs, the degree of matching with taste, the degree of matching with one's feeling of comfort, and one's health condition.
  • the degree of agreement with is mentioned, but it is not limited to these.
  • FIG. 13 is an example of an index in the block management DT.
  • the indicators shown in FIG. 13 are used in energy control optimization, mobile equipment operation optimization, cleaning / security / maintenance optimization, and environmental optimization of the block management DT.
  • the index of energy is shown in both energy control optimization and mobile equipment operation optimization. A lot of energy is used to optimize the operation of mobile equipment, but energy is not always optimally used in that case. On the other hand, it is not always possible to optimize the operation of mobile equipment when energy is used optimally. Therefore, in the block management DT, the amount of energy used that is optimal for both sides is derived.
  • the index of the block management DT is not limited to that shown in FIG.
  • FIG. 14 is an example of an index in the store operation DT.
  • the index shown in FIG. 14 is used in the customer experience optimization and operation optimization of the store operation DT. Even in the index in the store operation DT, there is an index common to each optimization. Therefore, in the store management DT, an index that is optimal for each optimization is derived.
  • the index of the store operation DT is not limited to that shown in FIG.
  • FIG. 15 is an example of an index in food loss DT.
  • the index shown in FIG. 15 is used in the supply / supply pricing optimization and the serving amount optimization of the food / drink food loss DT.
  • the index of food loss DT is not limited to that shown in FIG.
  • FIG. 16 is an example of an index in mobility DT.
  • the index shown in FIG. 16 is used in the optimization of mobility within the block of the mobility DT and the optimization of MaaS in the block.
  • the index of mobility DT is not limited to that shown in FIG.
  • FIG. 17 is an example of an index in the tenant management DT.
  • the index shown in FIG. 17 is used in the area optimization and the goods supply optimization of the tenant operation DT.
  • the index of the tenant management DT is not limited to that shown in FIG.
  • FIG. 18 is a diagram showing a model example of a DTC block in a city planning DTC platform.
  • the landowner who participates in DTC receives the service development and maintenance operation from the service provider by paying the service provider.
  • the landowner builds a digital twin from the information stored in the database and possesses digital twin computing that chains multiple digital twins.
  • the landowner grants the service provider the infrastructure usage right to use the urban development DTC infrastructure.
  • the landowner (DTC participating company) may be a business operator or a local government that operates the block.
  • the service provider receives the service development and maintenance operation from the service provider by paying the service development company.
  • the service provider receives payment of the service usage fee from the tenant, the visitor or the worker, the service provider provides the service to the tenant, the visitor or the worker.
  • the service provided by the service provider is a customer contact application.
  • the service usage fee paid by the visitor or worker may be free.
  • the service provider may be a landowner who participates in the DTC.
  • FIG. 19 is a diagram showing an outline of an application for stores (store AP) provided by a service provider.
  • Store applications provide functions that optimize store congestion distribution, in-store operation support, product pricing, and more.
  • the landowner who participates in DTC operates the application for the store by paying the service provider.
  • Store applications are developed and maintained by service providers.
  • Stores that use store applications pay the service provider an application usage fee.
  • the service provider operates its own store service.
  • the original store service uses the functions of the application for stores and includes the original functions. Any development company may develop and maintain the original store service.
  • the congestion status is provided by the original store service.
  • the proprietary store service makes an optimization request to the store application when providing a congestion situation.
  • the store application instructs the optimization device 10 to perform the optimization process in response to the request, acquires the index value of the digital twin optimized by the optimization device 10, and returns the optimized response to the original store service.
  • FIG. 20 is a diagram showing a specific example of an application for stores.
  • the functions for users of the application for stores include a payment function, an order / reservation function, a congestion information presentation function, and a product recommendation presentation function.
  • the payment function may be combined with, for example, face authentication technology, biometric authentication technology, or the like.
  • the functions of the store application across all stores include an order aggregation / payment function, a congestion distribution function between stores, a matching function for surplus foodstuffs between stores, and a product recommendation function.
  • the inter-store congestion distribution function is executed, the inter-store operation DT is used, and when the inter-store surplus foodstuff matching function is executed, the food loss DT is used.
  • the product recommendation function is executed, the personal service DT is used. Congestion information is sent to the congestion information presentation function by the inter-store congestion distribution function.
  • the product recommendation function sends recommendation information to the product recommendation presentation function.
  • the functions for individual stores of the application for stores include an operation support function, a purchase support function, a sales promotion support function, and a zero leftover food support function.
  • the operation support function is executed, the store management DT is used, and when the purchase support function, the sales promotion support function, and the leftover food 0 support function are executed, the food loss DT is used.
  • the order aggregation / settlement function When the order aggregation / settlement function acquires the order information output by the order aggregation / settlement function, the order aggregation / settlement function sends the order information to the store where the order was placed. From individual stores, inventory information, purchasing information, congestion information, and leftover information are sent to the function across all stores.
  • FIG. 21 is an explanatory diagram showing an example of the relationship between functions in the store operation optimization technique.
  • the store operation optimization technology performs the optimal operation of the store based on the information of the block behavior recommendation obtained by the block behavior recommendation technology.
  • the store purchase optimization function purchases inventory that matches the visiting user based on behavioral recommendation information and congestion information.
  • the store purchase optimization function is a demand forecast function based on personal information (preferences, behaviors) when making inventory purchases that match visiting users, and delivery based on inventory information of nearby stores when the purchased products are out of stock. Utilize the information of the prediction function.
  • the store layout optimization function optimizes the layout inside the store based on the purchase amount and variations.
  • the store operation optimization technology enables the expansion of the store area by the area management / optimization function, or the temporary use of common areas and the like.
  • the store operation optimization technology also utilizes the virtual store function when inventory cannot be secured or when there is a behavioral recommendation to a store other than the existing one.
  • the store operation optimization technology will also utilize the staffing optimization function that takes into consideration the store layout and congestion prediction to optimize operations.
  • FIG. 22 is an explanatory diagram showing an example of the relationship between functions in the supply and demand optimization / pricing technique.
  • the supply and demand optimization / pricing technology has a supply and demand optimization function that outputs the purchase amount based on the demand forecast.
  • the supply and demand optimization / pricing technology has a matching function that calculates the surplus of the purchased amount and matches it with the share demand forecast as the demand forecast changes.
  • the demand forecast amount can be obtained from the demand forecast / simulation function.
  • the demand amount prediction function predicts the demand amount by performing a macro purchase forecast obtained from people flow data, meteorological data, purchase data, and product information (menu and price). In addition, the demand forecasting function changes the price, performs a simulation, and outputs the price setting that maximizes the demand.
  • Share demand can be obtained from the share demand forecast / simulation function.
  • the share demand forecast function predicts the share demand for each ingredient based on the flow data, weather data, purchase data, share demand data of neighboring stores, and the like.
  • the share demand forecast / simulation function also forecasts individual share demand by taking into account individual share food purchase data.
  • FIG. 23 is an explanatory diagram showing an example of the relationship between the functions in the serving amount optimization technique.
  • the serving amount optimization function outputs the optimum serving amount for each menu from leftover food judgment information, personal information (attributes, behaviors, preferences, and vitals), and weather data.
  • the leftover food judgment information is output by the leftover food judgment information extraction function by judging the amount of leftover food for each ingredient from the leftover food image and the product information (menu).
  • the leftover food judgment information extraction function determines and outputs leftover food factors by adding personal information (attributes, behaviors, preferences, and vitals) and meteorological data when outputting leftover food judgment information.
  • FIG. 24 is a diagram showing an outline of a mobility application (mobility AP) provided by a service provider.
  • the mobility application provides a function for optimizing vehicle allocation and the like.
  • the landowner who participates in DTC operates the mobility application by paying the service provider the development cost and maintenance cost.
  • the mobility application performs the vehicle allocation allocation function. Mobility applications are developed and maintained by service providers.
  • the business operator who uses the mobility application pays the application usage fee to the mobility service business operator.
  • the mobility service provider operates the mobility service.
  • the mobility service utilizes the functions of the mobility application and includes unique functions. Any development company may develop and maintain the original service.
  • the user receives a vehicle dispatch from the individual mobility service when using the vehicle.
  • the individual mobility service issues an optimization request to the mobility application when allocating a vehicle to the user.
  • the mobility application instructs the optimization device 10 to perform the optimization process in response to the request, acquires the index value of the digital twin optimized by the optimization device 10, and returns the optimized response to the individual mobility service.
  • FIG. 25 is a diagram showing a specific example of a mobility application.
  • Functions for users of mobility applications include a vehicle allocation order / reservation function and a vehicle allocation function.
  • the vehicle allocation optimization function of the mobility application includes an order aggregation / settlement function and a vehicle allocation support function.
  • the mobility DT is used when the vehicle allocation support function is executed.
  • the vehicle allocation optimization function allocates the vehicle to the user so as to be the optimum vehicle allocation. Further, when the vehicle allocation optimization function requests control from the movement control function, the mobility movement control function sends position data to the vehicle allocation optimization function so that the vehicle allocation is appropriate.
  • FIG. 26 is an explanatory diagram showing an example of the relationship between functions in the mobility optimization technique within a block.
  • the block mobility optimization technology performs optimal operation of block mobility based on the information of the block behavior recommendation obtained in the block behavior recommendation technology.
  • the placement optimization function optimizes vehicle allocation based on behavioral recommendation information and congestion information.
  • the route optimization function maximizes the efficiency of mobility use in the entire block based on behavioral recommendation information and congestion information.
  • FIG. 27 is a diagram showing an outline of a health management application (health management AP) provided by a service provider.
  • Health management applications provide the ability to support healthy behavior and optimize pricing and the like.
  • the landowner who participates in DTC (DTC participating company) operates the health management application by paying the service provider the development cost and maintenance cost. Health management applications are developed and maintained by service providers.
  • the individual health management service is operated by a service provider (insurance provider) that provides insurance products.
  • the individual health management service utilizes the functions of the health management application and includes unique functions.
  • the development and maintenance of individual health management services may be carried out by any development company.
  • the user pays the usage fee to the service provider and receives the insurance product.
  • the user provides personal health-related personal information such as dietary information, exercise information, and vital information to the individual health management service using a communication device such as a smartphone.
  • the personalized health management service provides behavioral suggestions to users.
  • the personalized health care service makes an optimization request to the health care application when providing behavioral suggestions to the user.
  • the health management application instructs the optimization device 10 to perform optimization processing in response to a request, acquires the index value of the digital twin optimized by the optimization device 10, and sends an optimized response to the individual health management service. return.
  • FIG. 28 is a diagram showing a specific example of a health management application.
  • Functions for users of health management applications include a meal recording function, an exercise recording function, a meal recommendation function, and an exercise recommendation function.
  • the health management functions of the health management application include an order aggregation / payment function, a health behavior support function, and an insurance premium price setting function.
  • the health behavior support function is a function that encourages the user to take actions for reducing health risk.
  • the premium pricing function is a function of pricing according to health behavior or risk. An individual DT is used when the health behavior support function and the insurance premium pricing function are executed.
  • FIG. 29 is an explanatory diagram showing an example of the relationship between functions in the behavioral recommendation technique.
  • the behavior optimization function has a function of outputting optimal behavior (behavior recommendation) and health condition prediction from vital information, diet information, and exercise information.
  • the behavioral recommendation technology uses a health (disease) prediction / simulation function that outputs the health status when vital information, dietary information, exercise information, and personal information (attributes, behaviors) are input in deriving the optimal behavior.
  • the health (disease) prediction / simulation function can simulate the health condition by changing the contents of diet and exercise for a specific personal information, and can extract the pattern of diet to be eaten and the pattern of exercise to be performed.
  • the behavior recommendation technology uses a preference estimation (profiling) function that estimates individual preferences based on meteorological data and personal information (attributes, behaviors) in deriving optimal behavior. Further, the behavior recommendation technique has an insurance product pricing function for deriving the optimum insurance price by inputting the health condition prediction, the optimum behavior, and the personal information (attribute) output from the behavior optimization function.
  • FIG. 30 is a diagram showing an outline of an environment-optimized application (environment-optimized AP) provided by a service provider.
  • the environment optimization application provides a function for optimizing air conditioning control, a function for optimizing cleaning or security, a function for optimizing elevator operation, and a function for determining a comfortable environment.
  • the landowner who participates in DTC (DTC participating company) operates the environment-optimized application by paying the service provider.
  • the environment-optimized application is developed and maintained by the service provider.
  • the business operator who uses the environment-optimized application pays the application usage fee to the service business operator (for example, the owner of the building).
  • the service provider operates an individual environment adjustment service.
  • the individual environment adjustment service utilizes the functions of the environment-optimized application and includes unique functions. Any development company may develop and maintain the original service.
  • the user requests the individual environment adjustment service for air conditioning, cleaning, elevator, or control of a comfortable environment using a communication device such as a smartphone.
  • the personalized environment adjustment service provides the user with comfort by controlling the air conditioning, cleaning, elevator, or comfortable environment on request.
  • the personalized environment adjustment service makes optimization requests to environment-optimized applications when controlling air conditioning, cleaning, elevators, or comfortable environments.
  • the environment optimization application instructs the optimization device 10 to perform the optimization process in response to the request, acquires the index value of the digital twin optimized by the optimization device 10, and sends the optimized response to the individual environment adjustment service. return.
  • FIG. 31 is a diagram showing a specific example of an environment-optimized application.
  • Functions for users of environment-optimized applications include an air conditioning setting change function, a cleaning request function, an elevator operation function, and a room mode selection function.
  • the environment adjustment function of the environment optimum application includes a request aggregation function, an optimum control scenario extraction function, an air conditioning control optimum function, a cleaning / security optimum function, an elevator optimum operation function, and a comfortable environment optimum function.
  • the building management DT is used when the air conditioning control optimum function, the cleaning / security optimum function, the elevator optimum operation function, and the comfortable environment optimum function are executed.
  • the optimal control scenario extraction function is a function for extracting the data shown in FIG. 31.
  • Environmental control functions of environment-optimized applications include air-conditioning control function, cleaning / security function, elevator control function, and comfortable environment control function.
  • the request aggregation function aggregates the requests and requests control to the environment control function based on the aggregated request.
  • the environmental control function sends control data to the environmental adjustment function.
  • FIG. 32 is an explanatory diagram showing an example of the relationship between functions in the environment optimization technique.
  • the environmental optimization technology is based on the behavior prediction of the person in the block for the visitor or office worker who visits the block, and also considers the congestion prediction of each part of the block, and adjusts the environment on the block or building side to the person. And optimize. Behavior prediction is the same as the block behavior recommendation technique.
  • the behavior prediction function derives behavior prediction in the block based on individual preference estimation, real-time behavior (location information), vital data, and schedule data in the case of office workers.
  • the behavior prediction function takes into account the congestion situation predicted by the congestion prediction function based on the traffic data, the weather data, and the store purchase data when deriving the behavior prediction in the block.
  • the environmental optimization technology further has a movement route prediction function that predicts a movement route based on the behavior prediction by the behavior prediction function.
  • the movement route prediction function performs prediction control of equipment in the block such as air conditioning, lighting, and an elevator in the middle of the route based on the prediction result of the movement route.
  • FIG. 33 is a diagram showing an outline of a schedule management application (schedule management AP) provided by a service provider.
  • the schedule management application provides the ability to optimize schedule management.
  • the landowner who participates in DTC (DTC participating company) operates the schedule management application by paying the service provider.
  • the schedule management application is developed and maintained by the service provider.
  • the office tenant who uses the schedule management application pays the application usage fee to the service provider.
  • An office tenant is a tenant in which a company in which a user works as an employee resides.
  • the service provider operates a schedule management service.
  • the individual business management service utilizes the functions of the schedule management application and includes unique functions. Any development company may develop and maintain the original service.
  • the individual business management service issues an optimization request to the schedule management application.
  • the schedule management application instructs the optimization device 10 to perform the optimization process in response to the request, acquires the index value of the digital twin optimized by the optimization device 10, and sends the optimized response to the individual business management service. return.
  • FIG. 34 is a diagram showing a specific example of the schedule management application.
  • Functions for users include a schedule input function, an action recommendation function, and an optimum schedule presentation function.
  • the individual schedule adjustment function includes a schedule registration function, an optimum control scenario extraction function, an action suggestion function, and an optimum schedule function.
  • the optimal control scenario extraction function extracts behavior data (location, purpose, time) shown in FIG. 34. An individual DT is used when the action suggestion function and the optimal schedule function are executed.
  • the schedule registration function registers the schedule sent from the schedule input function.
  • the behavior suggestion function uses the personal DT to recommend the behavior to the user.
  • the optimal schedule function uses the personal DT to recommend the optimal schedule to the user.
  • FIG. 35 is a diagram showing an outline of a tenant management application (tenant management AP) provided by a service provider.
  • the tenant management application provides an optimum area allocation function, an optimum equipment allocation function, and an optimum goods purchasing function.
  • the landowner who participates in DTC (DTC participating company) operates a tenant management application that pays the service provider.
  • the tenant management application is developed and maintained by the service provider.
  • the service provider operates an individual facility use subscription service (subscription service).
  • the individual facility use subscription service uses the functions of the tenant management application and includes unique functions. Any development company may develop and maintain the individual facility use subscription service.
  • the user When using an office tenant, the user receives information on the available area from the individual facility use subscription service.
