WO2023203842A1 - 混雑度探索システム - Google Patents

混雑度探索システム Download PDF

Info

Publication number
WO2023203842A1
WO2023203842A1 PCT/JP2023/004261 JP2023004261W WO2023203842A1 WO 2023203842 A1 WO2023203842 A1 WO 2023203842A1 JP 2023004261 W JP2023004261 W JP 2023004261W WO 2023203842 A1 WO2023203842 A1 WO 2023203842A1
Authority
WO
WIPO (PCT)
Prior art keywords
degree
congestion
predicted value
estimation
search
Prior art date
Application number
PCT/JP2023/004261
Other languages
English (en)
French (fr)
Inventor
佑輔 中村
喬 鈴木
曉 山田
Original Assignee
株式会社Ｎｔｔドコモ
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 株式会社Ｎｔｔドコモ filed Critical 株式会社Ｎｔｔドコモ
Publication of WO2023203842A1 publication Critical patent/WO2023203842A1/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
    • 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
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Definitions

  • the present invention relates to a crowding degree search system that searches for the crowding degree of a crowding degree calculation target when a person changes their behavior in response to being shown information according to the crowding degree.
  • Patent Document 1 describes predicting crowding at a predetermined place based on people's action schedules.
  • One embodiment of the present invention has been made in view of the above, and is a congestion level calculation system that can search for an appropriate congestion level when a person who is shown information according to the congestion level changes their behavior.
  • the purpose is to provide
  • a congestion degree search system is configured to search for a congestion degree based on information that corresponds to the congestion degree of a target of congestion degree, such as a location or a means of transportation.
  • This is a congestion degree search system that searches for the degree of crowding of a target when a person changes his or her behavior.
  • the estimation unit that estimates the congestion level and the congestion level used for the estimation by the estimation unit are set, and the estimation unit repeatedly estimates the congestion level.
  • the present invention includes a search unit that searches for the target congestion degree so that the difference from the estimated congestion degree becomes small.
  • the crowding degree search system In the crowding degree search system according to an embodiment of the present invention, the crowding degree is estimated under the condition that information according to the crowding degree is shown to the person taking the action, and the crowding degree used for estimation and the estimated crowding degree are The degree of congestion is searched so that the difference between the two becomes smaller. Therefore, according to the crowding degree search system according to an embodiment of the present invention, it is possible to search for an appropriate crowding degree when a person who is shown information according to the crowding degree changes his or her behavior.
  • FIG. 1 is a diagram showing the configuration of a congestion degree search system according to an embodiment of the present invention.
  • FIG. 2 is a diagram schematically showing a multi-agent simulation. It is a table showing an example of information on a person to be simulated, which is information necessary for simulation.
  • FIG. 3 is a diagram showing an overview of a search for congestion degree. It is a graph showing an image of setting the next advance predicted value using the gradient method.
  • FIG. 7 is a diagram showing a specific example of searching for the degree of congestion. It is a flowchart which shows the processing performed by the congestion degree search system concerning an embodiment of the present invention.
  • 1 is a diagram showing a hardware configuration of a congestion degree search system according to an embodiment of the present invention.
  • FIG. 1 shows a congestion degree search system 10 according to the present embodiment.
  • the congestion degree search system 10 is a system that searches for the degree of congestion of a target, such as a location or a means of transportation, when a person changes their behavior in response to being shown information according to the degree of congestion. (device).
  • the degree of congestion has been measured or predicted with respect to the geographical location of facilities, etc., or transportation facilities.
  • a person taking an action may change his or her action by referring to information corresponding to the measured or predicted degree of crowding. For example, if a person learns that a destination is crowded or is expected to be crowded, he or she may change his or her destination because he or she dislikes the crowd.
  • a change in behavior by a person who is shown information according to the degree of crowding is called behavior change.
  • Behavioral change is, for example, a change in destination as described above.
  • behavior change may be other than changing the destination.
  • the number of people to whom information according to the degree of crowding is shown is extremely small compared to the population, the impact of changes in people's behavior will be small. However, if the number of people changing their behavior is too large to ignore, the measured or predicted crowding level may vary due to the change in people's behavior and may not be accurate.
  • the crowding degree search system 10 searches for a highly accurate predicted value of the crowding degree under conditions in which information according to the crowding degree is shown to people taking action.
  • the searched crowding degree is used for arbitrary purposes such as presentation to people taking action.
  • the congestion level search system 10 is configured by a computer such as a PC (personal computer) or a server device.
  • the congestion level search system 10 may be configured by a plurality of computers.
  • the congestion level search system 10 may be capable of transmitting and receiving information to and from another device via a network in order to obtain information necessary for realizing its functions.
  • the congestion degree search system 10 includes an estimation section 11 and a search section 12.
  • the estimating unit 11 is a functional unit that estimates the degree of crowding of the object under conditions in which information corresponding to the crowding degree set in advance for the object is shown to the person taking the action.
  • the estimating unit 11 may estimate the degree of crowding of the object by simulating the behavior of the person under the condition that the person taking the action is shown information according to the crowding degree set in advance for the object.
  • the estimating unit 11 may simulate the behavior of each person under the condition that the person taking the action is shown information according to the crowding degree set in advance for the object.
  • the target of the estimated congestion level is a preset location or transportation facility.
  • the location is the geographical location of the facility, etc.
  • the means of transportation is public transportation such as a bus or a train.
  • the degree of congestion of a transportation facility is, for example, the degree of crowding of passengers on a transportation facility.
  • the information according to the degree of crowding that is presented to the person taking the action is, for example, information indicating the degree of crowding of the target itself (for example, the number of people at the target location or the number of people riding the target transportation).
  • the information may be information related to the degree of congestion, such as the time required for transportation, waiting time, presence or absence of delay, or time of delay caused by congestion.
  • the estimation unit 11 estimates the degree of congestion as follows.
  • the estimation unit 11 estimates the degree of congestion by simulating human behavior.
  • the estimation unit 11 performs multi-agent simulation in a human action area.
  • Multi-agent simulation simulates the real world and reproduces the behavior of individual people at different times.
  • Figure 2 schematically shows a multi-agent simulation.
  • the movement status of people is calculated in human activity areas such as urban areas. In FIG. 2, each point indicates an individual person (person's position).
  • Multi-agent simulation also calculates situations in which people use transportation such as buses or trains.
  • the estimation unit 11 performs a simulation that takes into account the behavior of a simulation target person when information corresponding to the degree of crowding of the target person is shown, that is, behavior change.
  • the simulation may include a decision-making model that responds to behavioral changes.
  • the decision-making model is, for example, to change the destination by changing the behavior according to the probability p (crowding degree) (change rate, behavior change rate) corresponding to the indicated crowding degree. In other words, p% of people who saw information indicating the degree of crowding changed their behavior.
  • the decision-making model calculates the value f using the following formula for each potential destination position, and moves toward the position where the value f is the largest.
  • f w congestion degree x congestion degree + w attractiveness x attractiveness + w incentive x incentive
  • the congestion degree is a value indicating the congestion degree of the position.
  • the attractiveness level is a value indicating the attractiveness level of the position.
  • the incentive is a value indicating the incentive to go to the location.
  • w congestion degree , w attractiveness degree , and w incentive are weights of respective values, and are preset values.
  • a value is used that corresponds to the degree of crowding of the object shown to the person being simulated.
  • the attractiveness level and incentive are values that are set in advance for each location or in simulation.
  • the above decision-making model is set in advance using an existing method or the like. For example, it is set through decision-making model know-how, questionnaires, demonstration experiments, etc. Note that in the simulation, consideration of behavior change when information according to the degree of crowding is shown may be performed using any method other than the above-described decision-making model.
  • the simulation performed by the estimating unit 11 does not need to be a multi-agent simulation, but may be any simulation that can simulate human behavior under conditions that show information according to a preset congestion degree for the target.
  • the object (location or transportation) of the estimated congestion degree is the same as the object for which information according to the congestion degree is shown.
  • the target may be plural.
  • the estimation unit 11 acquires information necessary for simulation.
  • the estimation unit 11 acquires information about a person to be simulated as information necessary for simulation.
  • the estimation unit 11 acquires OD (Origin-Destination) data indicating how many people will move from where to where and when.
  • FIG. 3(a) shows an example of OD data.
  • the OD data is data in which, for example, a departure point, a destination, the number of people, and a time (departure time) are associated with each other.
  • the departure point and destination of the OD data are identifiers (area ID).
  • the number of people in the OD data indicates the number of people moving.
  • the time of the OD data indicates the departure time of the movement.
  • the data in the first row of Figure 3(a) shows that 10 people depart from the small area "4010” and set the small area "8050" as their destination from 9:00 on March 17, 2022. Indicates that it will move.
  • the OD data may also include information other than the above (for example, the time of arrival at the destination).
  • OD data may be generated based on the position and movement of a real person. For example, time-series positional information about how many people are present and where at what time is acquired from various sensors such as mobile terminals carried by people and sensors that measure traffic volume.
  • FIG. 3(b) shows an example of a location information database that stores this location information.
  • the location information is, for example, information in which area ID, number of people, and time are associated with each other.
  • the area ID of the position information is an identifier indicating a small area (for example, a mesh-like area) that divides a human activity area.
  • the number of people and time in the position information indicate the number of people in the small area indicated by the corresponding area ID and the time.
  • the data in the first row of FIG. 3(b) shows that 10 people are in the small area "8050" at 9 o'clock on March 17, 2022.