  • the individual facility use subscription service issues an optimization request to the tenant management application when providing information on available areas.
  • the tenant management application instructs the optimization device 10 to perform optimization processing in response to a request, acquires the index value of the digital twin optimized by the optimization device 10, and has been optimized for the individual facility use subscription service. Returns a response.
  • FIG. 36 is a diagram showing a specific example of the tenant management application.
  • Functions for users of the tenant management application include an order / reservation function and an area allocation presentation function.
  • the tenant management function of the tenant management application includes an order aggregation function and an optimum area / allocation function.
  • the optimum area / allocation function includes an optimum area allocation function, an optimum equipment allocation function, and an optimum goods purchasing function.
  • the tenant management DT is used when the optimum area allocation function, the optimum equipment allocation function, and the optimum goods purchase function are executed.
  • the procurement / placement function of the tenant management application includes the equipment placement function and the goods placement / procurement function.
  • the optimal area allocation function When the order aggregation function receives the order / reservation information sent from the order / reservation function, the optimal area allocation function sends the optimal area information.
  • the area allocation presentation function receives and presents the area information transmitted from the area optimal allocation function.
  • the order aggregation function aggregates the orders for equipment or goods sent from the order / reservation function, and requests control from the equipment placement function or the goods placement / procurement function based on the aggregated request.
  • the equipment placement function or the goods placement / procurement function sends control data according to the requested control to the tenant operation function.
  • FIG. 37 is a diagram showing an example of a chain of digital twins.
  • FIG. 37 shows an example of a chain of digital twins by combining a store application, a mobility application, and a tenant management application.
  • the service providers are store service providers, mobility service providers, and tenant management service providers.
  • the target user is a block user under the regular use tenant.
  • the mobility digital twin, tenant digital twin, and store digital twin will work together to understand the congestion status of stores, the availability of mobility, and the usage status of each area in the block in the future. Predict the situation at each time. From the combination of prediction results, the DTC layer derives the store visit time and waiting time. In addition, the DTC layer selects a meal place in the block and derives the optimum meal time and delivery time by mobility. From the comparison of the derived information, the DTC layer feeds back to the user the best place and time to eat.
  • the user can receive meals by delivery at the optimal place at the right time without waiting at the store.
  • the user's options can be expanded to in-store use or out-of-store use, and operation optimization including delivery time becomes possible.
  • the store operation DT and the tenant operation DT can be linked to expand the store during congestion and secure seats in the user's block.
  • FIG. 38 is an explanatory diagram showing an example of the relationship between functions in the block behavior recommendation technique.
  • the block behavior recommendation technology recommends optimal behavior to visitors or office workers who visit the block based on the behavior prediction of the person in the block and the congestion prediction of each part of the block.
  • Behavior prediction in the district is derived by behavior prediction function such as purchase based on individual preference estimation (function in health behavior recommendation technology), real-time behavior (location information), vital data, and schedule data in the case of office workers. ..
  • the purchase behavior prediction function takes into account the congestion status derived by the congestion prediction function based on the flow data, the weather data, and the store purchase data when deriving the behavior prediction in the block.
  • the block behavior recommendation technology takes into consideration the congestion situation derived by the congestion prediction function, and uses the area management / optimization function to change the optimum route, migration order, optimum travel time, and destination area to the destination area (optimum recommendation). ) Etc. are also performed.
  • FIG. 39 is a diagram showing another example of the chain of digital twins.
  • FIG. 39 shows an example of a chain of digital twins with a combination of store applications and health care applications.
  • the service providers are store service providers and health management service providers.
  • the target user is a block user under the regular use tenant.
  • the store digital twin and the personal service digital twin cooperate to predict the health condition of the personal digital twin and recommend the optimum meal to the user.
  • the store digital twin prepares meals with the specified contents.
  • the healthy meal function automatically registers the amount and content of meals from the store data. Then, the cross-store function presents the contents of the meal recommendation in the menu, and reflects the contents and the amount in the order.
  • the store management DT and the cooperation between the food and drink food loss DT and the health management DT enable optimization that reflects the health condition of each individual.
  • FIG. 40 is a diagram showing another example of the chain of digital twins.
  • FIG. 40 shows an example of a chain of digital twins by combining a schedule management application, an environment-optimized application, and a tenant management application.
  • the service providers are schedule management service providers, environment-optimized service providers, and tenant management service providers, and the target users are block users under the regular use tenants.
  • the digital twin for personal services the digital twin for controlling air conditioning and providing a comfortable environment
  • the tenant management digital twin for managing tenants at the place of use cooperate with each other according to the schedule. Predict the optimum conditions. Furthermore, each digital twin takes into account the usage status of multiple people, derives the optimal usage location for that person, and predicts the environment at the time of use.
  • FIG. 41 is a diagram showing another example of the chain of digital twins.
  • FIG. 41 shows an example of a chain of digital twins by combining a schedule management application, a health management application, an environment-optimized application, and a tenant management application.
  • the service providers to cooperate with are schedule management service providers, health service providers, environment-optimized service providers, and tenant management service providers.
  • the target user is a block user under the regular use tenant.
  • FIG. 41 considers environmental optimization based on grasping the health condition and prediction of the health condition when the environment is optimized in cooperation with the personal service digital twin in order to derive the optimum environment. This is an example of chaining.
  • the action suggestion or the action suggestion that combines the personal work content and vitals to achieve the best work efficiency, or Enables optimal equipment placement.
  • the cooperation between the personal service DT and the building management DT enables the optimization of the environmental control that reflects the individual's health condition.
  • the building management DT and the tenant management DT are linked to expand the area as a means of responding to individual requests, and it is possible to provide an environment including action suggestions.
  • FIG. 42 is a diagram showing another example of the chain of digital twins.
  • FIG. 42 shows an example of a chain of digital twins by combining a schedule management application, a health management application, an environment-optimized application, a tenant management application, a store application, and a mobility application.
  • the service providers to cooperate with are schedule management service providers, health service providers, environment-optimized service providers, tenant management service providers, store service providers, and mobility service providers.
  • the target user is a block user under the regular use tenant.
  • the personal action assist function grasps the predicted situation in each digital twin up to a certain future that has been set.
  • Each digital twin is a district management digital twin related to the environmental status of the district, a store digital twin related to the store status, a tenant-operated digital twin related to the status of office tenants, a mobility digital twin that understands district delivery and movement, and restaurants.
  • Food loss digital twins related to situations such as purchasing optimization, and personal service digital twins related to personal vital information, location information, and action schedules.
  • the personal action assist function that grasps the predicted state of each digital twin is optimal for the individual based on the predicted state of each digital twin. Predict and recommend various behaviors.
  • the personal action assist function that recommends the user's behavior aggregates the reaction (effect) to the control, such as what kind of action the user took for the control for which application under what circumstances.
  • the personal action assist function can improve the accuracy of requesting multiple applications.
  • the personal service DT extracts "lunch” as a recommended action from the schedule and the user's stress information by the office behavior optimization function, and estimates the optimum meal from the user's health condition by the health condition estimation function.
  • the store management DT is a congestion avoidance / operation optimization function that checks the store congestion status, disables the use of the store because the store is crowded, and procures an area instead. In addition, the store management DT starts cooking the lunch ordered by the user at the store.
  • the tenant management DT relieves the stress of the user in response to the area procurement request from the store management DT, and secures the currently available place in the block area.
  • the mobility DT is a mobility optimization function that supports movement within a block, and dispatches mobility that transports meals from each current mobility position and business, selects a mobility route, and starts mobility movement.
  • the block management DT is a mobile equipment operation optimization function that can improve the efficiency of user movement by guiding the user to take action within a few minutes from the congestion of the elevator halls on each floor. In other words, when the user leaves his seat and goes to the front of the elevator, the door opens without pressing a button, and he can head to the area reserved as a place for lunch. And when the user arrives at the area, mobility will deliver the meal at just the right time.
  • the block management DT is a cleaning automation / efficiency function that completes cleaning before the user who has finished eating returns to the room.
  • User A wants to visit a clothing store and User B wants to visit a restaurant.
  • the personal service DT of the user A predicts the store visited by the user A with the behavior prediction function, extracts the preference of the user A with the purchasing tendency estimation function, and links with the store management DT of the visited store.
  • the personal service DT of the user B predicts the visiting store and the migratory behavior of the user B by the behavior prediction function, estimates the meal content appropriate for the user B by the health state estimation function, and links with the food and drink loss DT.
  • the store management DT of the store visited by user A is a congestion avoidance / operation optimization function, predicts demand from individual customer preferences, and procures products suitable for the visiting user in a chain with the distribution DT. Due to the chain of user preference and store management DT, when user A visits the store, a product that fits his size and preference is prepared so that he can try it on.
  • the store management DT of the store visited by user B is a congestion avoidance / operation optimization function, and estimates congestion from the user's behavior prediction.
  • the store management DT of the store visited by the user B secures an area in cooperation with the tenant management DT in response to the shortage of the store area. Then, the store management DT of the store visited by the user B starts procuring personnel in order to improve the operation efficiency.
  • the tenant management DT is a tenant area optimization function that streamlines the use of the area by coordinating and allocating the necessary area from the congestion prediction of the store management DT with other tenants.
  • the chain of digital twins of this embodiment makes it possible to infer user behavior and recommend appropriate behavior.
  • the block action recommendation function extracts the user's optimal action candidate.
  • the block action recommendation technique extracts the use of the second elevator as a candidate x after 5 minutes and going to buy a meal as a candidate y, respectively, as action candidates.
  • the block behavior recommendation technique extracts the optimum behavior corresponding to the prediction of the expected state from the user's vitals.
  • the block behavior recommendation function extracts the behavior of eating.
  • the building management optimization function calculates the optimum degree of each of the candidates x and y in the demand forecast processing based on a predetermined rule. For example, the building management optimization function calculates the optimum degree of the candidate x as 40 and the optimum degree of the candidate y as 60, respectively.
  • the building management optimization function calculates the optimum degree of each of the candidates x and y in the operation control optimization process based on a predetermined rule. For example, the building management optimization function calculates the optimum degree of the candidate x as 30 and the optimum degree of the candidate y as 70, respectively.
  • the store operation optimization function calculates the optimum degree of each of the candidates x and y based on a predetermined rule. For example, the building management optimization function calculates the optimum degree of the candidate x as 50 and the optimum degree of the candidate y as 50, respectively.
  • the block action recommendation function sums the optimum levels of the candidates x and y obtained by each function, and presents the user with the larger value.
  • the sum of the optimalities of the candidates x is 120
  • the sum of the optimalities of the candidates y is 180. Therefore, since the optimum degree of the candidate y is larger, the block action recommendation technique recommends the candidate y, that is, the action of going to buy a meal to the user.
  • the office action recommendation function extracts the meeting candidates.
  • the office behavior recommendation function extracts as a candidate a a meeting from 11:00 to 12:00 and as a candidate b a meeting from 17:00 to 18:00, respectively.
  • the block behavior recommendation technique predicts the behavior that occurs in each of the above candidates.
  • the block action recommendation technique states that the action that occurs in candidate a is to eat from 12:00 to 13:00 in the block, and that the action that occurs in candidate b is that there is no other action in the block. Predict each.
  • the food and drink loss function calculates the optimum degree of each candidate based on a predetermined rule. For example, the food and drink food loss function calculates the optimum degree of candidate a as 100 and the optimum degree of candidate b as 0, respectively.
  • the subscription office function calculates the optimum degree of each candidate based on a predetermined rule. For example, the subscription office function calculates the optimum degree of candidate a as 10 and the optimum degree of candidate b as 90, respectively.
  • the building management optimization function calculates the optimum degree of each candidate based on a predetermined rule. For example, the building management optimization function calculates the optimum degree of candidate a as 10 and the optimum degree of candidate b as 90, respectively.
  • the office behavior recommendation function sums the optimum levels of the candidates a and b obtained by each function, and presents the user with the larger value.
  • the sum of the optimum degrees of the candidate a is 120
  • the sum of the optimum degrees of the candidate b is 180. Therefore, since the optimum degree of the candidate b is larger, the office behavior recommendation function recommends the user to have a meeting with the candidate b, that is, from 17:00 to 18:00.
  • the user A's digital twin block behavior recommendation technology predicts the expected behavior of the user A from the current location and the current time.
  • the user A's digital twin block behavior recommendation technique should use the second elevator after 5 minutes and be in the room N after 6 minutes.
  • the user B's digital twin block behavior recommendation technique predicts the user B's expected behavior from the current location and the current time.
  • the user B's digital twin block behavior recommendation technique should use the second elevator after 5 minutes and be in the room U after 30 minutes.
  • the building management optimization function determines from the current demand forecast that only user A or user B can use the second elevator, and decides whether to put user A or user B on the second elevator. Extract as a candidate.
  • the building management optimization function extracts that the user A is placed on the second elevator as the candidate x and that the user B is placed on the second elevator as the candidate y.
  • the block behavior recommendation technique calculates the optimum degree for user B to get on the second elevator and head for the living room U after 5 minutes based on a predetermined rule.
  • the subscription office function calculates the optimum degree of the living room U after 5 minutes based on a predetermined rule.
  • the subscription office function calculates the optimum degree of the living room U after 5 minutes as 0.
  • the block action recommendation function of each of the digital twins of user A and user B calculates the optimum degree of each of the candidate x and the candidate y.
  • the block action recommendation function of each digital twin calculates the optimum degree of the candidate x as 100 and the optimum degree of the candidate y as 0, respectively.
  • the building management optimization function calculates the optimum degree of each of the candidate x and the candidate y.
  • the building management optimization function calculates the optimum degree of the candidate x as 20 and the optimum degree of the candidate y as 80, respectively.
  • the block action recommendation function sums the optimum levels of the candidates x and y obtained by each function, and presents the user with the larger value.
  • the sum of the optimalities of the candidates x is 220, and the sum of the optimalities of the candidates y is 80. Therefore, since the optimum degree of the candidate x is larger, the block action recommendation function proposes to optimize the entire block by putting the user A on the second elevator first.
  • the building management optimization function resets the demand forecast because the demand for cleaning changes due to changes in the weather.
  • the building management optimization function predicts that the degree of dirt on the floor etc. will become severe based on the regret of the demand forecast and the future forecast of the flow of people.
  • the building management optimization function determines that it wants to limit the cleaning area in order to maintain comfort.
  • the subscription office function extracts candidate areas that can be restricted by the current demand forecast.
  • a candidate that the subscription office function limits the entire area as the candidate x and half of the area as the candidate y is extracted.
  • the subscription office function calculates the optimum degree of each of the candidates x and y based on a predetermined rule in the area optimum allocation application.
  • the subscription office function calculates the optimum degree of the candidate x as 50 and the optimum degree of the candidate y as 50, respectively.
  • the building management optimization function calculates the optimum degree of each of the candidates x and y based on a predetermined rule in the environment control application.
  • the building management optimization function calculates the optimum degree of the candidate x as 10 and the optimum degree of the candidate y as 90, respectively.
  • the building management optimization function calculates the optimum degree of each of the candidates x and y based on a predetermined rule in the autonomous business robot control application.
  • the building management optimization function calculates the optimum degree of the candidate x as 80 and the optimum degree of the candidate y as 20 respectively.
  • the building management optimization function sums up the optimum levels of the candidates x and y obtained by each function, and proposes the limitation of the area with the larger value.
  • the sum of the optimalities of the candidates x is 140
  • the sum of the optimalities of the candidates y is 160. Therefore, since the optimization degree of the candidate y is larger, it is proposed that the building management optimization function optimizes the entire block by limiting half of a certain area.
  • data acquired from sensors located in real or digital space For example, data acquired from sensors located in real or digital space, behavioral information, user profiles, traffic traffic, predicted and optimized routes, predicted behavior, optimized delivery personnel, and personal mobility.
  • functions such as face recognition payment, movement support by a follow-up robot, and home delivery of items purchased by the user.
  • various processors other than the CPU may execute the optimization process in which the CPU reads the software (program) and executes it in each of the above embodiments.
  • the processor includes a PLD (Programmable Logic Device) whose circuit configuration can be changed after manufacturing an FPGA (Field-Programmable Gate Array), an ASIC (Application Specific Integrated Circuit), and the like for specifying an ASIC.
  • An example is a dedicated electric circuit or the like, which is a processor having a circuit configuration designed exclusively for it.
  • the optimization process may be executed by one of these various processors, or a combination of two or more processors of the same type or different types (for example, a plurality of FPGAs and a combination of a CPU and an FPGA). Etc.).
  • the hardware-like structure of these various processors is, more specifically, an electric circuit in which circuit elements such as semiconductor elements are combined.
  • the mode in which the optimization program is stored (installed) in the storage 14 in advance has been described, but the present invention is not limited to this.
  • the program is stored in a non-temporary medium such as a CD-ROM (Compact Disk Read Only Memory), a DVD-ROM (Digital Versaille Disk Online Memory), and a USB (Universal Serial Bus) memory. It may be provided in the form. Further, the program may be downloaded from an external device via a network.
  • An optimizer that optimizes a digital twin system that includes at least two digital twins. With memory With at least one processor connected to the memory Including The processor If the first parameter is given, get the first index value in the first digital twin, The state of the first digital twin after giving the first parameter is estimated and The state of the first digital twin, the second index value in the second digital twin when the first parameter is given, and the state of the second digital twin are acquired.
  • An optimization device configured to optimize the first index value and the second index value.
  • a non-temporary storage medium that stores a program that can be executed by a computer to perform an optimization process that optimizes a digital twin system that includes at least two digital twins.
  • the optimization process is If the first parameter is given, get the first index value in the first digital twin, The state of the first digital twin after giving the first parameter is estimated and The state of the first digital twin, the second index value in the second digital twin when the first parameter is given, and the state of the second digital twin are acquired.
  • a non-temporary storage medium that optimizes the first index value and the second index value.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Operations Research (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

少なくとも２つのデジタルツインが含まれるデジタルツインシステムを最適化する最適化装置１０は、第一のパラメータが与えられた場合に第一のデジタルツインにおける第一の指標値を取得する指標値取得部１０１と、前記第一のパラメータを与えた後の前記第一のデジタルツインの状態を推定する状態推定部１０２と、前記第一のデジタルツインの状態と、前記第一のパラメータが与えられた場合の第二のデジタルツインにおける第二の指標値及び前記第二のデジタルツインの状態を取得する状態取得部１０３と、前記第一の指標値と前記第二の指標値とを最適化する最適化部１０４と、を備える。

Description

最適化装置、最適化方法、及び最適化プログラム
　開示の技術は、最適化装置、最適化方法、及び最適化プログラムに関する。
　現実空間に存在するオブジェクト又は事象をコンピュータ上でモデル化し、コンピュータ上で行ったシミュレーションの結果を現実空間にフィードバックすることは従来から検討されている。現実空間に存在するオブジェクト又は事象をコンピュータ上でモデル化したものを、以下ではデジタルツイン、又はＤＴと記載する。
　例えば非特許文献１には、個々の風力発電機のカスタマイズをデジタルツインで行う事例が記載されている。
三井物産戦略研究所　戦略研レポート　２０１７年１月３１日号「２０１７年に注目すべき４つのイノベーション」，https://www.mitsui.com/mgssi/ja/report/detail/__icsFiles/afieldfile/2017/02/09/170131tm.pdf
　しかしながら、非特許文献１を含め、従来の技術は１つのオブジェクトのデジタルツインしか考慮されていない。非特許文献１には、前述した風力発電機の他に都市計画等をデジタルツインで実現しようとする試みが存在することも記載されているが、個々のオブジェクトのデジタルツインを作成することしか記載されていない。
　現実空間には多数のオブジェクトが存在し、オブジェクト間で相互に影響を与えあっている。これは、デジタルツイン同士で相互に影響を与えあうことも考慮する必要がある事を示している。例えば、オフィスの快適性を維持しながら省エネルギーを考慮した空調制御を行う場合が考えられる。また例えば、個人のバイタルデータを参照し体調を考慮しながら、店舗が混雑しないように店舗への移動タイミングを制御する際に、同時にエレベータの混雑も考慮する場合が考えられる。また例えば、需要予測に応じた仕入れの結果発生する誤差を、プライシングによってロスを減らす際に、さらに個人の体調を考慮した配膳により食べ残しロスを減らす場合が考えられる。このような制御は、デジタルツイン間のインタラクションを考慮しなければ実現することが出来ない。
　開示の技術は、上記の点に鑑みてなされたものであり、個々のオブジェクト並びに事象のデジタルツインの構築、及びデジタルツイン間の相互の影響も考慮したモデルの構築を最適化する、最適化装置、最適化方法、及び最適化プログラムを提供することを目的とする。
　本開示の第１態様は、少なくとも２つのデジタルツインが含まれるデジタルツインシステムを最適化する最適化装置であって、第一のパラメータが与えられた場合に第一のデジタルツインにおける第一の指標値を取得する指標値取得部と、前記第一のパラメータを与えた後の前記第一のデジタルツインの状態を推定する状態推定部と、前記第一のデジタルツインの状態と、前記第一のパラメータが与えられた場合の第二のデジタルツインにおける第二の指標値及び前記第二のデジタルツインの状態を取得する状態取得部と、前記第一の指標値と前記第二の指標値とを最適化する最適化部と、を備える。
　本開示の第２態様は、少なくとも２つのデジタルツインが含まれるデジタルツインシステムを最適化する最適化方法であって、第一のパラメータが与えられた場合に第一のデジタルツインにおける第一の指標値を取得し、前記第一のパラメータを与えた後の前記第一のデジタルツインの状態を推定し、前記第一のデジタルツインの状態と、前記第一のパラメータが与えられた場合の第二のデジタルツインにおける第二の指標値及び前記第二のデジタルツインの状態を取得し、前記第一の指標値と前記第二の指標値とを最適化すること、をコンピュータが実行する。
　本開示の第３態様は、少なくとも２つのデジタルツインが含まれるデジタルツインシステムを最適化する最適化プログラムであって、第一のパラメータが与えられた場合に第一のデジタルツインにおける第一の指標値を取得し、前記第一のパラメータを与えた後の前記第一のデジタルツインの状態を推定し、前記第一のデジタルツインの状態と、前記第一のパラメータが与えられた場合の第二のデジタルツインにおける第二の指標値及び前記第二のデジタルツインの状態を取得し、前記第一の指標値と前記第二の指標値とを最適化すること、をコンピュータに実行させる。
　開示の技術によれば、個々のオブジェクト並びに事象のデジタルツインの構築、及びデジタルツイン間の相互の影響も考慮したモデルの構築を最適化する、最適化装置、最適化方法、及び最適化プログラムを提供することができる。
実施形態の概要を説明する図である。 実施形態において想定している仮想空間と現実空間との対応、及び現実空間で提供される価値の例を示した図である。 実施形態の概略構成例を示す図である。 最適化装置のハードウェア構成を示すブロック図である。 最適化装置の機能構成の例を示すブロック図である。 最適化装置による最適化処理の流れを示すフローチャートである。 ユーザの健康状態の情報を取得することで、適切な食事をサジェストする場合の例を示す図である。 ユーザの健康デジタルツイン、店舗デジタルツイン、及び街区運営管理デジタルツインを組み合わせた場合の例である。 ユーザの健康デジタルツイン、店舗デジタルツイン、及び街区運営管理デジタルツインを組み合わせた場合の例である。 空調制御の例を示す図である。 ユーザの健康デジタルツイン、及び街区運営管理デジタルツインの組み合わせの例を示す図である。 個人向けサービスＤＴにおける指標の例である。 街区管理ＤＴにおける指標の例である。 店舗運営ＤＴにおける指標の例である。 飲食フードロスＤＴにおける指標の例である。 モビリティＤＴにおける指標の例である。 テナント運営ＤＴにおける指標の例である。 街づくりＤＴＣ基盤におけるＤＴＣ街区のモデル例を示す図である。 サービス提供者が提供する店舗向けアプリケーションの概要を示す図である。 店舗向けアプリケーションの具体例を示す図である。 店舗オペレーション最適化技術における機能間の関係例を示す説明図である。 需給最適化・プライシング技術における機能間の関係例を示す説明図である。 配膳量最適化技術における機能間の関係例を示す説明図である。 サービス提供者が提供するモビリティアプリケーションの概要を示す図である。 モビリティアプリケーションの具体例を示す図である。 街区内移動モビリティ最適化技術における機能間の関係例を示す説明図である。 サービス提供者が提供する健康管理アプリケーションの概要を示す図である。 健康管理アプリケーションの具体例を示す図である。 行動リコメンド技術における機能間の関係例を示す説明図である。 サービス提供者が提供する環境最適アプリケーションの概要を示す図である。 環境最適アプリケーションの具体例を示す図である。 環境最適化技術における機能間の関係例を示す説明図である。 サービス提供者が提供するスケジュール管理アプリケーションの概要を示す図である。 スケジュール管理アプリケーションの具体例を示す図である。 サービス提供者が提供するテナント運営アプリケーションの概要を示す図である。 テナント運営アプリケーションの具体例を示す図である。 デジタルツインの連鎖の例を示す図である。 街区行動リコメンド技術における機能間の関係例を示す説明図である。 デジタルツインの連鎖の別の例を示す図である。 デジタルツインの連鎖の別の例を示す図である。 デジタルツインの連鎖の別の例を示す図である。 デジタルツインの連鎖の別の例を示す図である。
　以下、開示の技術の実施形態の一例を、図面を参照しつつ説明する。なお、各図面において同一又は等価な構成要素及び部分には同一の参照符号を付与している。また、図面の寸法比率は、説明の都合上誇張されており、実際の比率とは異なる場合がある。
　まず、開示の技術の実施形態の概要を説明する。図１は、本実施形態の概要を説明する図である。
　本実施形態に係る最適化装置１０は、複数のデジタルツインを連鎖させて提供する価値を拡張する、街づくりデジタルツインコンピューティング（ＤＴＣ）基盤において用いられることを前提とする。本実施形態では、図１に示した６つのデジタルツインを連鎖させることで、価値の拡張を目指すデジタルツインコンピューティングを想定する。６つのデジタルツインを連鎖させることで自動化による効率運用、ＳＤＧｓの実現（省エネルギー及びフードロスの削減）、コスト削減、過ごしやすさ、ユーザに寄り添ったサービス提供といった価値を提供する。以下の説明では、街づくりＤＴＣ基盤によって構築される仮想的なエリアのことを、単に「街区」と称する。なお、連鎖させるデジタルツインは一例であり、目的に応じてさらに多くのデジタルツインを連鎖させる必要がある場合も、提示したデジタルツインのうち一部のデジタルツインのみを連鎖させる場合も有り得る。
　街区管理ＤＴは、例えば図１に示すようにエネルギー制御最適化、移動設備運転最適化、清掃・警備・保全最適化、環境最適化を図るデジタルツインである。エネルギー制御最適化は、例えば人の活動を予測し、予測した人の活動に応じて空調を自動制御することによりエネルギー制御を最適化するものである。移動設備運転最適化は、例えば数分後の人の移動を予測してエレベータを効率的に運転することで最適化するものである。清掃・警備・保全最適化は、例えば、人の利用状況を予測して、予測した利用状況に応じて清掃ロボットの作業を最適化したり、警備ロボットの最適な配置、又は最適な経路を設定することで最適化したりするものである。環境最適化は、例えば、人の健康状態、行動予測、スケジュールに応じて、照明、湿度、温度、壁紙、匂い、又は音等を調整することで環境を最適化するものである。
　店舗運営ＤＴは、例えば図１に示すように顧客体験最適化、オペレーション最適化を図るデジタルツインである。顧客体験最適化は、例えば需要予測と人の行動予測とから、混雑度の推定と最適な顧客分散の決定とを行うことで最適化するものである。オペレーション最適化は、例えば需要予測から、店舗のレイアウト、人員配置、在庫、及び調達を最適化するものである。
　モビリティＤＴは、例えば図１に示すように、街区内移動モビリティ最適化、街区ＭａａＳ（Ｍｏｂｉｌｉｔｙ　ａｓ　ａ　Ｓｅｒｖｉｃｅ）最適化を図るデジタルツインである。街区内移動モビリティ最適化は、例えば利用者の行動予測、利用オーダーに応じた最適配置、及び最適経路を決定することで街区内の移動を最適化する。街区ＭａａＳ最適化は、例えば個人の行動予測と交通状態予測を反映した最適な配車を決定することで街区を訪れる人の移動を最適化する。
　飲食フードロスＤＴは、例えば図１に示すように、需給・プライシング最適化、配膳量最適化を図るデジタルツインである。需給・プライシング最適化は、例えば、需要予測による仕入れ量の最適化を行ったり、余剰食材のシェアとプライシング制御により食材の需給を最適化したり、価格設定を最適化したりする。配膳量最適化は、例えば、個人のプロファイル、外部要因、メニューの詳細とから要因を抽出することで配膳量を最適化する。
　テナント運営ＤＴは、例えば図１に示すように、エリア最適化、物品供給・配置最適化を図るデジタルツインである。エリア最適化は、例えば、街区エリアの時間ごとのエリアを最適に割り当てることでエリアの利用効率を最適化する。物品供給・配置最適化は、例えば、個人の行動も含めた、エリアでの物品の需要予測及び自動補填により、物品の供給及び配置を最適化する。
　個人向けサービスＤＴは、例えば図１に示すように、健康状態予測、購買・思考傾向予測、行動傾向予測、街区行動リコメンドを図るデジタルツインである。健康状態予測は、例えば、ユーザの体温、脈拍、血圧等のバイタルサイン等からユーザの健康状態を推定し、ユーザの行動又は食事をユーザにリコメンドする。また、そのリコメンド結果から健康状態の変化を予測する。購買・思考傾向予測は、例えば、ユーザの購買履歴等からユーザの嗜好を推定し、ユーザの嗜好を反映した需要予測を行い、購買をユーザにリコメンドする。行動傾向予測は、例えば、個人単位の街区の行動を予測し、プロアクティブ行動をユーザにリコメンドする。街区行動リコメンドは、ユーザの健康、嗜好、行動の予測を反映して、ユーザに行動をリコメンドすることで、ユーザの行動を支援する。
　図２は、本実施形態において想定している、仮想空間と現実空間との対応、及び現実空間で提供される価値の例を示した図である。図２では、仮想空間として街づくりＤＴＣ基盤を挙げている。現実空間から収集した情報は、仮想空間のデータベース（ＤＢ）に登録され、データベースに登録されている情報を用いて、仮想空間内で各種デジタルツインが構築される。そして、仮想空間内で二以上のデジタルツインを連鎖させて、様々なサービスが提供される。現実空間からは、顧客接点アプリを通じ、デジタルツインの最適化をリクエストし、仮想空間からは、顧客接点アプリを通じ、最適化済みのレスポンスを現実空間に出力する。
　図３は、本実施形態の概略構成例を示す図である。図３には、デジタルツインシステムを最適化する最適化装置１０と、最適化装置１０に各種データを提供する情報処理装置２０と、最適化装置１０によって最適化されたデジタルツインシステムに基づいて動作する機器３０と、が示されている。
　最適化装置１０は、少なくとも２つのデジタルツインが含まれるデジタルツインシステムを最適化する装置である。それぞれのデジタルツインは、例えば、情報処理装置２０から提供されたデータに基づいて構築され得る。また、最適化装置１０は、デジタルツインシステムを最適化する際に、情報処理装置２０から提供されたデータを用いる。情報処理装置２０は、例えばセンシングデータを提供する。最適化装置１０は、デジタルツインシステムの最適化の結果、現実世界に存在する機器３０を制御する場合は、機器３０を制御するための情報を出力する。
　なお、デジタルツインシステムは、最適化装置１０の内部に構築されてもよく、最適化装置１０とは異なる別の装置の内部に構築されてもよい。
　情報処理装置２０は、最適化装置１０に情報を提供する装置であり、例えば、状態をセンシングする各種のセンサを備える装置である。情報処理装置２０は、例えばスマートフォン、タブレット端末、ウェアラブル端末等がある。情報処理装置２０が備えるセンサには、例えば、人間の体温、脈拍、血圧等のバイタルサインの情報を取得する生体情報センサ、人間が利用する装置、機器等の情報を取得するセンサ等が含まれ得る。また情報処理装置２０が備えるセンサには、他にも、図２に示すような、建物設備に敷設される空調、EV等設備に混載されるセンサ、ロボット、ドローン等のフィジカルインフラに装備されているセンサ、又は建物に敷設されているカメラ、センサ等が含まれる。
　機器３０は、現実世界に存在する各種の機器である。機器３０は、最適化装置１０によって最適化されたデジタルツインシステムから出力される情報に基づいて動作を実行する。また、機器３０は、人に情報を提示するようなデジタルサイネージ、スマートフォン、ＰＣ等も含み、現実世界の人、モノ、環境に影響を与えるもの全てを含む。
　図４は、最適化装置１０のハードウェア構成を示すブロック図である。
　図４に示すように、最適化装置１０は、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）１１、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）１２、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）１３、ストレージ１４、入力部１５、表示部１６及び通信インタフェース（Ｉ／Ｆ）１７を有する。各構成は、バス１９を介して相互に通信可能に接続されている。
　ＣＰＵ１１は、中央演算処理ユニットであり、各種プログラムを実行したり、各部を制御したりする。すなわち、ＣＰＵ１１は、ＲＯＭ１２又はストレージ１４からプログラムを読み出し、ＲＡＭ１３を作業領域としてプログラムを実行する。ＣＰＵ１１は、ＲＯＭ１２又はストレージ１４に記憶されているプログラムに従って、上記各構成の制御及び各種の演算処理を行う。本実施形態では、ＲＯＭ１２又はストレージ１４には、デジタルツインシステムを最適化する最適化プログラムが格納されている。また、ストレージ１４には、複数のデジタルツインが構築されていてもよい。
　ＲＯＭ１２は、各種プログラム及び各種データを格納する。ＲＡＭ１３は、作業領域として一時的にプログラム又はデータを記憶する。ストレージ１４は、ＨＤＤ（Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅ）又はＳＳＤ（Ｓｏｌｉｄ　Ｓｔａｔｅ　Ｄｒｉｖｅ）等の記憶装置により構成され、オペレーティングシステムを含む各種プログラム、及び各種データを格納する。
　入力部１５は、マウス等のポインティングデバイス、及びキーボードを含み、各種の入力を行うために使用される。
　表示部１６は、例えば、液晶ディスプレイであり、各種の情報を表示する。表示部１６は、タッチパネル方式を採用して、入力部１５として機能しても良い。
　通信インタフェース１７は、他の機器と通信するためのインタフェースである。当該通信には、たとえば、イーサネット（登録商標）若しくはＦＤＤＩ等の有線通信の規格、又は、４Ｇ、５Ｇ、若しくはＷｉ－Ｆｉ（登録商標）等の無線通信の規格が用いられる。
　次に、最適化装置１０の機能構成について説明する。
　図５は、最適化装置１０の機能構成の例を示すブロック図である。
　図５に示すように、最適化装置１０は、機能構成として、指標値取得部１０１、状態推定部１０２、状態取得部１０３、及び最適化部１０４を有する。各機能構成は、ＣＰＵ１１がＲＯＭ１２又はストレージ１４に記憶された最適化プログラムを読み出し、ＲＡＭ１３に展開して実行することにより実現される。
　ここで、人間個人のデジタルツインにおける指標の１つである快適度と、任意の店舗のデジタルツインにおける指標の１つである顧客満足度を同時に最適化する技術を、インタラクションを有する複数のデジタルツインを同時に最適化する技術の例として示す。
　最初に概要を定性的に説明する。人間個人のデジタルツインにおける快適度は、例えば嗜好に合う飲食を行うだけでなく、飲食を行う場所の状態によっても変化する。また、任意の店舗のデジタルツインの顧客満足度は、提供する商品や店の設備の他に、混雑度及び混雑に伴って変動する商品の提供時間によって変化する。そして、混雑度は人間個人のデジタルツインの行動によって変化する。つまり、任意の時間に、人間個人のデジタルツインに干渉し、任意の店舗のデジタルツインに到着する時間を適切な時間に変化させることで、快適度と顧客満足度とを同時に最適化しうる。言い換えれば、任意のトリガとなる時間軸上の起点（例えば時間、場所、直前の行動、スケジュール、健康状態のいずれか、または組み合わせ）で起こる行動に基づき、起点から先の未来の行動予測を行う。そして、行動予測をした上で、その未来において関わり合いのあるデジタルツインで（例えば、店舗のデジタルツイン及び街区管理デジタルツインで）発生する状態をあらかじめ予測し、起点を変えながら関わるデジタルツインの状態の予測を行い、各指標値が最も高くなるものを最適な状態として設定し、最適な行動に誘導することで、快適度と、顧客満足度とを同時に最適化しうる。前述した干渉は、例えば人間個人のデジタルツインが外出を始めるべき時間のリコメンド、人間個人のデジタルツインに適切な時間分だけ外出を始める時間を遅らせる外部情報の提供、リコメンドに従った場合に与えられるインセンティブ等が考えられる。