  • OD data may be generated from the above location information by conventional data assimilation techniques.
  • the estimating unit 11 may read and acquire OD data from a database in which OD data is stored in advance, or may read out the data from a database in which data capable of generating OD data is stored in advance to generate OD data. It may be generated and obtained.
  • the estimation unit 11 may acquire the OD data using any other method. In addition to or in place of the above information, the estimation unit 11 may acquire information necessary for simulation other than the above information.
  • the estimating unit 11 performs a simulation using the degree of congestion (pre-predicted value) set by the searching unit 12 as described later as the degree of crowding related to the information shown to the person being simulated.
  • the simulation may be performed using, for example, existing software that performs multi-agent simulation.
  • the estimation unit 11 obtains an estimated value (post-predicted value) of the degree of congestion for the target (location or transportation) from the simulation results. For example, the estimating unit 11 performs a simulation for a certain period of time (for example, 30 minutes), and sets the number of people in the target at the end of the simulation as the estimated value (post-predicted value) of the degree of congestion. Note that the degree of crowding does not have to be the number of people in the target, but may be anything that indicates the degree of crowding in the target.
  • the estimation unit 11 outputs information indicating the estimation result regarding the target congestion degree to the search unit 12. Note that the estimation of the degree of congestion is repeatedly performed as described below.
  • the estimating unit 11 may estimate the degree of congestion of the target by a method other than simulation.
  • the model for estimating the congestion degree can be simplified, and the estimated value of the congestion degree (post-prediction If the value can be calculated (estimated), it may be used.
  • the search unit 12 sets the degree of congestion to be used for estimation by the estimation unit 11 and causes the estimation unit 11 to repeatedly estimate the degree of congestion. This is a functional unit that searches for the target congestion degree so that the difference from the congestion degree estimated by The search unit 12 uses an optimization method using an evaluation function based on the congestion degree used for estimation by the estimation unit 11 and the congestion degree estimated by the estimation unit 11 to determine the congestion degree to be used for the next estimation by the estimation unit 11. You may also set the degree.
  • the search unit 12 searches for the degree of congestion as follows.
  • FIG. 4 shows an overview of the search for the degree of congestion by the search unit 12.
  • the search unit 12 sets a pre-predicted value y p i that is the degree of congestion for the object and is used for estimation by the estimation unit 11 .
  • i is an index indicating the location or transportation facility that is the object of the congestion degree.
  • the prior predicted value y p i may be set for a plurality of targets.
  • the search unit 12 notifies the estimation unit 11 of the set prior predicted value y p i .
  • the estimation unit 11 performs a simulation using the notified prior predicted value y p i and obtains a post predicted value y ⁇ p i (note that " ⁇ " is directly above "y") which is an estimated value of the degree of congestion for the target. (The same applies to the following).
  • the estimating unit 11 outputs the a posteriori predicted value y ⁇ p i , which is the estimation result, to the searching unit 12.
  • the search unit 12 sets the first prior predicted value y p i .
  • the search unit 12 may cause the estimation unit 11 to estimate the degree of crowding of the object without setting the prior predicted value y p i , that is, under the condition that information corresponding to the degree of crowding is not shown to the person taking the action.
  • the degree of congestion obtained as a result of is set as the first prior predicted value y p i .
  • the search unit 12 estimates the degree of congestion of the target by a method other than the simulation performed by the estimation unit 11, and sets the degree of congestion obtained as a result of the estimation as the first prior predicted value y p i .
  • the method other than the above-mentioned simulation may be any conventional method, for example, a method using a learning model such as an RNN (recurrent neural network) generated by machine learning.
  • the search unit 12 When the search unit 12 receives the a posteriori predicted value y ⁇ p i from the estimation unit 11, it compares the a priori predicted value y p i and the posterior predicted value y ⁇ p i . Specifically, the search unit 12 calculates the difference
  • the threshold value k is a value that allows the prior predicted value y p i and the posterior predicted value y ⁇ p i to be considered to be the same value when searching for the degree of congestion.
  • the search unit 12 sets the next prior predicted value y p i .
  • the search unit 12 sets the next pre - predicted value y p i such that the difference between the pre-predicted value y p i and the post-predicted value y ⁇ p i becomes small.
  • the estimation by the estimation unit 11 using the next prior predicted value y p i does not necessarily require that the difference between the prior predicted value y p i and the posterior predicted value y ⁇ p i becomes smaller.
  • the search unit 12 sets the next pre-predicted value y p i by an optimization method using an evaluation function (objective function) f based on the pre-predicted value y p i and the post-predicted value y ⁇ p i .
  • the next pre-predicted value y p i is set (searched for) using the gradient method.
  • FIG. 5 shows an image of setting the next prior predicted value y p i (setting of the prior predicted value y p i ) using the gradient method.
  • the graph in FIG. 5 shows the relationship between the prior predicted value y p i_n (horizontal axis) and the evaluation function value f n (vertical axis).
  • n indicates the number of times the prior predicted value y p i is set.
  • y p i_0 is the advance predicted value y p i that is set first
  • y p i_1 is set after the simulation performed by the estimation unit 11 under the condition that information according to the first congestion degree is shown.
  • f 0 is the value of the evaluation function calculated using the prior predicted value y p i_0
  • f 1 is the value of the evaluation function calculated using the prior predicted value y p i_1 .
  • the current value f of the evaluation function is compared with the value f of the immediately preceding evaluation function, and the next pre-predicted value y p i is Proceed with your exploration. Note that since there is no value f of the evaluation function before f 0 , when determining y p i — 1 , a search is performed in a preset direction or a random direction. As shown in FIG. 5, in the gradient method, the current value f of the evaluation function is compared with the value f of the immediately preceding evaluation function, and the next pre-predicted value y p i is Proceed with your exploration. Note that since there is no value f of the evaluation function before f 0 , when determining y p i — 1 , a search is performed in a preset direction or a random direction. As shown in FIG.
  • next prior predicted value y p i may be set by an optimization method other than the gradient method. Furthermore, if the final predicted value y p fin can be searched for by repeating the estimation by the estimator 11 so that the difference between the a priori predicted value y p i and the posterior predicted value y ⁇ p i becomes small, then an optimization method other than the optimization method can be used.
  • the next pre-predicted value y p i may be set by the method described above.
  • the search unit 12 sets the next pre-predicted value y p i until the difference
  • the search unit 12 When the final predicted value y p fin is obtained, the search unit 12 outputs information indicating the final predicted value y p fin as information indicating the search result.
  • the search unit 12 may display the information on a display device included in the congestion degree search system 10.
  • the search unit 12 may transmit the information to another device, for example, a terminal of a person who acts in an action area that includes the object of the congestion degree (that is, a person who is likely to go to the object). Further, the search unit 12 may output the information using a method other than the above.
  • FIG. 6 a specific example of the search for the final predicted value y p fin will be shown using FIG. 6 .
  • a priori predicted value y p i is set and a posterior predicted value y ⁇ p i is estimated, and a final predicted value y p fin is searched for point A. be done.
  • the prior predicted value y p i is set to 300 people for point A and 50 people for point B.
  • the pre-predicted value y p i in the first round of search is generated by the estimation by the estimation unit 11 under the condition that information according to the degree of crowding is not shown to the person taking the action, or by machine learning. Generated by a method using a learning model.
  • the post-prediction value y ⁇ p i becomes 87 people for point A and 263 people for point B.
  • the prior predicted value y p i is set by the gradient method or the like as described above.
  • the prior predicted value y p i is set to 250 people for point A and 100 people for point B.
  • the post-prediction value y ⁇ p i becomes 174 people for point A and 176 people for point B.
  • the prior predicted value y p i is set to 221 people for point A and 129 people for point B.
  • the post-prediction value y ⁇ p i becomes 221 people for point A and 129 people for point B.
  • the above are the functions of the congestion degree search system 10 according to this embodiment.
  • the estimation unit 11 acquires information necessary for simulation (S01). Further, the search unit 12 sets a prior predicted value y p i that is the degree of congestion used for estimation by the estimation unit 11 (S02). Subsequently, the estimation unit 11 uses the acquired information and the preset predicted value y p i to determine the condition under which the person taking the action is shown information according to the preset degree of crowding for the target. A simulation of human behavior is executed (S03). The estimation unit 11 obtains a posterior predicted value y ⁇ p i which is the degree of congestion of the object based on the simulation result (S04).
  • the search unit 12 determines whether the difference
  • the search unit 12 determines that the final predicted value y p fin is The actual prior predicted value y p i is used (S06). Subsequently, the search unit 12 outputs information indicating the final predicted value y p fin , which is the result of the search for the degree of congestion (S07).
  • the above is the process executed by the congestion degree search system 10 according to this embodiment.
  • the posterior predicted value y ⁇ p i is estimated under the condition that information corresponding to the prior predicted value y p i is shown to the person taking the action, and the prior predicted value y p i and the posterior predicted value y ⁇ p i
  • the congestion degree is searched so that the difference between Therefore, according to the present embodiment, it is possible to search for the final predicted value y p fin , which is the appropriate degree of crowding when a person shown information according to the degree of crowding changes his or her behavior.
  • the next estimation by the estimation unit 11 is performed using an optimization method using an evaluation function based on the a priori predicted value y p i and the a posteriori predicted value y ⁇ p i , for example, a gradient method.
  • the a priori predicted value y p i to be used may be set. According to this configuration, it is possible to appropriately and reliably search for the final predicted value y p fin .
  • the setting of the prior predicted value y p i used for the next estimation by the estimation unit 11 does not need to be performed as described above, and any setting other than the above may be used as long as the final predicted value y p fin can be searched. It may be carried out by the following method.