　ここで、人間個人のデジタルツインは、単体であってもよいし複数であってもよい。また、人間個人のデジタルツインと任意の店舗のデジタルツインとは、インタラクションを有するデジタルツインであれば他の種類のデジタルツインであってもよい。最適化する指標として快適度と顧客満足度とを挙げたが、最適化する指標として他の指標が用いられてもよい。任意の時間ではなく任意の場所であってもよいし、任意の時間及び場所であってもよいし、さらに、健康状態、スケジュール、時間、場所、直前の行動であってもよい。そして、人間個人と店舗という２種類のデジタルツインだけではなく３種類以上のデジタルツインが用いられてもよい。
　ここから先は、本実施形態において、人間個人のデジタルツインを「第一のデジタルツイン」、任意の店舗のデジタルツインを「第二のデジタルツイン」、快適度を「第一の指標値」、顧客満足度を「第二の指標値」、任意の時間を「第一のパラメータ」、干渉を「第二のパラメータ」とも称する。
　指標値取得部１０１は、第一のパラメータが与えられた場合に、所定の場所で構築されている第一のデジタルツインにおける第一の指標値を取得する。第一のデジタルツインは、例えば情報処理装置２０から提供されたデータに基づいて構築されてもよい。
　状態推定部１０２は、第一のパラメータを与えた後の第一のデジタルツインの状態を推定する。第一のデジタルツインの状態は、人間個人のデジタルツインがとった行動又はその行動に係る時間や性質等の情報であってもよい。
　状態取得部１０３は、第一のデジタルツインの状態と、第二のデジタルツインにおける第二の指標値及び第二のデジタルツインの状態を取得する。第二のデジタルツインは、例えば情報処理装置２０から提供されたデータに基づいて構築されてもよい。また、状態取得部１０３は、第二のパラメータが第一のデジタルツインに与えられた際の第二のデジタルツインにおける第二の指標値及び第二のデジタルツインの状態を更に取得してもよい。
　最適化部１０４は、指標値取得部１０１が取得した第一の指標値と、状態取得部１０３が取得した第二の指標値と、を最適化する。第一の指標値は、第一のデジタルツインの快適度であり、第二の指標値は、第二のデジタルツインの顧客満足度であってもよい。最適化部１０４は、第一の指標値と第二の指標値とを最適化するために、第一のデジタルツインの状態を変化させる第二のパラメータを、第一のデジタルツインに更に与えてもよい。第一のデジタルツインが１人の人間のデジタルツインである場合、第二のパラメータは、第一のデジタルツインが移動を開始すべき時間であってもよい。また、第二のパラメータは、第一のデジタルツインが移動を開始すべき時間に変化を起こしうるパラメータであってもよい。第二のパラメータは、第二のパラメータを与えた結果変化する第一の指標値と第二の指標値とが最適な値となるものとすればよい。例えば、第二のパラメータは、第一の指標値と第二の指標値との和が最大となるものであってもよい。
　最適化装置１０は、上述した構成を有することで、個々のオブジェクト並びに事象のデジタルツインの構築、及びデジタルツイン間の相互の影響も考慮したモデルの構築を最適化することができる。
　次に、最適化装置１０の作用について説明する。
　図６は、最適化装置１０による最適化処理の流れを示すフローチャートである。ＣＰＵ１１がＲＯＭ１２又はストレージ１４から最適化処理プログラムを読み出して、ＲＡＭ１３に展開して実行することにより、最適化処理が行なわれる。
　ステップＳ１０１において、ＣＰＵ１１は、指標値取得部１０１として、第一のパラメータが与えられた場合に第一のデジタルツインにおける第一の指標値を取得する。第一のデジタルツインは１人の人間のデジタルツインであってもよい。
　ステップＳ１０１に続いて、ステップＳ１０２において、ＣＰＵ１１は、状態推定部１０２として、第一のパラメータを与えた後の第一のデジタルツインの状態を推定する。第一のデジタルツインが１人の人間のデジタルツインである場合、第一のデジタルツインの状態は、人間がとった行動であってもよい。
　ステップＳ１０２に続いて、ステップＳ１０３において、ＣＰＵ１１は、状態取得部１０３として、第一のデジタルツインの状態と、第一のデジタルツインに与えられたものと同一のパラメータが与えられた場合の、第一のデジタルツインとは異なる、所定の場所で構築されている第二のデジタルツインにおける第二の指標値及び第二のデジタルツインの状態を取得する。第二のデジタルツインは任意の店舗のデジタルツインであってもよい。第二のデジタルツインが任意の店舗のデジタルツインである場合、第二のデジタルツインの状態は、少なくとも上記店舗の混雑度を含んでもよい。
　ステップＳ１０３に続いて、ステップＳ１０４において、ＣＰＵ１１は、最適化部１０４として、ステップＳ１０１で取得した第一の指標値と、ステップＳ１０３で取得した第二の指標値とを最適化する。最適化部１０４は、第一のデジタルツインの状態を変化させる第二のパラメータを、第一のデジタルツインに更に与えてもよい。第一のデジタルツインが１人の人間のデジタルツインである場合、第二のパラメータは、第一のデジタルツインが移動を開始すべき時間であってもよい。
　最適化装置１０は、上述した一連の処理を実行することで、個々のオブジェクト並びに事象のデジタルツインの構築、及びデジタルツイン間の相互の影響も考慮したモデルの構築を最適化することができる。
　次に、実施例を挙げて最適化装置１０の作用を説明する。
（実施例１）
　実施例１では、ユーザの健康デジタルツイン、店舗デジタルツイン、及び街区運営管理デジタルツインを組み合わせた場合における、最適化装置１０の作用について説明する。
　図７は、各ユーザの健康状態の情報を予測することで、適切な食事をサジェストする場合の例を示す図である。各ユーザの健康状態の情報を予測することで、適切な食事のタイミングをサジェストしたり、待ち時間を提示したりすること自体は可能である。しかし、店舗への来店タイミング及びオーダーのタイミングをユーザに委ねているため、オーダーが集中し積み上がっていく場合がある。図７の例では、１２時に複数のユーザが店舗でオーダーをすると、オーダーが積み重なり、待ち時間が増大する。さらに、店舗の利用客でエレベータが混雑する。
　図８及び図９は、ユーザの健康デジタルツイン、店舗デジタルツイン、及び街区運営管理デジタルツインを組み合わせた場合の例である。最適化装置１０は、ユーザの健康デジタルツインから、いつ昼食を食べるのが適切かをあらかじめ予測する。また、最適化装置１０は、店舗デジタルツインから、どんなオーダー状態になるのが店舗運営上最適かをあらかじめ予測する。また、最適化装置１０は、街区運営管理デジタルツインから、エレベータにいつ誰が乗るのが最適化をあらかじめ予測する。
　最適化装置１０は、ユーザの健康状態に対して最適で、店舗の混雑が分散し、エレベータの利用状態も平準化可能なタイミングで、ユーザのデジタルツインに行動してもらうためのリコメンドを行う。これにより最適化装置１０は、図９に示したように、どのユーザがオーダーしても待ち時間が無い状態を作り出すことができる。また、図９に示したように、店舗の利用客でエレベータが混雑しない状態を作り出すことも出来る。
　実施例１では、最適化装置１０は、上述した通りデジタルツイン間が相互に与える影響についてもモデル化する。まず、人間、店舗、エレベータのデジタルツインがあるとする。人間のデジタルツインのみを考えた場合、健康状態、空腹度合い、趣味嗜好を考慮し、店舗に行くというアクションが取られる。
　人間のデジタルツインのアクションは、エレベータのデジタルツインへの乗降、使用エネルギー、店舗のデジタルツインの収入、混雑度、在庫に影響を与える。人間のデジタルツインがこのアクションを行った結果、例えば店舗の混雑度が増加することで人間のデジタルツインが店舗で待機しなければならない場合、又は店舗内に存在する別の人間のデジタルツインの健康状態が下がってしまう場合等があり得る。
　このような場合は、人間のデジタルツインは自らの空腹度、又は趣味嗜好を満たすことができるものの、他のデジタルツインの指標（例えば顧客満足度）が下がってしまい、全体最適ではない。そこで最適化装置１０は、全体最適化を行うため、人間のデジタルツインのアクションが全体最適となるように変化させるよう、人間のデジタルツインにリコメンドする。
　例えば、人間のデジタルツインが、混雑度が高い、又は店での待機時間が長いと指標値が下がるような場合、最適化装置１０は、アクションの結果全体が最適となるような出立時間をリコメンドする。混雑度が高くても、又は店での待機時間が長くても、指標値が下がらない人間のデジタルツインの場合、最適化装置１０は、前述した店とは別の店をリコメンドすることで、人間のデジタルツインのアクションを制御する。
　実施例１では、人間及び店のデジタルツインを例示したが、最適化装置１０は、人間が店に向かう途中に用いるエレベータのデジタルツインをさらに考慮して、人間とエレベータと店舗の３つのデジタルツインの指標を最適化するようにしてもよい。また最適化装置１０は、このリコメンドを現実空間にフィードバックし、当該人間のデジタルツインの元となった人間にリコメンドすることも当然可能である。
（実施例２）
　実施例２では、ユーザの健康デジタルツイン、及び街区運営管理デジタルツインを組み合わせた場合における、最適化装置１０の作用について説明する。
　図１０は、空調制御の例を示す図である。図１０に示した空調制御の例では、各ユーザが部屋の室温を変更できる権限を有しているものとする。人間の寒暖の感覚には個人差があり、同じ室温でもあるユーザにとっては暑く感じ、別のユーザにとっては寒く感じるという場合があり得る。そのため、同じ部屋に寒暖の感覚が異なる複数のユーザが居た場合、あるユーザは２度室温を下げたいと考え、別のユーザは２度室温を上げたいと考えていても、そのような空調制御は困難である。
　図１１は、ユーザの健康デジタルツイン、及び街区運営管理デジタルツインの組み合わせの例を示す図である。最適化装置１０は、部屋の環境、部屋の人流、個人の状態をあらかじめ予測することで、個人にとっても街区にとっても効率的な制御を予想する。
　最適化装置１０は、上述したようにデジタルツインにおける指標値を最適化する。指標のカテゴリは、財務的指標、及び非財務的指標を基準にする。財務的指標、及び非財務的指標は、例えば「財務的指標と非財務的指標の業種別分析」（https://www.jstage.jst.go.jp/article/jcar/28/2/28_KJ00008538768/_pdfを参照）で開示されている指標が用いられる。そして、本実施形態に係る最適化装置１０は、最適化指標として、「収益性」、「顧客満足度」、及び「環境影響」の３つの指標を用いる。顧客満足度の指標には、例えばＣＸ（カスタマー・エクスペリエンス、顧客経験価値）指標、（https://www.nri.com/-/media/Corporate/jp/Files/PDF/knowledge/report/cc/mediaforum/2019/forum283.pdf?la=ja-JP&hash=8B5A4D92CA1006ABD493876E57911B136928DF00を参照）、又はＪＣＳＩ（日本版顧客満足度指数、https://www.meti.go.jp/committee/kenkyukai/sansei/chiikikigyo_hyoka/pdf/003_s02_00.pdfを参照）が用いられ得る。
　以下において、最適化装置１０が各デジタルツインについて最適化する指標を例示する。
　図１２は、個人向けサービスＤＴにおける指標の例である。本実施形態では、個人向けサービスＤＴの街区行動リコメンドにおいて図１２に示した指標が用いられる。個人向けサービスＤＴでは、顧客満足度の指標として、自分の状態との合致度、及び価格が用いられる。自分の状態との合致度には、適切なタイミングとの合致度、自分の行動との合致度、欲しいもの、ニーズ、嗜好との合致度、自分が感じる快適さとの合致度、自分の健康状態との合致度が挙げられているが、これらに限定されるものではない。
　図１３は、街区管理ＤＴにおける指標の例である。本実施形態では、街区管理ＤＴのエネルギー制御最適化、移動設備運転最適化、清掃・警備・保全最適化、環境最適化において図１３に示した指標が用いられる。ここで、エネルギーという指標がエネルギー制御最適化と、移動設備運転最適化との両方で示されている。移動設備の運転を最適化するためにはエネルギーが多く使われるが、その場合にエネルギーが最適に使用されるとは限らない。一方、エネルギーを最適に使用する場合に移動設備の運転が最適化できるとは限らない。そこで街区管理ＤＴでは、双方にとって最適となるようなエネルギー使用量が導出される。なお、街区管理ＤＴの指標は図１３に示したものに限定されるものではない。
　図１４は、店舗運営ＤＴにおける指標の例である。本実施形態では、店舗運営ＤＴの顧客体験最適化、オペレーション最適化において図１４に示した指標が用いられる。店舗運営ＤＴにおける指標でも、各最適化において共通する指標が存在する。そこで店舗運営ＤＴでは、各最適化において最適となるような指標が導出される。なお、店舗運営ＤＴの指標は図１４に示したものに限定されるものではない。
　図１５は、飲食フードロスＤＴにおける指標の例である。本実施形態では、飲食フードロスＤＴの需給プライシング最適化、配膳量最適化において図１５に示した指標が用いられる。なお、飲食フードロスＤＴの指標は図１５に示したものに限定されるものではない。
　図１６は、モビリティＤＴにおける指標の例である。本実施形態では、モビリティＤＴの街区内移動モビリティ最適化、街区ＭａａＳ最適化において図１６に示した指標が用いられる。なお、モビリティＤＴの指標は図１６に示したものに限定されるものではない。
　図１７は、テナント運営ＤＴにおける指標の例である。本実施形態では、テナント運営ＤＴのエリア最適化、物品供給最適化において図１７に示した指標が用いられる。なお、テナント運営ＤＴの指標は図１７に示したものに限定されるものではない。
　図１８は、街づくりＤＴＣ基盤におけるＤＴＣ街区のモデル例を示す図である。ＤＴＣに参加する地権者（ＤＴＣ参加企業）は、サービス提供会社に費用を支払うことで、サービス提供会社からサービスの開発及び保守運用の提供を受ける。地権者は、データベースに格納されている情報からデジタルツインを構築し、複数のデジタルツインを連鎖させるデジタルツインコンピューティングを保有する。地権者は、サービス提供者から基盤利用料の支払いを受けると、サービス提供者に対して街づくりＤＴＣ基盤を利用するための基盤利用権を与える。なお、地権者（ＤＴＣ参加企業）は、街区を運営する事業者又は自治体であってもよい。
　サービス提供者は、サービス開発会社に費用を支払うことで、サービス提供会社からサービスの開発及び保守運用の提供を受ける。
　そして、サービス提供者はテナント、来街者又はワーカからサービス利用料の支払いを受けると、テナント、来街者又はワーカに対してサービスを提供する。図１８で示した例において、サービス提供者が提供するサービスは、顧客接点アプリケーションである。なお、来街者又はワーカが支払うサービス利用料は無料でもよい。また、サービス提供者は、ＤＴＣに参加する地権者であってもよい。
　図１９は、サービス提供者が提供する店舗向けアプリケーション（店舗ＡＰ）の概要を示す図である。店舗向けアプリケーションは、店舗の混雑の分散、店舗内のオペレーション支援、商品のプライシング等を最適化する機能を提供する。
　ＤＴＣに参加する地権者（ＤＴＣ参加企業）は、サービス提供者に費用を支払うことで店舗向けアプリケーションを運営する。店舗向けアプリケーションは、サービス提供者が開発及び保守を行う。
　店舗向けアプリケーションを利用する店舗は、サービス事業者にアプリケーション利用料を支払う。サービス事業者は、独自店舗サービスを運営する。独自店舗サービスは、店舗向けアプリケーションの機能を利用し、独自機能を含むものである。独自店舗サービスの開発及び保守は任意の開発会社が行ってもよい。
　ユーザは、店舗を利用する際に、独自店舗サービスから混雑状況の提供を受ける。独自店舗サービスは、混雑状況を提供する際に、店舗アプリケーションへ最適化リクエストを出す。店舗アプリケーションは、リクエストに応じて最適化装置１０に最適化処理を指示し、最適化装置１０によって最適化されたデジタルツインの指標値を取得し、最適化済みのレスポンスを独自店舗サービスに返す。
　図２０は、店舗向けアプリケーションの具体例を示す図である。
　店舗向けアプリケーションのユーザ向けの機能としては、決済機能、オーダー・予約機能、混雑情報提示機能、商品リコメンド提示機能がある。決済機能は、例えば顔認証技術、又は生体認証技術等と組み合わせられてもよい。
　店舗向けアプリケーションの全店舗横断の機能としては、オーダー集約・決済機能、店舗間混雑分散機能、店舗間余剰食材マッチング機能、商品リコメンド機能がある。店舗間混雑分散機能が実行される際には店舗間運用ＤＴが利用され、店舗間余剰食材マッチング機能が実行される際には飲食フードロスＤＴが用いられる。また、商品リコメンド機能が実行される際には個人向けサービスＤＴが用いられる。店舗間混雑分散機能によって、混雑情報提示機能に混雑情報が送られる。また商品リコメンド機能によって、商品リコメンド提示機能にリコメンド情報が送られる。
　店舗向けアプリケーションの個別店舗向けの機能としては、オペレーションサポート機能、仕入れサポート機能、販促サポート機能、食残し０サポート機能がある。オペレーションサポート機能が実行される際には店舗運営ＤＴが用いられ、仕入れサポート機能、販促サポート機能、食残し０サポート機能が実行される際には飲食フードロスＤＴが用いられる。
　オーダー集約・決済機能が出力したオーダー情報をオーダー集約・決済機能が取得すると、オーダー集約・決済機能は、オーダー情報を、オーダーが行われた店舗に送る。個別店舗からは、在庫情報、仕入れ情報、混雑情報、及び食べ残し情報が全店舗横断の機能に送られる。
　図２１は、店舗オペレーション最適化技術における機能間の関係例を示す説明図である。
　店舗オペレーション最適化技術は、街区行動リコメンド技術において得られる、街区行動リコメンドの情報に基づき、店舗の最適オペレーションを行う。
　店舗仕入れ最適化機能は、行動リコメンド情報と混雑情報に基づき、来訪ユーザに合致した在庫仕入れを行う。店舗仕入れ最適化機能は、来訪ユーザに合致した在庫仕入れを行う際に、個人情報（嗜好、行動）に基づく需要予測機能、及び当該仕入れ商品の在庫がない場合の周辺店舗の在庫情報に基づく配送予測機能の情報を活用する。
　店舗レイアウトの最適化機能は、仕入れ量、及びバリエーションに基づき、店舗内のレイアウトを最適化する。店舗オペレーション最適化技術は、場合により、エリア管理・最適化機能による店舗エリア拡張、又は共用部等の臨時利用等も可能とする。
　また、店舗オペレーション最適化技術は、在庫確保の不可能なもの、又は、既存外の店舗への行動リコメンドがあった場合にバーチャル店舗機能も活用する。さらに、店舗オペレーション最適化技術は、店舗レイアウト及び混雑予測を考慮した人員配置最適化機能も活用し、オペレーションの最適化を図る。
　図２２は、需給最適化・プライシング技術における機能間の関係例を示す説明図である。