  • the posterior predicted value y ⁇ p i may be estimated by simulating the behavior of a person under the condition that information corresponding to the prior predicted value y p i is shown to the person taking the action . good. Furthermore, the behavior of each person may be simulated under the condition that information corresponding to the prior predicted value y p i is shown to the person taking the action. For example, multi-agent simulation may be performed as described above. According to this configuration, it is possible to perform an appropriate simulation, and as a result, it is possible to search for an appropriate final predicted value y p fin .
  • the simulation does not necessarily have to be a simulation of the behavior of an individual person, and it is sufficient that the a posteriori predicted value y ⁇ p i can be obtained as a result of the simulation. Further, the posterior predicted value y ⁇ p i may be estimated by a method other than simulating human behavior.
  • each functional block may be realized using one physically or logically coupled device, or may be realized using two or more physically or logically separated devices directly or indirectly (e.g. , wired, wireless, etc.) and may be realized using a plurality of these devices.
  • the functional block may be realized by combining software with the one device or the plurality of devices.
  • Functions include judgment, decision, judgment, calculation, calculation, processing, derivation, investigation, exploration, confirmation, reception, transmission, output, access, resolution, selection, selection, establishment, comparison, assumption, expectation, consideration, These include, but are not limited to, broadcasting, notifying, communicating, forwarding, configuring, reconfiguring, allocating, mapping, and assigning. I can't.
  • a functional block (configuration unit) that performs transmission is called a transmitting unit or transmitter. In either case, as described above, the implementation method is not particularly limited.
  • the congestion level search system 10 in an embodiment of the present disclosure may function as a computer that performs the information processing of the present disclosure.
  • FIG. 8 is a diagram illustrating an example of the hardware configuration of the congestion degree search system 10 according to an embodiment of the present disclosure.
  • the congestion level search system 10 described above may be physically configured as a computer device including a processor 1001, a memory 1002, a storage 1003, a communication device 1004, an input device 1005, an output device 1006, a bus 1007, and the like.
  • the word “apparatus” can be read as a circuit, a device, a unit, etc.
  • the hardware configuration of the congestion level search system 10 may be configured to include one or more of each device shown in the figure, or may be configured without including some of the devices.
  • Each function in the congestion level search system 10 is such that the processor 1001 performs calculations by loading predetermined software (programs) onto hardware such as the processor 1001 and the memory 1002, and controls communication by the communication device 1004. This is realized by controlling at least one of reading and writing data in the memory 1002 and storage 1003.
  • the processor 1001 for example, operates an operating system to control the entire computer.
  • the processor 1001 may be configured by a central processing unit (CPU) including an interface with peripheral devices, a control device, an arithmetic unit, registers, and the like.
  • CPU central processing unit
  • each function in the congestion degree search system 10 described above may be realized by the processor 1001.
  • the processor 1001 reads programs (program codes), software modules, data, etc. from at least one of the storage 1003 and the communication device 1004 to the memory 1002, and executes various processes in accordance with these.
  • programs program codes
  • software modules software modules
  • data etc.
  • the program a program that causes a computer to execute at least part of the operations described in the above embodiments is used.
  • each function in the congestion level search system 10 may be realized by a control program stored in the memory 1002 and operated on the processor 1001.
  • Processor 1001 may be implemented by one or more chips. Note that the program may be transmitted from a network via a telecommunications line.
  • the memory 1002 is a computer-readable recording medium, and includes at least one of ROM (Read Only Memory), EPROM (Erasable Programmable ROM), EEPROM (Electrically Erasable Programmable ROM), RAM (Random Access Memory), etc. may be done.
  • Memory 1002 may be called a register, cache, main memory, or the like.
  • the memory 1002 can store executable programs (program codes), software modules, and the like to implement information processing according to an embodiment of the present disclosure.
  • the storage 1003 is a computer-readable recording medium, such as an optical disk such as a CD-ROM (Compact Disc ROM), a hard disk drive, a flexible disk, or a magneto-optical disk (for example, a compact disk, a digital versatile disk, or a Blu-ray disk). (registered trademark disk), smart card, flash memory (eg, card, stick, key drive), floppy disk, magnetic strip, etc.
  • Storage 1003 may also be called an auxiliary storage device.
  • the storage medium included in the congestion level search system 10 may be, for example, a database including at least one of the memory 1002 and the storage 1003, a server, or other appropriate medium.
  • the communication device 1004 is hardware (transmission/reception device) for communicating between computers via at least one of a wired network and a wireless network, and is also referred to as a network device, network controller, network card, communication module, etc., for example.
  • the input device 1005 is an input device (eg, keyboard, mouse, microphone, switch, button, sensor, etc.) that accepts input from the outside.
  • the output device 1006 is an output device (for example, a display, a speaker, an LED lamp, etc.) that performs output to the outside. Note that the input device 1005 and the output device 1006 may have an integrated configuration (for example, a touch panel).
  • each device such as the processor 1001 and the memory 1002 is connected by a bus 1007 for communicating information.
  • the bus 1007 may be configured using a single bus, or may be configured using different buses for each device.
  • the congestion level search system 10 also includes hardware such as a microprocessor, a digital signal processor (DSP), an application specific integrated circuit (ASIC), a programmable logic device (PLD), and a field programmable gate array (FPGA).
  • DSP digital signal processor
  • ASIC application specific integrated circuit
  • PLD programmable logic device
  • FPGA field programmable gate array
  • the input/output information may be stored in a specific location (for example, memory) or may be managed using a management table. Information etc. to be input/output may be overwritten, updated, or additionally written. The output information etc. may be deleted. The input information etc. may be transmitted to other devices.
  • Judgment may be made using a value expressed by 1 bit (0 or 1), a truth value (Boolean: true or false), or a comparison of numerical values (for example, a predetermined value). (comparison with a value).
  • notification of prescribed information is not limited to being done explicitly, but may also be done implicitly (for example, not notifying the prescribed information). Good too.
  • Software includes instructions, instruction sets, code, code segments, program code, programs, subprograms, software modules, whether referred to as software, firmware, middleware, microcode, hardware description language, or by any other name. , should be broadly construed to mean an application, software application, software package, routine, subroutine, object, executable, thread of execution, procedure, function, etc.
  • software, instructions, information, etc. may be sent and received via a transmission medium.
  • a transmission medium For example, if the software uses wired technology (coaxial cable, fiber optic cable, twisted pair, digital subscriber line (DSL), etc.) and/or wireless technology (infrared, microwave, etc.) to create a website, When transmitted from a server or other remote source, these wired and/or wireless technologies are included within the definition of transmission medium.
  • wired technology coaxial cable, fiber optic cable, twisted pair, digital subscriber line (DSL), etc.
  • wireless technology infrared, microwave, etc.
  • system and “network” are used interchangeably.
  • information, parameters, etc. described in this disclosure may be expressed using absolute values, relative values from a predetermined value, or using other corresponding information. may be expressed.
  • determining may encompass a wide variety of operations.
  • “Judgment” and “decision” include, for example, judging, calculating, computing, processing, deriving, investigating, looking up, search, and inquiry. (e.g., searching in a table, database, or other data structure), and regarding an ascertaining as a “judgment” or “decision.”
  • judgment and “decision” refer to receiving (e.g., receiving information), transmitting (e.g., sending information), input, output, and access.
  • (accessing) may include considering something as a “judgment” or “decision.”
  • judgment and “decision” refer to resolving, selecting, choosing, establishing, comparing, etc. as “judgment” and “decision”. may be included.
  • judgment and “decision” may include regarding some action as having been “judged” or “determined.”
  • judgment (decision) may be read as “assuming", “expecting", “considering”, etc.
  • connection refers to any connection or coupling, direct or indirect, between two or more elements and to each other. It may include the presence of one or more intermediate elements between two elements that are “connected” or “coupled.”
  • the bonds or connections between elements may be physical, logical, or a combination thereof. For example, "connection” may be replaced with "access.”
  • two elements may include one or more electrical wires, cables, and/or printed electrical connections, as well as in the radio frequency domain, as some non-limiting and non-inclusive examples. , electromagnetic energy having wavelengths in the microwave and optical (both visible and non-visible) ranges.
  • the phrase “based on” does not mean “based solely on” unless explicitly stated otherwise. In other words, the phrase “based on” means both “based only on” and “based at least on.”
  • any reference to elements using the designations "first,” “second,” etc. does not generally limit the amount or order of those elements. These designations may be used in this disclosure as a convenient way to distinguish between two or more elements. Thus, reference to a first and second element does not imply that only two elements may be employed or that the first element must precede the second element in any way.
  • a and B are different may mean “A and B are different from each other.” Note that the term may also mean that "A and B are each different from C”. Terms such as “separate” and “coupled” may also be interpreted similarly to “different.”
  • the congestion degree search system of the present disclosure has the following configuration.
  • a congestion degree search system that searches for the congestion degree of a target, such as a location or transportation, when a person changes their behavior in response to being shown information according to the congestion degree.
  • an estimating unit that estimates the degree of crowding of the object under conditions in which a person taking the action is shown information according to a preset degree of crowding for the object;
  • the degree of congestion used for estimation by the estimation section is set, and the estimation section is caused to repeatedly estimate the degree of congestion, and the degree of congestion used for estimation by the estimation section and the degree of congestion estimated by the estimation section are determined.
  • a search unit that searches for the degree of congestion of the target so that the difference between the A congestion level search system.
  • the search unit performs a next estimation by the estimation unit using an optimization method using an evaluation function based on the congestion degree used in the estimation by the estimation unit and the congestion degree estimated by the estimation unit.
  • the congestion degree search system according to [1], which sets the congestion degree to be used.
  • the estimation unit estimates the degree of crowding of the target by simulating the behavior of the person under conditions in which information corresponding to the crowding level set in advance for the target is shown to the person taking the action [1 ] or the congestion degree search system described in [2].
  • Search unit 1001
  • Processor 1002
  • Memory 1003
  • Storage 1004
  • Communication device 1005
  • Input device 1006
  • Output device 1007... Bus.

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

混雑度に応じた情報を示された人が行動を変更する場合の適切な混雑度を探索する。　混雑度探索システム１０は、位置又は交通機関である混雑度の対象について、混雑度に応じた情報を示されたことを受けて人が行動を変更する場合の当該対象の混雑度を探索するシステムであって、行動する人に、対象について予め設定された混雑度に応じた情報が示される条件で、当該対象の混雑度を推定する推定部１１と、推定部１１による推定に用いられる混雑度を設定して、当該推定部に繰り返し混雑度の推定を行わせて、推定部１１による推定に用いられる混雑度と、推定部１１によって推定される混雑度との差異が小さくなるように、対象の混雑度を探索する探索部１２とを備える。

Description

混雑度探索システム
　本発明は、混雑度の算出対象について、混雑度に応じた情報を示されたことを受けて人が行動を変更する場合の当該算出対象の混雑度を探索する混雑度探索システムに関する。
　特許文献１には、人の行動予定に基づいて、所定の場所における混雑を予測することが記載されている。
特開２０１９－４９７６５号公報
　従来、特許文献１に示されるような、所定の場所における混雑を予測することが提案されている。しかしながら、混雑の予測値を公表することで、結果的に予測が外れることが考えられる。例えば、目的地である場所が混雑していること又は混雑すると予想されていることを知った人が、混雑を嫌って目的地を変更することが考えられる。混雑の予測値を知る人数が母数に対して限りなく少ない場合、人が行動を変更することによる影響は小さい。しかしながら、行動を変更する人数が無視できないほど多い場合には、従来の方法で予測された混雑は正確でないものになり得る。
　本発明の一実施形態は、上記に鑑みてなされたものであり、混雑度に応じた情報を示された人が行動を変更する場合の適切な混雑度を探索することができる混雑度算出システムを提供することを目的とする。
　上記の目的を達成するために、本発明の一実施形態に係る混雑度探索システムは、位置又は交通機関である混雑度の対象について、混雑度に応じた情報を示されたことを受けて人が行動を変更する場合の当該対象の混雑度を探索する混雑度探索システムであって、行動する人に、対象について予め設定された混雑度に応じた情報が示される条件で、当該対象の混雑度を推定する推定部と、推定部による推定に用いられる混雑度を設定して、当該推定部に繰り返し混雑度の推定を行わせて、推定部による推定に用いられる混雑度と、推定部によって推定される混雑度との差異が小さくなるように、対象の混雑度を探索する探索部と、を備える。
　本発明の一実施形態に係る混雑度探索システムでは、行動する人に混雑度に応じた情報が示される条件で、混雑度が推定され、推定に用いられる混雑度と、推定される混雑度との差異が小さくなるように混雑度が探索される。従って、本発明の一実施形態に係る混雑度探索システムによれば、混雑度に応じた情報を示された人が行動を変更する場合の適切な混雑度を探索することができる。
　本発明の一実施形態によれば、混雑度に応じた情報を示された人が行動を変更する場合の適切な混雑度を探索することができる。
本発明の実施形態に係る混雑度探索システムの構成を示す図である。 マルチエージェント・シミュレーションを模式的に示す図である。 シミュレーションに必要な情報であるシミュレーション対象の人の情報の例を示すテーブルである。 混雑度の探索の概要を示す図である。 勾配法による次の事前予測値の設定のイメージを示すグラフである。 混雑度の探索の具体例を示す図である。 本発明の実施形態に係る混雑度探索システムで実行される処理を示すフローチャートである。 本発明の実施形態に係る混雑度探索システムのハードウェア構成を示す図である。
　以下、図面と共に本発明に係る混雑度探索システムの実施形態について詳細に説明する。なお、図面の説明においては同一要素には同一符号を付し、重複する説明を省略する。
　図１に本実施形態に係る混雑度探索システム１０を示す。混雑度探索システム１０は、位置又は交通機関である混雑度の対象について、混雑度に応じた情報を示されたことを受けて人が行動を変更する場合の当該対象の混雑度を探索するシステム（装置）である。
　従来、施設等の地理的な位置、又は交通機関について、混雑度を測定又は予測することが行われている。行動する人が、測定又は予測された混雑度に応じた情報を参照することで行動を変更することがある。例えば、目的地である場所が混雑していること又は混雑すると予想されていることを知った人が、混雑を嫌って目的地を変更することがある。本実施形態では、混雑度に応じた情報が示された人が行動を変更することを行動変容と呼ぶ。行動変容は、例えば、上記のような目的地の変更である。また、行動変容は、目的地の変更以外であってもよい。
　混雑度に応じた情報が示される人数が母数に対して限りなく少ない場合、人の行動変容による影響は小さい。しかしながら、行動変容する人数が無視できないほど多い場合には、測定又は予測された混雑度は、人の行動変容によって変動し、正確でないものになり得る。
　混雑度探索システム１０は、行動する人に混雑度に応じた情報が示される条件での、精度の高い混雑度の予測値を探索する。探索された混雑度は、行動する人への提示等の任意の用途に用いられる。
　混雑度探索システム１０は、ＰＣ（パーソナルコンピュータ）又はサーバ装置等のコンピュータによって構成されている。混雑度探索システム１０は、複数のコンピュータによって構成されていてもよい。混雑度探索システム１０は、機能の実現に必要な情報の取得等のための、別の装置との間でネットワークを介して互いに情報の送受信を行うことができてもよい。
　引き続いて、本実施形態に係る混雑度探索システム１０の機能を説明する。図１に示すように混雑度探索システム１０は、推定部１１と、探索部１２とを備えて構成される。
　推定部１１は、行動する人に、対象について予め設定された混雑度に応じた情報が示される条件で、当該対象の混雑度を推定する機能部である。推定部１１は、行動する人に、対象について予め設定された混雑度に応じた情報が示される条件で、人の行動をシミュレーションして、当該対象の混雑度を推定してもよい。推定部１１は、行動する人に、対象について予め設定された混雑度に応じた情報が示される条件で、個々の人の行動をシミュレーションしてもよい。
　推定される混雑度の対象は、予め設定した位置又は交通機関である。位置は、施設等の地理的な位置である。交通機関は、バス又は電車等の公共交通機関である。交通機関の混雑度は、例えば、交通機関の乗客の混雑度である。推定される混雑度の対象は、複数であってもよい。行動する人に提示される混雑度に応じた情報は、例えば、対象の混雑度自体（例えば、対象の位置にいる人数又は対象の交通機関に乗っている人数）を示す情報である。あるいは、当該情報は、混雑度に関連する情報、例えば、混雑によって生じる交通機関の所要時間、待ち時間、遅れの有無、又は遅れの時間等であってもよい。
　例えば、推定部１１は、以下のように混雑度を推定する。推定部１１は、人の行動をシミュレーションして混雑度を推定する。推定部１１は、人の行動領域におけるマルチエージェント・シミュレーションを行う。マルチエージェント・シミュレーションは、現実世界を模して、時刻毎の個々の人々の行動を再現するものである。図２にマルチエージェント・シミュレーションを模式的に示す。マルチエージェント・シミュレーションでは、市街地等の人の行動領域において、人（エージェント）の移動状況が算出される。図２における、各点が個々の人（人の位置）を示している。マルチエージェント・シミュレーションでは、人がバス又は電車等の交通手段を利用する状況も算出される。
　推定部１１は、シミュレーション対象の人に対象の混雑度に応じた情報が示される場合の行動、即ち、行動変容を考慮したシミュレーションを行う。例えば、シミュレーションには、行動変容に応じた意思決定モデルが含まれていてもよい。意思決定モデルは、例えば、示された混雑度に応じた確率ｐ（混雑度）（変更率、行動変容率）に従って行動変容して目的地を変容するというものである。即ち、混雑度を示す情報を見た人のｐ％は行動を変えるというものである。
　あるいは、意思決定モデルは、目的地となり得る位置毎に以下の式によって値ｆを算出して、値ｆが最も大きい位置に向かうというものである。
　ｆ＝ｗ混雑度×混雑度＋ｗ魅力度×魅力度＋ｗインセンティブ×インセンティブ
上記の式のうち、混雑度は、当該位置の混雑度を示す値である。魅力度は、当該位置の魅力度を示す値である。インセンティブは、当該位置へ行くことのインセンティブを示す値である。ｗ混雑度、ｗ魅力度及びｗインセンティブは、それぞれの値の重みであり、予め設定された値である。上記の式のうち、混雑度は、シミュレーション対象の人に示される対象の混雑度に応じた値が用いられる。魅力度及びインセンティブは、予め位置毎あるいはシミュレーションにおいて設定される値である。
　上記の意思決定モデルは、既存の方法等によって予め設定される。例えば、意思決定モデルのノウハウ、若しくはアンケート又は実証実験等を通じて設定される。なお、シミュレーションにおける、混雑度に応じた情報が示される場合の行動変容の考慮は、上記の意思決定モデル以外の任意の方法で行われてもよい。
　マルチエージェント・シミュレーションを用いることで、現実に即した状況の混雑度（動的な混雑）を推定することができる。なお、推定部１１によるシミュレーションは、マルチエージェント・シミュレーションである必要はなく、対象について予め設定された混雑度に応じた情報が示される条件で、人の行動をシミュレーションできるものであればよい。
　なお、推定される混雑度の対象（位置又は交通機関）は、混雑度に応じた情報が示される対象と同じものである。また、当該対象は、複数であってもよい。
　推定部１１は、シミュレーションに必要な情報を取得する。推定部１１は、シミュレーションに必要な情報として、シミュレーション対象の人の情報を取得する。具体的には、推定部１１は、いつどこからどこへ何人移動するかを示すＯＤ（Origin－Destination）データを取得する。図３（ａ）にＯＤデータの例を示す。ＯＤデータは、例えば、出発地、目的地、人数及び時刻（出発時刻）が、互いに対応付けられたデータである。図３（ａ）に示す例では、ＯＤデータの出発地及び目的地は、出発地及び目的地である、人の行動領域を区切った小領域（例えば、メッシュ状の領域）を示す識別子（エリアＩＤ）である。ＯＤデータの人数は、移動する人数を示す。ＯＤデータの時刻は、移動の出発時刻を示す。図３（ａ）の１行目のデータは、１０人の人が、「４０１０」の小領域を出発して、「８０５０」の小領域を目的地として、２０２２年３月１７日９時から移動することを示している。なお、ＯＤデータには、上記以外の情報（例えば、目的地への到着時刻）も含まれていてもよい。