　需給最適化・プライシング技術は、需要予測に基づき仕入れ量を出力する需給最適化機能を有する。加えて、需給最適化・プライシング技術は、需要予測の変化に伴い、仕入れ量の余剰を割り出し、シェア需要予測とマッチングするマッチング機能を有する。需要予測量は、需要予測・シミュレーション機能より得られる。
　需要量予測機能は、人流データ、気象データ、購買データ、及び商品情報（メニュー及び価格）から得られるマクロな購買予測を行うことにより需要量を予測する。加えて、需要量予測機能は、価格を変化させてシミュレーションを行い、需要量最大となる価格設定を出力する。
　シェア需要量は、シェア需要予測・シミュレーション機能より得られる。シェア需要予測機能は、人流データ、気象データ、購買データ、周辺店舗のシェア需要データ等に基づいて、食材ごとのシェア需要量を予測する。加えて、シェア需要予測・シミュレーション機能は、個人のシェア食材購入データを加味して、個人のシェア需要量予測も行う
　図２３は、配膳量最適化技術における機能間の関係例を示す説明図である。
　配膳量最適化機能は、食べ残し判断情報、個人情報（属性、行動、嗜好、及びバイタル）、及び気象データから、メニューごとの最適な配膳量を出力する。食べ残し判断情報は、食べ残し画像、及び商品情報（メニュー）から食材ごとの食べ残し量を判断して、食べ残し判断情報抽出機能が出力する。食べ残し判断情報抽出機能は、食べ残し判断情報の出力の際に、個人情報（属性、行動、嗜好、及びバイタル）、及び気象データを加味することにより、食べ残し要因も判断して出力する。
　図２４は、サービス提供者が提供するモビリティアプリケーション（モビリティＡＰ）の概要を示す図である。モビリティアプリケーションは、配車割り当て等を最適化する機能を提供する。
　ＤＴＣに参加する地権者（ＤＴＣ参加企業）は、サービス提供会社に開発費用及び保守費用を支払うことでモビリティアプリケーションを運営する。モビリティアプリケーションは配車割り当て機能を実行する。モビリティアプリケーションは、サービス提供者が開発及び保守を行う。
　モビリティアプリケーションを利用する事業者は、モビリティサービス事業者にアプリケーション利用料を支払う。モビリティサービス事業者は、モビリティサービスを運営する。モビリティサービスは、モビリティアプリケーションの機能を利用し、独自機能を含むものである。独自サービスの開発及び保守は任意の開発会社が行ってもよい。
　ユーザは、車両を利用する際に、個別モビリティサービスから配車を受ける。個別モビリティサービスは、ユーザへ配車する際に、モビリティアプリケーションへ最適化リクエストを出す。モビリティアプリケーションは、リクエストに応じて最適化装置１０に最適化処理を指示し、最適化装置１０によって最適化されたデジタルツインの指標値を取得し、個別モビリティサービスへ最適化済みのレスポンスを返す。
　図２５は、モビリティアプリケーションの具体例を示す図である。
　モビリティアプリケーションのユーザ向けの機能としては、配車オーダー・予約機能、及び配車機能がある。
　モビリティアプリケーションの配車最適化機能としては、オーダー集約・決済機能、及び配車割り当てサポート機能がある。配車割り当てサポート機能が実行される際にはモビリティＤＴが利用される。
　モビリティアプリケーションの移動制御機能としては、モビリティ移動制御機能がある。
　配車オーダー・予約機能が、ユーザの位置情報と共に出力したオーダー情報をオーダー集約・決済機能が取得すると、配車最適化機能は、最適な配車となるようにユーザへ配車する。また、配車最適化機能が移動制御機能へ制御を要求すると、モビリティ移動制御機能が、適切な配車となるよう位置データを配車最適化機能に送る。
　図２６は、街区内移動モビリティ最適化技術における機能間の関係例を示す説明図である。
　街区内移動モビリティ最適化技術は、街区行動リコメンド技術において得られる、街区行動リコメンドの情報に基づき、街区内モビリティの最適運用を行う。配置最適化機能は、行動リコメンド情報と混雑情報とに基づき配車を最適化する。また、経路最適化機能は、行動リコメンド情報と混雑情報とに基づき街区内全体でのモビリティ利用の効率の最大化を図る。
　図２７は、サービス提供者が提供する健康管理アプリケーション（健康管理ＡＰ）の概要を示す図である。健康管理アプリケーションは、健康的な行動のサポート、及びプライシング等を最適化する機能を提供する。
　ＤＴＣに参加する地権者（ＤＴＣ参加企業）は、サービス提供会社に開発費用及び保守費用を支払うことで健康管理アプリケーションを運営する。健康管理アプリケーションは、サービス提供会社が開発及び保守を行う。
　個別健康管理サービスは、保険商品を提供するサービス事業者（保険事業者）が運営する。個別健康管理サービスは、健康管理アプリケーションの機能を利用し、独自機能を含むものである。個別健康管理サービスの開発及び保守は任意の開発会社が行ってもよい。
　ユーザは、サービス事業者に利用料を支払って保険商品の提供を受ける。ユーザは、個別健康管理サービスへ、スマートフォン等の通信装置を用いて、食事情報、運動情報、バイタル等の健康に関する個人情報を提供する。個別健康管理サービスは、ユーザへ行動のサジェストを提供する。個別健康管理サービスは、ユーザへ行動のサジェストを提供する際に、健康管理アプリケーションへ最適化リクエストを出す。健康管理アプリケーションは、リクエストに応じて最適化装置１０に最適化処理を指示し、最適化装置１０によって最適化されたデジタルツインの指標値を取得し、個別健康管理サービスへ最適化済みのレスポンスを返す。
　図２８は、健康管理アプリケーションの具体例を示す図である。
　健康管理アプリケーションのユーザ向けの機能としては、食事記録機能、運動記録機能、食事リコメンド機能、運動リコメンド機能がある。
　健康管理アプリケーションの健康管理機能としては、オーダー集約・決済機能、健康行動サポート機能、保険料価格設定機能がある。健康行動サポート機能は、健康リスク低減のための行動をユーザに促進させる機能である。保険料価格設定機能は、健康行動又はリスクに応じてプライシングする機能である。健康行動サポート機能及び保険料価格設定機能が実行される際には個人ＤＴが利用される。
　図２９は、行動リコメンド技術における機能間の関係例を示す説明図である。
　行動最適化機能は、バイタル情報、食事情報、及び運動情報から、最適行動（行動リコメンド）と健康状態予測とを出力する機能を有する。
　行動リコメンド技術は、最適行動を導き出すにあたり、バイタル情報、食事情報、運動情報、及び個人情報（属性、行動）が入力されると健康状態を出力する健康（疾病）予測・シミュレーション機能を用いる。健康（疾病）予測・シミュレーション機能は、ある特定の個人情報に対して、食事及び運動の内容を変化させて健康状態をシミュレーションし、摂るべき食事、行うべき運動のパターンの抽出ができる。
　加えて、行動リコメンド技術は、最適行動を導き出すにあたり、気象データ及び個人情報（属性、行動）により、個人の嗜好を推定する嗜好推定（プロファイリング）機能を用いる。さらに、行動リコメンド技術は、行動最適化機能から出力される健康状態予測、最適行動、及び個人情報（属性）を入力することにより、最適な保険価格を導き出す保険商品プライシング機能を有する。
　図３０は、サービス提供者が提供する環境最適アプリケーション（環境最適ＡＰ）の概要を示す図である。環境最適アプリケーションでは、空調制御を最適化する機能、清掃又は警備を最適化する機能、エレベータの運行を最適化する機能、及び快適な環境を決定する機能を提供する。
　ＤＴＣに参加する地権者（ＤＴＣ参加企業）は、サービス提供会社に費用を支払うことで環境最適アプリケーションを運営する。環境最適アプリケーションは、サービス提供者が開発及び保守を行う。
　環境最適アプリケーションを利用する事業者は、サービス事業者（例えばビルのオーナ）にアプリケーション利用料を支払う。サービス事業者は、個別環境調整サービスを運営する。個別環境調整サービスは、環境最適アプリケーションの機能を利用し、独自機能を含むものである。独自サービスの開発及び保守は任意の開発会社が行ってもよい。
　ユーザは、スマートフォン等の通信装置を用いて、個別環境調整サービスに対し、空調、清掃、エレベータ、又は快適環境の制御についてリクエストする。個別環境調整サービスは、リクエストに応じて、空調、清掃、エレベータ、又は快適環境を制御することで、ユーザに快適性を提供する。個別環境調整サービスは、空調、清掃、エレベータ、又は快適環境を制御する際に、環境最適アプリケーションへ最適化リクエストを出す。環境最適アプリケーションは、リクエストに応じて最適化装置１０に最適化処理を指示し、最適化装置１０によって最適化されたデジタルツインの指標値を取得し、個別環境調整サービスへ最適化済みのレスポンスを返す。
　図３１は、環境最適アプリケーションの具体例を示す図である。
　環境最適アプリケーションのユーザ向けの機能としては、空調設定変更機能、清掃リクエスト機能、エレベータ操作機能、及び部屋モード選択機能がある。
　環境最適アプリケーションの環境調整機能としては、リクエスト集約機能、最適制御シナリオ抽出機能、空調制御最適機能、清掃／警備最適機能、エレベータ最適運行機能、快適環境最適機能がある。空調制御最適機能、清掃／警備最適機能、エレベータ最適運行機能及び快適環境最適機能が実行される際にはビル管理ＤＴが利用される。最適制御シナリオ抽出機能は、図３１に示したデータを抽出する機能である。
　環境最適アプリケーションの環境制御機能としては、空調制御機能、清掃／警備機能、エレベータ制御機能、及び快適環境制御機能がある。
　ユーザ向けの機能の各機能から操作リクエストが環境調整機能に送られると、リクエスト集約機能がリクエストを集約し、集約したリクエストに基づいて、環境制御機能に制御を依頼する。環境制御機能は制御データを環境調整機能に送る。
　図３２は、環境最適化技術における機能間の関係例を示す説明図である。
　環境最適化技術は、街区を訪れる来街者又はオフィスワーカに対して、街区内での本人の行動予測に基づき、街区各所の混雑予測も加味して、街区又はビル側の環境を本人に合わせて最適化する。行動予測は、街区行動リコメンド技術と同じである。
　行動予測機能は、個人の嗜好推定、リアルタイム行動（位置情報）、バイタルデータ、及びオフィスワーカの場合はスケジュールデータに基づいて、街区内の行動予測を導き出す。行動予測機能は、街区内の行動予測を導き出す際に、人流データ、気象データ、及び店舗購買データに基づいて混雑予測機能が予測した混雑状況を加味する。
　環境最適化技術は、さらに、行動予測機能による行動予測に基づき移動経路を予測する移動経路予測機能を有する。移動経路予測機能は、移動経路の予測結果に基づき、経路途中の空調、照明、及びエレベータ等の街区内機器の予測制御を行う。
　図３３は、サービス提供者が提供するスケジュール管理アプリケーション（スケジュール管理ＡＰ）の概要を示す図である。スケジュール管理アプリケーションは、スケジュール管理を最適化する機能を提供する。
　ＤＴＣに参加する地権者（ＤＴＣ参加企業）は、サービス提供会社に費用を支払うことでスケジュール管理アプリケーションを運営する。スケジュール管理アプリケーションは、サービス提供者が開発及び保守を行う。
　スケジュール管理アプリケーションを利用するオフィステナントは、サービス事業者にアプリケーション利用料を支払う。オフィステナントは、ユーザが社員として勤務する会社が入居しているテナントである。サービス事業者は、スケジュール管理サービスを運営する。個別業務管理サービスは、スケジュール管理アプリケーションの機能を利用し、独自機能を含むものである。独自サービスの開発及び保守は任意の開発会社が行ってもよい。
　ユーザが個別業務管理サービスにスケジュールを登録すると、個別業務管理サービスは、スケジュール管理アプリケーションへ最適化リクエストを出す。スケジュール管理アプリケーションは、リクエストに応じて最適化装置１０に最適化処理を指示し、最適化装置１０によって最適化されたデジタルツインの指標値を取得し、個別業務管理サービスへ最適化済みのレスポンスを返す。
　図３４は、スケジュール管理アプリケーションの具体例を示す図である。
　ユーザ向けの機能としては、スケジュール入力機能、行動リコメンド機能、及び最適スケジュール提示機能がある。
　個人スケジュール調整機能としては、スケジュール登録機能、最適制御シナリオ抽出機能、行動サジェスト機能、及び最適スケジュール機能がある。最適制御シナリオ抽出機能は、図３４で示した、行動データ（場所、目的、時間）を抽出する。行動サジェスト機能、及び最適スケジュール機能が実行される際には個人ＤＴが利用される。
　スケジュール入力機能が、ユーザによって入力されたスケジュールを個人スケジュール調整機能に送ると、スケジュール登録機能が、スケジュール入力機能から送られてきたスケジュールを登録する。そして行動サジェスト機能は、個人ＤＴを利用して、ユーザに対して行動をリコメンドする。また最適スケジュール機能は、個人ＤＴを利用して、ユーザに対して最適なスケジュールをリコメンドする。
　図３５は、サービス提供者が提供するテナント運営アプリケーション（テナント運営ＡＰ）の概要を示す図である。テナント運営アプリケーションは、エリアの最適な割当て機能、設備の最適な割当て機能、及び最適な物品の仕入れ機能を提供する。
　ＤＴＣに参加する地権者（ＤＴＣ参加企業）は、サービス提供会社に費用を支払うことでるテナント運営アプリケーションを運営する。テナント運営アプリケーションは、サービス提供者が開発及び保守を行う。
　テナント運営アプリケーションを利用するオフィステナントは、サービス事業者（例えばビルのオーナ）にアプリケーション利用料を支払う。サービス事業者は、個別施設利用サブスクリプションサービス（サブスクサービス）を運営する。個別施設利用サブスクリプションサービスは、テナント運営アプリケーションの機能を利用し、独自機能を含むものである。個別施設利用サブスクリプションサービスの開発及び保守は任意の開発会社が行ってもよい。
　ユーザは、オフィステナントを利用する際に、個別施設利用サブスクリプションサービスから利用可能なエリアの情報の提供を受ける。個別施設利用サブスクリプションサービスは、利用可能なエリアの情報を提供する際に、テナント運営アプリケーションへ最適化リクエストを出す。テナント運営アプリケーションは、リクエストに応じて最適化装置１０に最適化処理を指示し、最適化装置１０によって最適化されたデジタルツインの指標値を取得し、個別施設利用サブスクリプションサービスへ最適化済みのレスポンスを返す。
　図３６は、テナント運営アプリケーションの具体例を示す図である。
　テナント運営アプリケーションのユーザ向けの機能としては、オーダー・予約機能及びエリア割当提示機能がある。
　テナント運営アプリケーションのテナント運営機能としては、オーダー集約機能及び最適エリア／割当て機能がある。最適エリア／割当て機能には、エリアの最適な割当て機能、設備の最適な割当て機能及び最適な物品の仕入れ機能がある。エリアの最適な割当て機能、設備の最適な割当て機能及び最適な物品の仕入れ機能が実行される際にはテナント運営ＤＴが利用される。
　テナント運営アプリケーションの調達・配置機能としては、設備配置機能及び物品配置・調達機能がある。
　オーダー・予約機能から送信されたオーダー・予約情報をオーダー集約機能が受信すると、エリアの最適な割当て機能が、最適なエリアの情報を送信する。エリアの最適な割当て機能から送信されたエリアの情報は、エリア割当提示機能が受信して、提示する。
　また、オーダー集約機能は、オーダー・予約機能から送信された設備又は物品のオーダーを集約し、集約したリクエストに基づいて、設備配置機能又は物品配置・調達機能に制御を依頼する。設備配置機能又は物品配置・調達機能は依頼された制御に応じた制御データをテナント運営機能に送る。
　ここまで説明した機能の中から複数の機能を組み合わせて、デジタルツインを連鎖させる例を示す。
　図３７は、デジタルツインの連鎖の例を示す図である。図３７には、店舗アプリケーション、モビリティアプリケーション、及びテナント運営アプリケーションの組み合わせによるデジタルツインの連鎖の例が示されている。サービス事業者は、店舗サービス事業者、モビリティサービス事業者及びテナント運営サービス事業者である。ターゲットユーザは、定期利用テナント配下の街区利用者である。
　料理のオーダーを行うと、モビリティデジタルツイン、テナントデジタルツインと、店舗デジタルツインとが連携し、店舗の混雑状況、モビリティの利用可能状況、及び街区内の各エリアの利用状況を把握し、未来の各時間における状況を予測する。予測結果の組み合わせから、ＤＴＣ層が店舗訪問時間や待ち時間を導き出す。さらに、ＤＴＣ層が街区内の食事場所を選択し、最適な食事時間及びモビリティによる配送時間も導き出す。導き出した情報の比較から、ＤＴＣ層は、食事をするのに最適な場所と時間とをユーザにフィードバックする。
　これにより、ユーザは、店舗で待つこともなく、良いタイミングで最適な場所で、デリバリによる食事提供を受けることができる。
　この図３７に示した例では、店舗運営ＤＴとモビリティＤＴとの連携で、ユーザの選択肢を店内利用又は店外利用に拡張し、さらに配送時間まで含めたオペレーション最適化が可能となる。
　また、この図３７に示した例では、店舗運営ＤＴとテナント運営ＤＴとの連携で、混雑時の店舗拡張、及びユーザの街区内座席確保が可能となる。
　図３８は、街区行動リコメンド技術における機能間の関係例を示す説明図である。
　街区行動リコメンド技術は、街区を訪れる来街者又はオフィスワーカに対して、街区内での本人の行動予測と、街区各所の混雑予測とに基づき、最適行動をリコメンドする。
　街区内の行動予測は、個人の嗜好推定（健康行動リコメンド技術内の機能）、リアルタイム行動（位置情報）、バイタルデータ、及びオフィスワーカの場合はスケジュールデータに基づき、購買等行動予測機能によって導き出される。購買等行動予測機能は、街区内の行動予測を導き出す際に、人流データ、気象データ、及び店舗購買データに基づいた、混雑予測機能が導き出した混雑状況を加味する。
　また街区行動リコメンド技術は、混雑予測機能が導き出した混雑状況を考慮した上で、エリア管理・最適化機能により、目的エリアまでの最適経路、回遊順序、最適移動時刻、目的エリアの変更（最適リコメンド）等も行う。
　図３９は、デジタルツインの連鎖の別の例を示す図である。図３９には、店舗アプリケーション、及び健康管理アプリケーションの組み合わせによるデジタルツインの連鎖の例が示されている。サービス事業者は、店舗サービス事業者、及び健康管理サービス事業者である。ターゲットユーザは、定期利用テナント配下の街区利用者である。
　ユーザの食事オーダーに対して、店舗デジタルツインと、個人向けサービスデジタルツインとが連携し、個人向けデジタルツインにおいて健康状態を予測し、最適な食事をユーザにリコメンドする。また店舗デジタルツインは、指定された内容で、食事の提供準備を行う。
　この図３９に示した例では、健康食事機能は、食事の量及び内容を店舗データから自動登録する。そして、店舗横断機能は、食事リコメンド内容をメニューで提示し、内容及び量をオーダーに反映する。図３９に示した例では、店舗運営ＤＴ、及び飲食フードロスＤＴと健康管理ＤＴとの連携で、個人単位の健康状態を反映した最適化が可能となる。