　ＯＤデータは、現実の人の位置及び動きに基づいて生成されてもよい。例えば、人が携帯している移動機端末及び交通量を測るセンサ等の各種センサ等から、いつどこに何人いるかという時系列の位置情報を取得する。図３（ｂ）にこの位置情報を格納する位置情報データベースの例を示す。位置情報は、例えば、エリアＩＤ、人数及び時刻が、互いに対応付けられた情報である。位置情報のエリアＩＤは、人の行動領域を区切った小領域（例えば、メッシュ状の領域）を示す識別子である。位置情報の人数及び時刻は、対応するエリアＩＤによって示される小領域にいる人の人数及び時刻を示している。図３（ｂ）の１行目のデータは、１０人の人が、「８０５０」の小領域に２０２２年３月１７日９時にいることを示している。ＯＤデータは、上記の位置情報から、従来のデータ同化技術によって生成されてもよい。
　推定部１１は、ＯＤデータが予め記憶されたデータベースからＯＤデータを読み出して取得してもよいし、ＯＤデータを生成することができるデータが予め記憶されたデータベースから当該データを読み出してＯＤデータを生成して取得してもよい。推定部１１は、その他の任意の方法でＯＤデータを取得してもよい。推定部１１は、上記の情報に加えて、あるいは上記の情報に替えて、上記の情報以外のシミュレーションに必要な情報を取得してもよい。
　推定部１１は、後述するように探索部１２によって設定された混雑度（事前予測値）を、シミュレーション対象の人に示される情報に係る混雑度として、シミュレーションを行う。シミュレーションは、例えば、既存のマルチエージェント・シミュレーションを行うソフトウェアによって行われればよい。
　推定部１１は、シミュレーションの結果から、対象（位置又は交通機関）について混雑度の推定値（事後予測値）を得る。例えば、推定部１１は、シミュレーション上の一定期間（例えば、３０分）のシミュレーションを行い、シミュレーションの終了の時点での対象にいる人数を混雑度の推定値（事後予測値）とする。なお、混雑度は、対象にいる人数でなくてもよく、対象における混雑の度合いを示すものあればよい。推定部１１は、対象の混雑度についての推定結果を示す情報を探索部１２に出力する。なお、混雑度の推定は、後述するように繰り返し行われる。
　なお、推定部１１は、シミュレーション以外で対象の混雑度を推定してもよい。例えば、混雑度を推定するためのモデルを簡略化でき、予め設定した数理的解法を用いて、探索部１２によって設定された混雑度（事前予測値）に基づいて混雑度の推定値（事後予測値）を算出（推定）できる場合には、それを用いてもよい。
　探索部１２は、推定部１１による推定に用いられる混雑度を設定して、当該推定部１１に繰り返し混雑度の推定を行わせて、推定部１１による推定に用いられる混雑度と、推定部１１によって推定される混雑度との差異が小さくなるように、対象の混雑度を探索する機能部である。探索部１２は、推定部１１による推定に用いられる混雑度と、推定部１１によって推定される混雑度とに基づく評価関数を用いた最適化手法によって、推定部１１による次の推定に用いられる混雑度を設定してもよい。
　例えば、探索部１２は、以下のように混雑度を探索する。図４に、探索部１２による混雑度の探索の概要を示す。探索部１２は、推定部１１による推定に用いられる、対象についての混雑度である事前予測値ｙｐ ｉを設定する。ｉは、混雑度の対象である位置又は交通機関を示すインデックスである。上記の通り、事前予測値ｙｐ ｉが設定される対象は、複数であってもよい。探索部１２は、設定した事前予測値ｙｐ ｉを推定部１１に通知する。推定部１１は、通知された事前予測値ｙｐ ｉを用いてシミュレーションを行って、対象について混雑度の推定値である事後予測値ｙ＾ｐ ｉ（なお「＾」は「ｙ」の真上に付されているものとする、以下についても同様）を推定する。推定部１１は、推定結果である事後予測値ｙ＾ｐ ｉを探索部１２に出力する。
　探索部１２は、設定した事前予測値ｙｐ ｉと推定部１１から入力した事後予測値ｙ＾ｐ ｉとを比較して、探索を終了するか否かを判断する。探索を終了すると判断した場合、探索部１２は、事前予測値ｙｐ ｉと事後予測値ｙ＾ｐ ｉとの少なくとも何れかに基づく探索結果の混雑度である最終予測値ｙｐ ｆｉｎを出力する。例えば、探索部１２は、最終予測値ｙｐ ｆｉｎ＝事前予測値ｙｐ ｉとする。探索部１２は、探索を終了すべきと判断した場合、探索を終了しないと判断した場合、探索部１２は、新たな事前予測値ｙｐ ｉを設定して、上記の処理を繰り返す。
　以下、上記の混雑度の探索を具体的に説明する。まず、探索部１２は、最初の事前予測値ｙｐ ｉを設定する。例えば、探索部１２は、事前予測値ｙｐ ｉを設定せず、即ち、行動する人に混雑度に応じた情報が示されない条件で、推定部１１に対象の混雑度を推定させて、推定の結果得られた混雑度を最初の事前予測値ｙｐ ｉとする。あるいは、探索部１２は、推定部１１のシミュレーション以外の方法で対象の混雑度を推定し、推定の結果得られた混雑度を最初の事前予測値ｙｐ ｉとする。上記のシミュレーション以外の方法は、従来の任意の方法でよく、例えば、機械学習によって生成されたＲＮＮ（回帰型ニューラルネットワーク）等の学習モデルを用いた方法でよい。
　探索部１２は、推定部１１から事後予測値ｙ＾ｐ ｉを入力すると、事前予測値ｙｐ ｉと事後予測値ｙ＾ｐ ｉとを比較する。具体的には、探索部１２は、事前予測値ｙｐ ｉと事後予測値ｙ＾ｐ ｉとの差分｜ｙｐ ｉ－ｙ＾ｐ ｉ｜を算出する。探索部１２は、算出した差分が予め設定した閾値ｋ未満であるか否か、｜ｙｐ ｉ－ｙ＾ｐ ｉ｜＜ｋであるか否かを判断する。閾値ｋは、混雑度の探索上、事前予測値ｙｐ ｉと事後予測値ｙ＾ｐ ｉとが同じ値であるとみなせるようにできる値である。差分が閾値ｋ未満である場合、探索部１２は、最終予測値ｙｐ ｆｉｎ＝事前予測値ｙｐ ｉとして、最終予測値ｙｐ ｆｉｎを、探索結果を示す情報として出力する。
　差分が閾値ｋ未満でない場合、探索部１２は、次の事前予測値ｙｐ ｉを設定する。探索部１２は、事前予測値ｙｐ ｉと事後予測値ｙ＾ｐ ｉとの差分が小さくなるように次の事前予測値ｙｐ ｉを設定する。但し、次の次の事前予測値ｙｐ ｉを用いた推定部１１による推定で、必ずしも事前予測値ｙｐ ｉと事後予測値ｙ＾ｐ ｉとの差分が小さくなる必要はない。例えば、探索部１２は、事前予測値ｙｐ ｉと事後予測値ｙ＾ｐ ｉに基づく評価関数（目的関数）ｆを用いた最適化手法によって、次の事前予測値ｙｐ ｉを設定する。具体的には、勾配法によって次の事前予測値ｙｐ ｉを設定（探索）する。この場合の評価関数ｆとしては、以下の関数が用いられる。
　ｆ＝（１／２）（ｙｐ ｉ－ｙ＾ｐ ｉ）２
　図５に勾配法による、次の事前予測値ｙｐ ｉの設定（事前予測値ｙｐ ｉの設定）のイメージを示す。図５のグラフは、事前予測値ｙｐ ｉ＿ｎ（横軸）と、評価関数の値ｆｎ（縦軸）との関係を示すものである。ｎは、事前予測値ｙｐ ｉの設定の回数を示す。ｙｐ ｉ＿０は、最初に設定される事前予測値ｙｐ ｉであり、ｙｐ ｉ＿１は、推定部１１によって１回目の混雑度に応じた情報が示される条件で行われたシミュレーションの後に設定される事前予測値ｙｐ ｉである。ｆ０は、事前予測値ｙｐ ｉ＿０が用いられて算出された評価関数の値であり、ｆ１は、事前予測値ｙｐ ｉ＿１が用いられて算出された評価関数の値である。
　図５に示すように勾配法では、現在の評価関数の値ｆと、直前の評価関数の値ｆとを比較し、評価関数の値ｆが小さくなる方向に次の事前予測値ｙｐ ｉの探索を進める。なお、ｆ０より前の評価関数の値ｆはないため、ｙｐ ｉ＿１を決める際には、予め設定した方向又はランダムの方向へ探索する。図５に示すように、このように次の事前予測値ｙｐ ｉの設定を繰り返していくことによって、算出される評価関数ｆの値も小さくなっていき、その結果、事前予測値ｙｐ ｉと事後予測値ｙ＾ｐ ｉとの差分｜ｙｐ ｉ－ｙ＾ｐ ｉ｜も小さくなる。
　なお、次の事前予測値ｙｐ ｉの設定は、勾配法以外の最適化手法によって行われてもよい。また、推定部１１による推定の繰り返しによって、事前予測値ｙｐ ｉと事後予測値ｙ＾ｐ ｉとの差異が小さくなるように最終予測値ｙｐ ｆｉｎを探索できるのであれば、最適化手法以外による方法で次の事前予測値ｙｐ ｉの設定が行われてもよい。
　探索部１２は、事前予測値ｙｐ ｉと事後予測値ｙ＾ｐ ｉとの差分｜ｙｐ ｉ－ｙ＾ｐ ｉ｜が閾値ｋ未満となるまで、次の事前予測値ｙｐ ｉを設定し、及び推定部１１に事前予測値ｙｐ ｉを用いた事後予測値ｙ＾ｐ ｉを推定させることを繰り返し行う。なお、事前予測値ｙｐ ｉが設定されると共に事後予測値ｙ＾ｐ ｉが推定される対象を複数とした場合、最終予測値ｙｐ ｆｉｎを探索する対象はそれら全てとする必要はなく、それらの何れかの対象のみについて最終予測値ｙｐ ｆｉｎを探索してもよい。
　探索部１２は、最終予測値ｙｐ ｆｉｎが得られたら、最終予測値ｙｐ ｆｉｎを示す情報を、探索結果を示す情報として出力する。例えば、探索部１２は、混雑度探索システム１０が備える表示装置に当該情報を表示させてもよい。あるいは、探索部１２は、別の装置、例えば、混雑度の対象を含む行動領域において行動する人（即ち、当該対象に行く可能性がある人）の端末に当該情報を送信してもよい。また、探索部１２は、上記以外の方法で当該情報を出力してもよい。
　ここで、図６を用いて、最終予測値ｙｐ ｆｉｎの探索の具体例を示す。図６の例では、地点Ａ及び地点Ｂの２つの対象について、事前予測値ｙｐ ｉが設定されると共に事後予測値ｙ＾ｐ ｉが推定され、地点Ａについて最終予測値ｙｐ ｆｉｎが探索される。
　１巡目の探索では、事前予測値ｙｐ ｉは、地点Ａについては３００人と設定され、地点Ｂについては５０人と設定される。１巡目の探索における、事前予測値ｙｐ ｉは、上述したように、行動する人に混雑度に応じた情報が示されない条件での推定部１１による推定、又は、機械学習によって生成された学習モデルを用いた方法によって生成される。推定部１１によるシミュレーションの結果、事後予測値ｙ＾ｐ ｉが、地点Ａについては８７人となり、地点Ｂについては２６３人となる。地点Ａにおける、事前予測値ｙｐ ｉと事後予測値ｙ＾ｐ ｉとの差分｜ｙｐ ｉ－ｙ＾ｐ ｉ｜は、閾値ｋ以上となり（即ち、ｙｐ ｉ≠ｙ＾ｐ ｉとなり）、再度の探索が行われる。