　図４０は、デジタルツインの連鎖の別の例を示す図である。図４０には、スケジュール管理アプリケーション、環境最適アプリケーション、及びテナント運営アプリケーションの組み合わせによるデジタルツインの連鎖の例が示されている。サービス事業者は、スケジュール管理サービス事業者、環境最適サービス事業者、及びテナント運営サービス事業者であり、ターゲットユーザは、定期利用テナント配下の街区利用者である。
　ユーザのスケジュール登録に対して、個人サービスのデジタルツインと、空調を制御し、快適環境を提供するためのデジタルツインと、利用場所のテナント管理をするテナント管理デジタルツインとが連携し、スケジュールに応じた最適条件を予測する。さらにそれぞれのデジタルツインが、複数の人の利用状況を加味して、その人にとっての最適な利用場所を導き出し、利用時の環境を予測する。
　図４１は、デジタルツインの連鎖の別の例を示す図である。図４１には、スケジュール管理アプリケーション、健康管理アプリケーション、環境最適アプリケーション、及びテナント運営アプリケーションの組み合わせによるデジタルツインの連鎖の例が示されている。連携するサービス事業者は、スケジュール管理サービス事業者、健康サービス事業者、環境最適サービス事業者、及びテナント運営サービス事業者である。ターゲットユーザは、定期利用テナント配下の街区利用者である。
　図４１は、図４０の例に加え、最適環境を導き出すために個人サービスデジタルツインと連携し、健康状態の把握に基づく、環境最適化と、環境最適化した際の健康状態の予測を考慮した連鎖の例である。
　この図４１に示した例では、個人サービスＤＴ（健康）と、個人サービスＤＴ（行動）との連携で、個人の業務内容とバイタルとを組み合わせ、最善な業務効率になるような行動サジェスト、又は最適な備品の配置を可能にする。
　また、この図４１に示した例では、個人サービスＤＴとビル管理ＤＴとの連携で、個人の健康状態を反映した環境制御の最適化を可能にする。
　また、この図４１に示した例では、ビル管理ＤＴとテナント運営ＤＴの連携で、個人リクエストに対応する手段として、エリアを拡張して捉え、行動サジェストも含んだ環境提供を可能にする。
　図４２は、デジタルツインの連鎖の別の例を示す図である。図４２には、スケジュール管理アプリケーション、健康管理アプリケーション、環境最適アプリケーション、テナント運営アプリケーション、店舗アプリケーション、及びモビリティアプリケーションの組み合わせによるデジタルツインの連鎖の例が示されている。連携するサービス事業者は、スケジュール管理サービス事業者、健康サービス事業者、環境最適サービス事業者、テナント運営サービス事業者、店舗サービス事業者、及びモビリティサービス事業者である。またターゲットユーザは、定期利用テナント配下の街区利用者である。
　パーソナル行動アシスト機能は、設定したある一定の未来までの各デジタルツインにおいて予測される状況を把握する。各デジタルツインとは、街区の環境状況に関する街区管理デジタルツイン、店舗の状況に関する店舗デジタルツイン、オフィステナントの状況に関するテナント運営デジタルツイン、街区配送や移動を把握しているモビリティデジタルツイン、飲食店舗の仕入れ最適化などの状況に関する飲食フードロスデジタルツイン、個人のバイタル情報、位置情報、行動スケジュールに関する個人向けサービスデジタルツインである。これまで示した例のように、２つ以上のデジタルツインが連鎖する状況が考えられ、各デジタルツインの予測状態を把握するパーソナル行動アシスト機能は、各デジタルツインの予測状態を踏まえて個人の最適な行動を予測し、リコメンドする。
　また、ユーザの行動をリコメンドするパーソナル行動アシスト機能は、どんな状況下で、どのアプリケーションに対する制御に対し、ユーザがどういう行動を取ったのかといった、制御に対する反応（効果）を横断的に集約する。パーソナル行動アシスト機能は、複数アプリケーションへリクエストする上での精度を高めることができる。
　複数のアプリケーションによるデジタルツインの連鎖のユースケース例を説明する。
　（ユースケース１）
　個人向けサービスＤＴは、オフィス行動最適化機能でスケジュール及びユーザのストレスの情報から、推薦行動として「昼食」を抽出し、健康状態推定機能でユーザの健康状態から最適な食事を推定する。店舗運営ＤＴは、混雑回避・オペレーション最適化機能で、店舗混雑状況を確認し、店舗が混雑しているので店内の利用を不可とし、代わりにエリアを調達する。また、店舗運営ＤＴは、ユーザがオーダーしたランチの調理を店舗で開始させる。
　テナント運営ＤＴは、店舗運営ＤＴからのエリアの調達依頼に応じて、ユーザのストレスが緩和され、現在利用可能な場所を街区エリアで確保する。モビリティＤＴは、街区内移動支援モビリティ最適化機能で、現時点の各モビリティ位置、及び業務から、食事を運搬するモビリティを配車し、モビリティの経路を選定し、モビリティの移動を開始させる。
　街区管理ＤＴは、移動設備運転最適化機能で、各フロアのエレベータホールの混み具合から、ユーザへの数分以内の行動を誘導することで、ユーザの移動を効率化できる。つまり、ユーザが席を立ってエレベータの前に行くとボタンも押すことなく扉が開き、ランチの場所として確保されたエリアへ向かうことが出来る。そして、ユーザがエリアに着くと、ちょうどよいタイミングでモビリティが食事を届けてくれる。また、街区管理ＤＴは、清掃自動化・効率化機能で、食事を終えたユーザが居室に戻る前に清掃を完了させる。
　（ユースケース２）
　２人のユーザＡ、Ｂの個人向けサービスＤＴがそれぞれ構築されている場合を考える。ユーザＡは衣料品店を訪れ、ユーザＢはレストランを訪れたいと考えている。ユーザＡの個人向けサービスＤＴは、行動予測機能でユーザＡが訪問する店舗を予測し、購買傾向推定機能でユーザＡの嗜好を抽出し、訪問店舗の店舗運営ＤＴと連鎖する。ユーザＢの個人向けサービスＤＴは、行動予測機能でユーザＢの訪問店舗と回遊行動とを予測し、健康状態推定機能でユーザＢに適切な食事内容を推定し、飲食フードロスＤＴと連鎖する。
　ユーザＡが訪れる店舗の店舗運営ＤＴは、混雑回避・オペレーション最適化機能で、個人の顧客嗜好から需要を予測し、物流ＤＴと連鎖して来店ユーザに合った商品を調達する。ユーザ嗜好と店舗運営ＤＴとの連鎖により、ユーザＡが店舗を訪れると、自分のサイズ、好みにフィットした商品が、試着できる状態で用意されている。
　また、ユーザＢが訪れる店舗の店舗運営ＤＴは、混雑回避・オペレーション最適化機能で、ユーザの行動予測から混雑を推定する。ユーザＢが訪れる店舗の店舗運営ＤＴは、店舗エリアの不足に対してテナント運営ＤＴと連鎖してエリアを確保する。そしてユーザＢが訪れる店舗の店舗運営ＤＴは、オペレーション効率化のため人員調達を開始する。テナント運営ＤＴは、テナントエリア最適化機能で、店舗運営ＤＴの混雑予測から必要エリアを、他のテナントと調整して割り当てることで、エリアの利用を効率化する。ユーザ行動と店舗運営ＤＴとの連鎖により、ユーザＢが店舗を訪れると、待たされることなく席に案内され、混雑を感じることなく、店員によるオペレーションが回る店内で快適な食事環境が用意される。また、健康ＤＴと飲食フードロスＤＴとの連鎖により、ユーザＢの健康状態が反映された食事の提供を受けることができる。
　本実施形態のデジタルツインの連鎖によって、ユーザの行動を推測して、適切な行動を推薦することが可能になる。
　（提案例１）
　この提案例では、ユーザが街区に到着した際の行動候補の提案例を説明する。ユーザが街区に到着すると、街区行動リコメンド技術は、現在の地点、及び現在の時刻から想定される、ユーザの行動を予測する。また街区行動リコメンド技術は、ユーザが街区に到着した時点でのユーザのバイタルから想定される状態を予測する。
　街区行動リコメンド機能は、ユーザの最適な行動候補を抽出する。ここでは、街区行動リコメンド技術は、候補ｘとして５分後に２番エレベータを利用すること、候補ｙとして食事を買いに行くこと、をそれぞれ行動候補として抽出する。また、街区行動リコメンド技術は、ユーザのバイタルから想定される状態の予測に対応する最適行動を抽出する。ここでは、街区行動リコメンド機能は、食事をとるという行動を抽出する。
　続いて、ビル管理最適化機能が、需要予測処理において、候補ｘ，ｙのそれぞれの最適度を、所定のルールに基づいて算出する。例えば、ビル管理最適化機能は、候補ｘの最適度を４０、候補ｙの最適度を６０と、それぞれ算出する。
　続いて、ビル管理最適化機能が、運用制御最適化処理において、候補ｘ，ｙのそれぞれの最適度を、所定のルールに基づいて算出する。例えば、ビル管理最適化機能は、候補ｘの最適度を３０、候補ｙの最適度を７０と、それぞれ算出する。
　続いて、店舗運用最適化機能が、候補ｘ，ｙのそれぞれの最適度を、所定のルールに基づいて算出する。例えば、ビル管理最適化機能は、候補ｘの最適度を５０、候補ｙの最適度を５０と、それぞれ算出する。
　最後に、街区行動リコメンド機能は、それぞれの機能が求めた候補ｘ，ｙのそれぞれの最適度を合計し、値が大きい方をユーザに提示する。上述した例では、候補ｘの最適度の和は１２０、候補ｙの最適度の和は１８０である。従って、候補ｙの最適度の方が大きいので、街区行動リコメンド技術は、ユーザに候補ｙ、すなわち食事を買いに行くという行動をリコメンドする。
　（提案例２）
　打ち合わせにメンバーがアサインされたタイミングで、オフィス行動リコメンド機能が打ち合わせ候補を抽出する。ここでは、オフィス行動リコメンド機能が、候補ａとして１１時から１２時に打ち合わせをすること、候補ｂとして１７時から１８時に打ち合わせをすること、をそれぞれ打ち合わせ候補として抽出する。
　続いて、街区行動リコメンド技術が、上記各候補で発生する行動を予測する。ここでは、街区行動リコメンド技術が、候補ａで発生する行動として、街区で１２時から１３時までに食事をすること、候補ｂで発生する行動として、街区でのその他の行動が無いこと、をそれぞれ予測する。
　続いて、飲食フードロス機能が、各候補の最適度を所定のルールに基づいて算出する。例えば、飲食フードロス機能は、候補ａの最適度を１００、候補ｂの最適度を０と、それぞれ算出する。
　続いて、サブスクリプションオフィス機能が、各候補の最適度を所定のルールに基づいて算出する。例えば、サブスクリプションオフィス機能は、候補ａの最適度を１０、候補ｂの最適度を９０と、それぞれ算出する。
　続いて、ビル管理最適化機能が、各候補の最適度を所定のルールに基づいて算出する。例えば、ビル管理最適化機能は、候補ａの最適度を１０、候補ｂの最適度を９０と、それぞれ算出する。
　最後に、オフィス行動リコメンド機能は、それぞれの機能が求めた候補ａ，ｂのそれぞれの最適度を合計し、値が大きい方をユーザに提示する。上述した例では、候補ａの最適度の和は１２０、候補ｂの最適度の和は１８０である。従って、候補ｂの最適度の方が大きいので、オフィス行動リコメンド機能は、ユーザに候補ｂ、すなわち１７時から１８時に打ち合わせをすることをリコメンドする。
　（提案例３）
　この提案例では、エレベータの利用を街区全体で最適化する際の行動候補の提案例を説明する。２人のユーザＡ、Ｂが同時に街区に到着したとする。ユーザＡは健常者であるが、ユーザＢは車椅子を使用している。
　まず、ユーザＡのデジタルツインの街区行動リコメンド技術が、ユーザＡの想定される行動を、現在の地点及び現在の時間から予測する。ここでは、ユーザＡのデジタルツインの街区行動リコメンド技術が、５分後に２番エレベータを利用し、６分後に居室Ｎにいるべきであると予測する。また、ユーザＢのデジタルツインの街区行動リコメンド技術が、ユーザＢの想定される行動を、現在の地点及び現在の時間から予測する。ここでは、ユーザＢのデジタルツインの街区行動リコメンド技術が、５分後に２番エレベータを利用し、３０分後に居室Ｕにいるべきであると予測する。
　この場合において、ビル管理最適化機能が、現在の需要予測からユーザＡ又はユーザＢのどちらかしか２番エレベータを利用できないと判断し、ユーザＡとユーザＢのどちらを２番エレベータに載せるかを候補として抽出する。ここでは、ビル管理最適化機能は、候補ｘとしてユーザＡを２番エレベータに乗せること、候補ｙとしてユーザＢを２番エレベータに乗せることを抽出する。
　続いて、街区行動リコメンド技術が、ユーザＢが２番エレベータに乗って、５分後に居室Ｕに向かう最適度を、所定のルールに基づいて算出する。
　続いて、サブスクリプションオフィス機能が、５分後の居室Ｕの最適度を、所定のルールに基づいて算出する。ここでは、５分後は居室Ｕが使用中であり、まだ使用できない状態にあるので、サブスクリプションオフィス機能は５分後の居室Ｕの最適度を０と算出する。
　続いて、ユーザＡ、ユーザＢのそれぞれのデジタルツインの街区行動リコメンド機能が、候補ｘ、候補ｙのそれぞれの最適度を算出する。ここでは、それぞれのデジタルツインの街区行動リコメンド機能が、候補ｘの最適度を１００、候補ｙの最適度を０と、それぞれ算出する。
　続いて、ビル管理最適化機能が、候補ｘ、候補ｙのそれぞれの最適度を算出する。ここでは、ビル管理最適化機能が、候補ｘの最適度を２０、候補ｙの最適度を８０と、それぞれ算出する。
　最後に、街区行動リコメンド機能は、それぞれの機能が求めた候補ｘ，ｙのそれぞれの最適度を合計し、値が大きい方をユーザに提示する。上述した例では、候補ｘの最適度の和は２２０、候補ｙの最適度の和は８０である。従って、候補ｘの最適度の方が大きいので、街区行動リコメンド機能は、ユーザＡを先に２番エレベータに乗せることで街区全体を最適化することを提案する。
　（提案例４）
　この提案例では、街区で突然の雨が降ってきたタイミングでの行動の提案例を説明する。
　まず、ビル管理最適化機能が、天気の変化で清掃の需要が変化するため、需要予測を再設定する。続いて、ビル管理最適化機能が、需要予測の悔過、今後の人流予測から、床等の汚れ度合いが酷くなることを予測する。
　続いて、ビル管理最適化機能が、快適さを維持するために清掃エリアを制限したいと判断する。続いて、サブスクリプションオフィス機能が、現状の需要予測で制限可能なエリアの候補を抽出する。ここでは、サブスクリプションオフィス機能が、候補ｘとしてあるエリアの全体を制限し、候補ｙとしてあるエリアの半分を制限するという候補を抽出する。
　続いて、サブスクリプションオフィス機能が、エリア最適割当てアプリケーションで、候補ｘ、ｙのそれぞれの最適度を、所定のルールに基づいて算出する。ここでは、サブスクリプションオフィス機能が候補ｘの最適度を５０、候補ｙの最適度を５０と、それぞれ算出する。
　続いて、ビル管理最適化機能が、環境制御アプリケーションで、候補ｘ、ｙのそれぞれの最適度を、所定のルールに基づいて算出する。ここでは、ビル管理最適化機能が候補ｘの最適度を１０、候補ｙの最適度を９０と、それぞれ算出する。
　続いて、ビル管理最適化機能が、自律業務ロボット制御アプリケーションで、候補ｘ、ｙのそれぞれの最適度を、所定のルールに基づいて算出する。ここでは、ビル管理最適化機能が候補ｘの最適度を８０、候補ｙの最適度を２０と、それぞれ算出する。
　最後に、ビル管理最適化機能が、それぞれの機能が求めた候補ｘ，ｙのそれぞれの最適度を合計し、値が大きい方のエリアの制限を提案する。上述した例では、候補ｘの最適度の和は１４０、候補ｙの最適度の和は１６０である。従って、候補ｙの最適度の方が大きいので、ビル管理最適化機能はあるエリアの半分を制限することで街区全体を最適化することを提案する。
　続いて、デジタルツイン間で相互に影響を与えあうことをシステム化（モデル化）することにより実現可能となるサービスについて以下に示す。
　例えば、現実空間又はデジタル空間に配置されたセンサから取得されたデータ、行動情報、ユーザプロファイル、交通トラフィック、予測され最適化されたルート、予測された行動、最適化された配達人員、及びパーソナルモビリティ等のデータを用いることで、顔認証決済、追従ロボットによる移動支援、ユーザが購入したものの自宅配送といった機能を実現できる。
　本実施形態によれば、このような様々な機能を組み合わせることで、往復ともに手ぶらで購入を可能とするサービスをユーザに提供することができる。
　なお、上記各実施形態でＣＰＵがソフトウェア（プログラム）を読み込んで実行した最適化処理を、ＣＰＵ以外の各種のプロセッサが実行してもよい。この場合のプロセッサとしては、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ　Ｇａｔｅ　Ａｒｒａｙ）等の製造後に回路構成を変更可能なＰＬＤ（Ｐｒｏｇｒａｍｍａｂｌｅ　Ｌｏｇｉｃ　Ｄｅｖｉｃｅ）、及びＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ　Ｓｐｅｃｉｆｉｃ　Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔ）等の特定の処理を実行させるために専用に設計された回路構成を有するプロセッサである専用電気回路等が例示される。また、最適化処理を、これらの各種のプロセッサのうちの１つで実行してもよいし、同種又は異種の２つ以上のプロセッサの組み合わせ（例えば、複数のＦＰＧＡ、及びＣＰＵとＦＰＧＡとの組み合わせ等）で実行してもよい。また、これらの各種のプロセッサのハードウェア的な構造は、より具体的には、半導体素子等の回路素子を組み合わせた電気回路である。
　また、上記各実施形態では、最適化プログラムがストレージ１４に予め記憶（インストール）されている態様を説明したが、これに限定されない。プログラムは、ＣＤ－ＲＯＭ（Ｃｏｍｐａｃｔ　Ｄｉｓｋ　Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、ＤＶＤ－ＲＯＭ（Ｄｉｇｉｔａｌ　Ｖｅｒｓａｔｉｌｅ　Ｄｉｓｋ　Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、及びＵＳＢ（Ｕｎｉｖｅｒｓａｌ　Ｓｅｒｉａｌ　Ｂｕｓ）メモリ等の非一時的（ｎｏｎ－ｔｒａｎｓｉｔｏｒｙ）記憶媒体に記憶された形態で提供されてもよい。また、プログラムは、ネットワークを介して外部装置からダウンロードされる形態としてもよい。
　以上の実施形態に関し、更に以下の付記を開示する。
　（付記項１）
　少なくとも２つのデジタルツインが含まれるデジタルツインシステムを最適化する最適化装置であって、
　メモリと、
　前記メモリに接続された少なくとも１つのプロセッサと、
　を含み、
　前記プロセッサは、
　第一のパラメータが与えられた場合に第一のデジタルツインにおける第一の指標値を取得し、
　前記第一のパラメータを与えた後の前記第一のデジタルツインの状態を推定し、
　前記第一のデジタルツインの状態と、前記第一のパラメータが与えられた場合の第二のデジタルツインにおける第二の指標値及び前記第二のデジタルツインの状態を取得し、
　前記第一の指標値と前記第二の指標値とを最適化する
　ように構成されている最適化装置。
　（付記項２）
　少なくとも２つのデジタルツインが含まれるデジタルツインシステムを最適化する最適化処理を実行するようにコンピュータによって実行可能なプログラムを記憶した非一時的記憶媒体であって、
　前記最適化処理は、
　第一のパラメータが与えられた場合に第一のデジタルツインにおける第一の指標値を取得し、
　前記第一のパラメータを与えた後の前記第一のデジタルツインの状態を推定し、
　前記第一のデジタルツインの状態と、前記第一のパラメータが与えられた場合の第二のデジタルツインにおける第二の指標値及び前記第二のデジタルツインの状態を取得し、
　前記第一の指標値と前記第二の指標値とを最適化する
　非一時的記憶媒体。
　１０　最適化装置
　２０　情報処理装置
　３０　機器

Claims (8)

  1. 　少なくとも２つのデジタルツインが含まれるデジタルツインシステムを最適化する最適化装置であって、
    　第一のパラメータが与えられた場合に第一のデジタルツインにおける第一の指標値を取得する指標値取得部と、
    　前記第一のパラメータを与えた後の前記第一のデジタルツインの状態を推定する状態推定部と、
    　前記第一のデジタルツインの状態と、前記第一のパラメータが与えられた場合の第二のデジタルツインにおける第二の指標値及び前記第二のデジタルツインの状態を取得する状態取得部と、
    　前記第一の指標値と前記第二の指標値とを最適化する最適化部と、
    を備える最適化装置。
  2. 　前記第一のデジタルツインは１人の人間のデジタルツインであり、
    　前記第二のデジタルツインは任意の店舗のデジタルツインであり、
    　前記第一のデジタルツインの状態は前記人間がとった行動であり、
    　前記第二のデジタルツインの状態は、少なくとも前記店舗の混雑度を含む請求項１に記載の最適化装置。
  3. 　前記最適化部は、前記第一のデジタルツインの状態を変化させる第二のパラメータを、前記第一のデジタルツインに更に与える請求項２に記載の最適化装置。
  4. 　前記第二のパラメータは、前記第一のデジタルツインが移動を開始すべき時間又は移動を開始すべき時間に変化を起こしうるパラメータである請求項３に記載の最適化装置。
  5. 　前記状態取得部は、前記第二のパラメータが前記第一のデジタルツインに与えられた際の前記第二のデジタルツインにおける前記第二の指標値及び前記第二のデジタルツインの状態を更に取得する請求項３に記載の最適化装置。
  6. 　前記第一の指標値は、前記第一のデジタルツインの快適度であり、前記第二の指標値は、前記第二のデジタルツインの満足度である請求項１に記載の最適化装置。
  7. 　少なくとも２つのデジタルツインが含まれるデジタルツインシステムを最適化する最適化方法であって、
    　第一のパラメータが与えられた場合に第一のデジタルツインにおける第一の指標値を取得し、
    　前記第一のパラメータを与えた後の前記第一のデジタルツインの状態を推定し、
    　前記第一のデジタルツインの状態と、前記第一のパラメータが与えられた場合の第二のデジタルツインにおける第二の指標値及び前記第二のデジタルツインの状態を取得し、
    　前記第一の指標値と前記第二の指標値とを最適化すること、
    をコンピュータが実行する、最適化方法。
  8. 　少なくとも２つのデジタルツインが含まれるデジタルツインシステムを最適化する最適化プログラムであって、
    　第一のパラメータが与えられた場合に第一のデジタルツインにおける第一の指標値を取得し、
    　前記第一のパラメータを与えた後の前記第一のデジタルツインの状態を推定し、
    　前記第一のデジタルツインの状態と、前記第一のパラメータが与えられた場合の第二のデジタルツインにおける第二の指標値及び前記第二のデジタルツインの状態を取得し、
    　前記第一の指標値と前記第二の指標値とを最適化すること、
    をコンピュータに実行させる、最適化プログラム。
PCT/JP2020/042529 2020-11-13 2020-11-13 最適化装置、最適化方法、及び最適化プログラム WO2022102106A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US18/035,468 US20230409345A1 (en) 2020-11-13 2020-11-13 Optimization device, optimization method, and optimization program
PCT/JP2020/042529 WO2022102106A1 (ja) 2020-11-13 2020-11-13 最適化装置、最適化方法、及び最適化プログラム
JP2022561230A JPWO2022102106A1 (ja) 2020-11-13 2020-11-13