　２巡目以降の探索では、事前予測値ｙｐ ｉは、上述したように勾配法等によって設定される。２巡目の探索では、事前予測値ｙｐ ｉは、地点Ａについては２５０人と設定され、地点Ｂについては１００人と設定される。推定部１１によるシミュレーションの結果、事後予測値ｙ＾ｐ ｉが、地点Ａについては１７４人となり、地点Ｂについては１７６人となる。地点Ａにおける、事前予測値ｙｐ ｉと事後予測値ｙ＾ｐ ｉとの差分｜ｙｐ ｉ－ｙ＾ｐ ｉ｜は、閾値ｋ以上となり（即ち、ｙｐ ｉ≠ｙ＾ｐ ｉとなり）、再度の探索が行われる。
　上記の探索は繰り返し行われる。ｎ巡目の探索では、事前予測値ｙｐ ｉは、地点Ａについては２２１人と設定され、地点Ｂについては１２９人と設定される。推定部１１によるシミュレーションの結果、事後予測値ｙ＾ｐ ｉが、地点Ａについては２２１人となり、地点Ｂについては１２９人となる。地点Ａにおける、事前予測値ｙｐ ｉと事後予測値ｙ＾ｐ ｉとの差分｜ｙｐ ｉ－ｙ＾ｐ ｉ｜は、閾値ｋ未満となり（ここでは、ｙｐ ｉ＝ｙ＾ｐ ｉとなり）、地点Ａについての最終予測値ｙｐ ｆｉｎが２２１人とされ、探索が終了する。以上が、本実施形態に係る混雑度探索システム１０の機能である。
　引き続いて、図７のフローチャートを用いて、本実施形態に係る混雑度探索システム１０で実行される処理（混雑度探索システム１０が行う動作方法）を説明する。本処理では、まず、推定部１１によって、シミュレーションに必要な情報が取得される（Ｓ０１）。また、探索部１２によって、推定部１１による推定に用いられる混雑度である事前予測値ｙｐ ｉが設定される（Ｓ０２）。続いて、推定部１１によって、取得された情報及び設定された事前予測値ｙｐ ｉが用いられて、行動する人に、対象について予め設定された混雑度に応じた情報が示される条件での人の行動のシミュレーションが実行される（Ｓ０３）。推定部１１によって、シミュレーションの結果による対象の混雑度である事後予測値ｙ＾ｐ ｉが取得される（Ｓ０４）。
　続いて、探索部１２によって、事前予測値ｙｐ ｉと事後予測値ｙ＾ｐ ｉとの差分｜ｙｐ ｉ－ｙ＾ｐ ｉ｜が閾値ｋ未満であるか否かが判断される（Ｓ０５）。｜ｙｐ ｉ－ｙ＾ｐ ｉ｜＜ｋでないと判断された場合（Ｓ０５のＮＯ）、探索部１２によって、再度、事前予測値ｙｐ ｉが設定される（Ｓ０２）。再度の事前予測値ｙｐ ｉの設定は、事前予測値ｙｐ ｉと事後予測値ｙ＾ｐ ｉとの差異が小さくなるように行われる。そのために再度の事前予測値ｙｐ ｉの設定には、勾配法等が用いられてもよい。続いて、設定された事前予測値ｙｐ ｉが用いられて、上述したＳ０３～Ｓ０５の処理が繰り返される。
　Ｓ０５において、｜ｙｐ ｉ－ｙ＾ｐ ｉ｜＜ｋであると判断された場合（Ｓ０５のＹＥＳ）、探索部１２によって、混雑度の探索の結果として、最終予測値ｙｐ ｆｉｎが、その際の事前予測値ｙｐ ｉとされる（Ｓ０６）。続いて、探索部１２によって、混雑度の探索の結果である最終予測値ｙｐ ｆｉｎを示す情報が出力される（Ｓ０７）。以上が、本実施形態に係る混雑度探索システム１０で実行される処理である。
　本実施形態では、行動する人に事前予測値ｙｐ ｉに応じた情報が示される条件で、事後予測値ｙ＾ｐ ｉが推定され、事前予測値ｙｐ ｉと事後予測値ｙ＾ｐ ｉとの差異が小さくなるように混雑度が探索される。従って、本実施形態によれば、混雑度に応じた情報を示された人が行動を変更する場合の適切な混雑度である最終予測値ｙｐ ｆｉｎを探索することができる。その結果、上記の条件の場合の正確な混雑度を把握することができ、例えば、混雑度に応じた適切な対応をとることができる。
　また、本実施形態のように、事前予測値ｙｐ ｉと、事後予測値ｙ＾ｐ ｉとに基づく評価関数を用いた最適化手法、例えば、勾配法によって、推定部１１による次の推定に用いられる事前予測値ｙｐ ｉを設定してもよい。この構成によれば、適切かつ確実に最終予測値ｙｐ ｆｉｎを探索することができる。但し、推定部１１による次の推定に用いられる事前予測値ｙｐ ｉの設定は、上記のように行われる必要はなく、最終予測値ｙｐ ｆｉｎの探索を行い得るものであれば、上記以外の方法で行われてもよい。
　また、本実施形態のように、行動する人に、事前予測値ｙｐ ｉに応じた情報が示される条件で、人の行動をシミュレーションして、事後予測値ｙ＾ｐ ｉを推定してもよい。更に、行動する人に、事前予測値ｙｐ ｉに応じた情報が示される条件で、個々の人の行動をシミュレーションしてもよい。例えば、上述したようにマルチエージェント・シミュレーションを行うこととしてもよい。この構成によれば、適切なシミュレーションを行うことができ、その結果適切な最終予測値ｙｐ ｆｉｎを探索することができる。但し、必ずしもシミュレーションは、個々の人の行動をシミュレーションするものである必要はなく、シミュレーションの結果、事後予測値ｙ＾ｐ ｉが得られるものであればよい。また、事後予測値ｙ＾ｐ ｉは、人の行動をシミュレーションする以外の方法で推定されてもよい。
　なお、上記実施形態の説明に用いたブロック図は、機能単位のブロックを示している。これらの機能ブロック（構成部）は、ハードウェア及びソフトウェアの少なくとも一方の任意の組み合わせによって実現される。また、各機能ブロックの実現方法は特に限定されない。すなわち、各機能ブロックは、物理的又は論理的に結合した１つの装置を用いて実現されてもよいし、物理的又は論理的に分離した２つ以上の装置を直接的又は間接的に（例えば、有線、無線などを用いて）接続し、これら複数の装置を用いて実現されてもよい。機能ブロックは、上記１つの装置又は上記複数の装置にソフトウェアを組み合わせて実現されてもよい。
　機能には、判断、決定、判定、計算、算出、処理、導出、調査、探索、確認、受信、送信、出力、アクセス、解決、選択、選定、確立、比較、想定、期待、見做し、報知（broadcasting）、通知（notifying）、通信（communicating）、転送（forwarding）、構成（configuring）、再構成（reconfiguring）、割り当て（allocating、mapping）、割り振り（assigning）などがあるが、これらに限られない。たとえば、送信を機能させる機能ブロック（構成部）は、送信部（transmitting　unit）又は送信機（transmitter）と呼称される。いずれも、上述したとおり、実現方法は特に限定されない。
　例えば、本開示の一実施の形態における混雑度探索システム１０は、本開示の情報処理を行うコンピュータとして機能してもよい。図８は、本開示の一実施の形態に係る混雑度探索システム１０のハードウェア構成の一例を示す図である。上述の混雑度探索システム１０は、物理的には、プロセッサ１００１、メモリ１００２、ストレージ１００３、通信装置１００４、入力装置１００５、出力装置１００６、バス１００７などを含むコンピュータ装置として構成されてもよい。
　なお、以下の説明では、「装置」という文言は、回路、デバイス、ユニットなどに読み替えることができる。混雑度探索システム１０のハードウェア構成は、図に示した各装置を１つ又は複数含むように構成されてもよいし、一部の装置を含まずに構成されてもよい。
　混雑度探索システム１０における各機能は、プロセッサ１００１、メモリ１００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることによって、プロセッサ１００１が演算を行い、通信装置１００４による通信を制御したり、メモリ１００２及びストレージ１００３におけるデータの読み出し及び書き込みの少なくとも一方を制御したりすることによって実現される。
　プロセッサ１００１は、例えば、オペレーティングシステムを動作させてコンピュータ全体を制御する。プロセッサ１００１は、周辺装置とのインターフェース、制御装置、演算装置、レジスタなどを含む中央処理装置（ＣＰＵ：Central　Processing　Unit）によって構成されてもよい。例えば、上述の混雑度探索システム１０における各機能は、プロセッサ１００１によって実現されてもよい。
　また、プロセッサ１００１は、プログラム（プログラムコード）、ソフトウェアモジュール、データなどを、ストレージ１００３及び通信装置１００４の少なくとも一方からメモリ１００２に読み出し、これらに従って各種の処理を実行する。プログラムとしては、上述の実施の形態において説明した動作の少なくとも一部をコンピュータに実行させるプログラムが用いられる。例えば、混雑度探索システム１０における各機能は、メモリ１００２に格納され、プロセッサ１００１において動作する制御プログラムによって実現されてもよい。上述の各種処理は、１つのプロセッサ１００１によって実行される旨を説明してきたが、２以上のプロセッサ１００１により同時又は逐次に実行されてもよい。プロセッサ１００１は、１以上のチップによって実装されてもよい。なお、プログラムは、電気通信回線を介してネットワークから送信されても良い。
　メモリ１００２は、コンピュータ読み取り可能な記録媒体であり、例えば、ＲＯＭ（Read　Only　Memory）、ＥＰＲＯＭ（Erasable　Programmable　ＲＯＭ）、ＥＥＰＲＯＭ（Electrically　Erasable　Programmable　ＲＯＭ）、ＲＡＭ（Random　Access　Memory）などの少なくとも１つによって構成されてもよい。メモリ１００２は、レジスタ、キャッシュ、メインメモリ（主記憶装置）などと呼ばれてもよい。メモリ１００２は、本開示の一実施の形態に係る情報処理を実施するために実行可能なプログラム（プログラムコード）、ソフトウェアモジュールなどを保存することができる。
　ストレージ１００３は、コンピュータ読み取り可能な記録媒体であり、例えば、ＣＤ－ＲＯＭ（Compact　Disc　ＲＯＭ）などの光ディスク、ハードディスクドライブ、フレキシブルディスク、光磁気ディスク(例えば、コンパクトディスク、デジタル多用途ディスク、Ｂｌｕ－ｒａｙ（登録商標）ディスク)、スマートカード、フラッシュメモリ(例えば、カード、スティック、キードライブ)、フロッピー（登録商標）ディスク、磁気ストリップなどの少なくとも１つによって構成されてもよい。ストレージ１００３は、補助記憶装置と呼ばれてもよい。混雑度探索システム１０が備える記憶媒体は、例えば、メモリ１００２及びストレージ１００３の少なくとも一方を含むデータベース、サーバその他の適切な媒体であってもよい。