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2020/042529 WO2022102106A1 (ja) 2020-11-13 2020-11-13 最適化装置、最適化方法、及び最適化プログラム

Publications (1)

Publication Number Publication Date
WO2022102106A1 true WO2022102106A1 (ja) 2022-05-19

Family

ID=81602154

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/042529 WO2022102106A1 (ja) 2020-11-13 2020-11-13 最適化装置、最適化方法、及び最適化プログラム

Country Status (3)

Country Link
US (1) US20230409345A1 (ja)
JP (1) JPWO2022102106A1 (ja)
WO (1) WO2022102106A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7229620B1 (ja) * 2022-05-25 2023-02-28 株式会社ビジョン＆Ｉｔラボ デジタルツインの管理システム

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018195031A (ja) * 2017-05-16 2018-12-06 富士通株式会社 シミュレーションプログラム、シミュレーション方法及びシミュレーション装置
WO2020141584A1 (ja) * 2019-01-06 2020-07-09 株式会社フューチャーアイ 処理システムおよびプログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018195031A (ja) * 2017-05-16 2018-12-06 富士通株式会社 シミュレーションプログラム、シミュレーション方法及びシミュレーション装置
WO2020141584A1 (ja) * 2019-01-06 2020-07-09 株式会社フューチャーアイ 処理システムおよびプログラム

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
FUJIGAKI, YOHEI : "To solve uncertain society-multi-agent and optimization", OPERATIONS RESEARCH, vol. 61, no. 1, 30 November 2015 (2015-11-30), JP , pages 24 - 29, XP009537425, ISSN: 0030-3674 *
YAMAMMOTO, CHIHIRO ET AL.: "Data-driven, chain-type smart city by "City Tsukuri DTC"", NTT TECHNICAL JOURNAL , vol. 32, no. 11, pages 77 - 83, XP009537329 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7229620B1 (ja) * 2022-05-25 2023-02-28 株式会社ビジョン＆Ｉｔラボ デジタルツインの管理システム

Also Published As

Publication number Publication date
US20230409345A1 (en) 2023-12-21
JPWO2022102106A1 (ja) 2022-05-19

Similar Documents

Publication Publication Date Title
US20200334583A1 (en) Autonomous and integrated system, method and computer program for dynamic optimisation and allocation of resources for defined spaces and time periods
JP5580879B2 (ja) 旅行価格最適化（ｔｐｏ）
AU2023202000A1 (en) Autonomous and integrated system, method and computer program for dynamic optimisation and allocation of resources for defined spaces and time periods
Wittman et al. Customized dynamic pricing of airline fare products
US10140624B2 (en) Systems and methods for use in forecasting changes in sales
WO2014054612A1 (ja) 到着時間分布制御システム、到着時間分布制御装置及びインセンティブ設計方法
US20240428145A1 (en) Autonomous and integrated systems, methods and computer programs for dynamic optimisation and allocation of resources for defined spaces and time periods
WO2020220075A1 (en) A computer-enabled method, system and computer program for providing an intuitive user interface and algorithm arranged to create a dynamic roster utilising an allocation algorithm to perform the task of the allocation of staff to tasks in a workplace
Roy et al. A nested semi-open queuing network model for analyzing dine-in restaurant performance
Agatz et al. Transportation-enabled services: Concept, framework, and research opportunities
WO2022102106A1 (ja) 最適化装置、最適化方法、及び最適化プログラム
US20220222588A1 (en) An autonomous, integrated computer-enabled method, system, and computer program utilising an artificial intelligence engine for dynamic allocation and optimisation of space, furniture, equipment and/or services
Song et al. Potential travel cost saving in urban public-transport networks using smartphone guidance
Robinson et al. The service delivery process.
JP2025004672A (ja) 情報処理装置、情報処理方法、プログラム、ならびに、経路提案システム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20961634

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022561230

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20961634

Country of ref document: EP

Kind code of ref document: A1