　通信装置１００４は、有線ネットワーク及び無線ネットワークの少なくとも一方を介してコンピュータ間の通信を行うためのハードウェア（送受信デバイス）であり、例えばネットワークデバイス、ネットワークコントローラ、ネットワークカード、通信モジュールなどともいう。
　入力装置１００５は、外部からの入力を受け付ける入力デバイス（例えば、キーボード、マウス、マイクロフォン、スイッチ、ボタン、センサなど）である。出力装置１００６は、外部への出力を実施する出力デバイス（例えば、ディスプレイ、スピーカー、LEDランプなど）である。なお、入力装置１００５及び出力装置１００６は、一体となった構成（例えば、タッチパネル）であってもよい。
　また、プロセッサ１００１、メモリ１００２などの各装置は、情報を通信するためのバス１００７によって接続される。バス１００７は、単一のバスを用いて構成されてもよいし、装置間ごとに異なるバスを用いて構成されてもよい。
　また、混雑度探索システム１０は、マイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ：Digital　Signal　Processor）、ＡＳＩＣ（Application　Specific　Integrated　Circuit）、ＰＬＤ（Programmable　Logic　Device）、ＦＰＧＡ（Field　Programmable　Gate　Array）などのハードウェアを含んで構成されてもよく、当該ハードウェアにより、各機能ブロックの一部又は全てが実現されてもよい。例えば、プロセッサ１００１は、これらのハードウェアの少なくとも１つを用いて実装されてもよい。
　本開示において説明した各態様／実施形態の処理手順、シーケンス、フローチャートなどは、矛盾の無い限り、順序を入れ替えてもよい。例えば、本開示において説明した方法については、例示的な順序を用いて様々なステップの要素を提示しており、提示した特定の順序に限定されない。
　入出力された情報等は特定の場所（例えば、メモリ）に保存されてもよいし、管理テーブルを用いて管理してもよい。入出力される情報等は、上書き、更新、又は追記され得る。出力された情報等は削除されてもよい。入力された情報等は他の装置へ送信されてもよい。
　判定は、１ビットで表される値（０か１か）によって行われてもよいし、真偽値（Boolean：true又はfalse）によって行われてもよいし、数値の比較（例えば、所定の値との比較）によって行われてもよい。
　本開示において説明した各態様／実施形態は単独で用いてもよいし、組み合わせて用いてもよいし、実行に伴って切り替えて用いてもよい。また、所定の情報の通知（例えば、「Ｘであること」の通知）は、明示的に行うものに限られず、暗黙的（例えば、当該所定の情報の通知を行わない）ことによって行われてもよい。
　以上、本開示について詳細に説明したが、当業者にとっては、本開示が本開示中に説明した実施形態に限定されるものではないということは明らかである。本開示は、請求の範囲の記載により定まる本開示の趣旨及び範囲を逸脱することなく修正及び変更態様として実施することができる。したがって、本開示の記載は、例示説明を目的とするものであり、本開示に対して何ら制限的な意味を有するものではない。
　ソフトウェアは、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語と呼ばれるか、他の名称で呼ばれるかを問わず、命令、命令セット、コード、コードセグメント、プログラムコード、プログラム、サブプログラム、ソフトウェアモジュール、アプリケーション、ソフトウェアアプリケーション、ソフトウェアパッケージ、ルーチン、サブルーチン、オブジェクト、実行可能ファイル、実行スレッド、手順、機能などを意味するよう広く解釈されるべきである。
　また、ソフトウェア、命令、情報などは、伝送媒体を介して送受信されてもよい。例えば、ソフトウェアが、有線技術（同軸ケーブル、光ファイバケーブル、ツイストペア、デジタル加入者回線（ＤＳＬ：Digital　Subscriber　Line）など）及び無線技術（赤外線、マイクロ波など）の少なくとも一方を使用してウェブサイト、サーバ、又は他のリモートソースから送信される場合、これらの有線技術及び無線技術の少なくとも一方は、伝送媒体の定義内に含まれる。
　本開示において使用する「システム」及び「ネットワーク」という用語は、互換的に使用される。
　また、本開示において説明した情報、パラメータなどは、絶対値を用いて表されてもよいし、所定の値からの相対値を用いて表されてもよいし、対応する別の情報を用いて表されてもよい。
　本開示で使用する「判断(determining)」、「決定(determining)」という用語は、多種多様な動作を包含する場合がある。「判断」、「決定」は、例えば、判定(judging)、計算(calculating)、算出(computing)、処理(processing)、導出(deriving)、調査(investigating)、探索(looking　up、search、inquiry)（例えば、テーブル、データベース又は別のデータ構造での探索）、確認(ascertaining)した事を「判断」「決定」したとみなす事などを含み得る。また、「判断」、「決定」は、受信(receiving)（例えば、情報を受信すること）、送信(transmitting)(例えば、情報を送信すること)、入力(input)、出力(output)、アクセス(accessing)（例えば、メモリ中のデータにアクセスすること）した事を「判断」「決定」したとみなす事などを含み得る。また、「判断」、「決定」は、解決(resolving)、選択(selecting)、選定(choosing)、確立(establishing)、比較(comparing)などした事を「判断」「決定」したとみなす事を含み得る。つまり、「判断」「決定」は、何らかの動作を「判断」「決定」したとみなす事を含み得る。また、「判断（決定）」は、「想定する（assuming）」、「期待する（expecting）」、「みなす（considering）」などで読み替えられてもよい。
　「接続された(connected)」、「結合された(coupled)」という用語、又はこれらのあらゆる変形は、２又はそれ以上の要素間の直接的又は間接的なあらゆる接続又は結合を意味し、互いに「接続」又は「結合」された２つの要素間に１又はそれ以上の中間要素が存在することを含むことができる。要素間の結合又は接続は、物理的なものであっても、論理的なものであっても、或いはこれらの組み合わせであってもよい。例えば、「接続」は「アクセス」で読み替えられてもよい。本開示で使用する場合、２つの要素は、１又はそれ以上の電線、ケーブル及びプリント電気接続の少なくとも一つを用いて、並びにいくつかの非限定的かつ非包括的な例として、無線周波数領域、マイクロ波領域及び光（可視及び不可視の両方）領域の波長を有する電磁エネルギーなどを用いて、互いに「接続」又は「結合」されると考えることができる。
　本開示において使用する「に基づいて」という記載は、別段に明記されていない限り、「のみに基づいて」を意味しない。言い換えれば、「に基づいて」という記載は、「のみに基づいて」と「に少なくとも基づいて」の両方を意味する。
　本開示において使用する「第１の」、「第２の」などの呼称を使用した要素へのいかなる参照も、それらの要素の量又は順序を全般的に限定しない。これらの呼称は、２つ以上の要素間を区別する便利な方法として本開示において使用され得る。したがって、第１及び第２の要素への参照は、２つの要素のみが採用され得ること、又は何らかの形で第１の要素が第２の要素に先行しなければならないことを意味しない。
　本開示において、「含む（include）」、「含んでいる（including）」及びそれらの変形が使用されている場合、これらの用語は、用語「備える（comprising）」と同様に、包括的であることが意図される。さらに、本開示において使用されている用語「又は（or）」は、排他的論理和ではないことが意図される。
　本開示において、例えば、英語でのa,　an及びtheのように、翻訳により冠詞が追加された場合、本開示は、これらの冠詞の後に続く名詞が複数形であることを含んでもよい。
　本開示において、「ＡとＢが異なる」という用語は、「ＡとＢが互いに異なる」ことを意味してもよい。なお、当該用語は、「ＡとＢがそれぞれＣと異なる」ことを意味してもよい。「離れる」、「結合される」などの用語も、「異なる」と同様に解釈されてもよい。
　本開示の混雑度探索システムは、以下の構成を有する。
　［１］位置又は交通機関である混雑度の対象について、混雑度に応じた情報を示されたことを受けて人が行動を変更する場合の当該対象の混雑度を探索する混雑度探索システムであって、
　行動する人に、前記対象について予め設定された混雑度に応じた情報が示される条件で、当該対象の混雑度を推定する推定部と、
　前記推定部による推定に用いられる混雑度を設定して、当該推定部に繰り返し混雑度の推定を行わせて、前記推定部による推定に用いられる混雑度と、前記推定部によって推定される混雑度との差異が小さくなるように、前記対象の混雑度を探索する探索部と、
を備える混雑度探索システム。
　［２］前記探索部は、前記推定部による推定に用いられる混雑度と、前記推定部によって推定される混雑度とに基づく評価関数を用いた最適化手法によって、前記推定部による次の推定に用いられる混雑度を設定する［１］に記載の混雑度探索システム。
　［３］前記推定部は、行動する人に、前記対象について予め設定された混雑度に応じた情報が示される条件で、人の行動をシミュレーションして、当該対象の混雑度を推定する［１］又は［２］に記載の混雑度探索システム。
　［４］前記推定部は、行動する人に、前記対象について予め設定された混雑度に応じた情報が示される条件で、個々の人の行動をシミュレーションする［３］に記載の混雑度探索システム。
　１０…混雑度探索システム、１１…推定部、１２…探索部、１００１…プロセッサ、１００２…メモリ、１００３…ストレージ、１００４…通信装置、１００５…入力装置、１００６…出力装置、１００７…バス。

Claims (4)

  1. 　位置又は交通機関である混雑度の対象について、混雑度に応じた情報を示されたことを受けて人が行動を変更する場合の当該対象の混雑度を探索する混雑度探索システムであって、
    　行動する人に、前記対象について予め設定された混雑度に応じた情報が示される条件で、当該対象の混雑度を推定する推定部と、
    　前記推定部による推定に用いられる混雑度を設定して、当該推定部に繰り返し混雑度の推定を行わせて、前記推定部による推定に用いられる混雑度と、前記推定部によって推定される混雑度との差異が小さくなるように、前記対象の混雑度を探索する探索部と、
    を備える混雑度探索システム。
  2. 　前記探索部は、前記推定部による推定に用いられる混雑度と、前記推定部によって推定される混雑度とに基づく評価関数を用いた最適化手法によって、前記推定部による次の推定に用いられる混雑度を設定する請求項１に記載の混雑度探索システム。
  3. 　前記推定部は、行動する人に、前記対象について予め設定された混雑度に応じた情報が示される条件で、人の行動をシミュレーションして、当該対象の混雑度を推定する請求項１に記載の混雑度探索システム。
  4. 　前記推定部は、行動する人に、前記対象について予め設定された混雑度に応じた情報が示される条件で、個々の人の行動をシミュレーションする請求項３に記載の混雑度探索システム。
PCT/JP2023/004261 2022-04-18 2023-02-08 混雑度探索システム WO2023203842A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2022068125 2022-04-18
JP2022-068125 2022-04-18

Publications (1)

Publication Number Publication Date
WO2023203842A1 true WO2023203842A1 (ja) 2023-10-26

Family

ID=88419598

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2023/004261 WO2023203842A1 (ja) 2022-04-18 2023-02-08 混雑度探索システム

Country Status (1)

Country Link
WO (1) WO2023203842A1 (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006107391A (ja) * 2004-10-08 2006-04-20 Nippon Steel Corp 生産・物流計画作成装置及び方法、プロセス制御装置及び方法、並びにコンピュータプログラム
JP2010152767A (ja) * 2008-12-26 2010-07-08 Toshiba Corp 予測制御方法および予測制御システム
WO2015049801A1 (ja) * 2013-10-04 2015-04-09 株式会社日立製作所 乗客誘導システム、および乗客誘導方法
WO2017163351A1 (ja) * 2016-03-24 2017-09-28 富士通株式会社 混雑マネジメント装置、混雑マネジメントプログラム及び混雑マネジメント方法
JP2021089454A (ja) * 2019-12-02 2021-06-10 株式会社日立ビルシステム 混雑度予測表示システム、混雑度予測表示方法及びプログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006107391A (ja) * 2004-10-08 2006-04-20 Nippon Steel Corp 生産・物流計画作成装置及び方法、プロセス制御装置及び方法、並びにコンピュータプログラム
JP2010152767A (ja) * 2008-12-26 2010-07-08 Toshiba Corp 予測制御方法および予測制御システム
WO2015049801A1 (ja) * 2013-10-04 2015-04-09 株式会社日立製作所 乗客誘導システム、および乗客誘導方法
WO2017163351A1 (ja) * 2016-03-24 2017-09-28 富士通株式会社 混雑マネジメント装置、混雑マネジメントプログラム及び混雑マネジメント方法
JP2021089454A (ja) * 2019-12-02 2021-06-10 株式会社日立ビルシステム 混雑度予測表示システム、混雑度予測表示方法及びプログラム

Similar Documents

Publication Publication Date Title
JP7233807B2 (ja) 人工ニューラル・ネットワークにおける不確実性をシミュレートするためのコンピュータ実施方法、コンピュータ・システム、およびコンピュータ・プログラム
US10705795B2 (en) Duplicate and similar bug report detection and retrieval using neural networks
US9922286B1 (en) Detecting and correcting anomalies in computer-based reasoning systems
CN111046027B (zh) 时间序列数据的缺失值填充方法和装置
CN105719001A (zh) 使用散列的神经网络中的大规模分类
WO2018207878A1 (ja) 需要予測装置
CN109472632A (zh) 评价广告竞争力的方法、装置、介质及电子设备
WO2018186235A1 (ja) 場所人気度推定システム
CN111264054A (zh) 电子装置及其控制方法
US11748635B2 (en) Detecting and correcting anomalies in computer-based reasoning systems
CN111104874A (zh) 人脸年龄预测方法及模型的训练方法、装置及电子设备
JP2021051589A (ja) 情報処理装置、情報処理方法
WO2023203842A1 (ja) 混雑度探索システム
CN110348581B (zh) 用户特征群中用户特征寻优方法、装置、介质及电子设备
EP3816856A1 (en) Method and system for anomaly detection using multimodal knowledge graph
JP6946542B2 (ja) 学習システム、推定システム及び学習済モデル
CN110704614A (zh) 对应用中的用户群类型进行预测的信息处理方法及装置
WO2023203841A1 (ja) 変更率探索システム
JPWO2019167685A1 (ja) 訪問時刻決定装置
AU2021251463B2 (en) Generating performance predictions with uncertainty intervals
WO2022009876A1 (ja) レコメンドシステム
WO2019202791A1 (ja) 趣味嗜好推定装置および趣味嗜好推定方法
US11475324B2 (en) Dynamic recommendation system for correlated metrics and key performance indicators
CN112579587A (zh) 数据清洗方法及装置、设备和存储介质
WO2024047949A1 (ja) 滞在ｐｏｉ推定装置

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: 23791498

Country of ref document: EP

Kind code of ref document: A1