WO2020158488A1 - 移動経路予測システム、移動経路予測方法、コンピュータプログラム - Google Patents
移動経路予測システム、移動経路予測方法、コンピュータプログラム Download PDFInfo
- Publication number
- WO2020158488A1 WO2020158488A1 PCT/JP2020/001770 JP2020001770W WO2020158488A1 WO 2020158488 A1 WO2020158488 A1 WO 2020158488A1 JP 2020001770 W JP2020001770 W JP 2020001770W WO 2020158488 A1 WO2020158488 A1 WO 2020158488A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- unit
- information
- checkpoint
- flow line
- route
- Prior art date
Links
Images
Classifications
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- 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
- G06Q10/10—Office automation; Time management
Definitions
- the present invention relates to a travel route prediction system, a travel route prediction method, and a computer program.
- Patent Document 1 discloses a technique for predicting a flow line of a new facility layout using a progress prediction equation calculated from facility layout information.
- Patent Document 2 discloses a facility management system that simulates a moving object in a facility such as an airport using information recorded in a subsystem such as a check-in machine.
- the facility management system described in Patent Document 2 simulates the time change of a moving object based on movement information data indicating the state of an object moving inside the facility.
- the movement information data of the facility management system is generated without including the information of the destination of each moving object, it is considered that there is room for improving the accuracy of the simulation.
- the present invention has been made to solve the above problems, and is to improve the accuracy of a simulation for predicting a route of a moving body.
- the travel route prediction system is a system for predicting a route of a moving body moving in a predetermined area, and in the predetermined area, at least one departure checkpoint, at least one destination checkpoint, and at least one intermediate checkpoint.
- a plurality of check points each having a point and are arranged, and the moving body moves within a predetermined area from the departure check point to the target check point via an intermediate check point.
- the moving path prediction model learning unit includes a moving path prediction unit that divides the information of the moving path into a plurality of sections, and a moving path prediction model of the moving object that is divided into a plurality of sections.
- a machine learning unit that performs machine learning for each piece of information on the travel route.
- 1 is a schematic diagram of a travel route prediction system of the present invention.
- 1 is a schematic diagram of a hardware configuration of a travel route prediction system.
- the sequence diagram of a movement route prediction system The measurement figure of a moving body.
- Explanatory drawing of a flow line database and a layout database Explanatory drawing of a workflow database.
- the figure which showed the definition workflow by the directed graph The flowchart of a workflow analysis part.
- the flow chart of the definition workflow assignment part The figure which showed the flow line workflow by the directed graph.
- Explanatory drawing of an update proposal presentation part Explanatory drawing of a checkpoint edit box and a workflow edit box.
- the flowchart of a flow line prediction model learning part The flowchart of a flow line prediction model learning part.
- the flow chart of a flow line data analysis part Explanatory drawing of a flow line data analysis part. Explanatory drawing of a 1st feature-value and a 1st objective variable. Explanatory drawing of a flow line prediction model database. The flow chart of a movement route prediction part. The flowchart of a virtual movement data generation part. The flowchart of a simulation part. Explanatory drawing of a movement route estimation part. The schematic diagram of the hardware constitutions of a mobile measurement system.
- the present invention relates to a system for predicting a moving route of a moving body. That is, the system divides the route from the destination to the departure point into a plurality of sections and simulates the flow of the moving body for each section. It should be noted that what is predicted by the present system is not limited to people, but may be a moving body such as a ship or a car.
- the moving range of the moving body is not limited to the inside of an airport, a factory, etc., and may be a predetermined range of an open place such as on the sea or on the road. In the present embodiment, description will be given by taking a person moving in an airport as an example.
- the check points indicate stop-by points and transit points where attributes are added when a person moves at the airport
- the flow line data indicates information about a person's movement route
- the workflow is between check points.
- the route information of the moving body is shown, and the flow line simulation shows that the movement route of the person is simulated using the flow line prediction model.
- FIG. 1 is a schematic diagram of a travel route prediction system 10.
- the travel route prediction system 10 includes a measurement data acquisition unit 101, a map data input unit 102, a workflow input unit 103, a workflow analysis unit 104, a flow line prediction model learning unit 105, a travel route prediction unit 106, and a motion route prediction unit 106. It has a line database 107, a layout database 108, a workflow database 109, and a flow line prediction model database 110.
- FIG. 2 is a schematic diagram showing a hardware configuration of the movement route prediction system 10.
- the travel route prediction system 10 connects a processor 10H1, an auxiliary storage device 10H2, a monitor 10H3, a memory 10H4, an input device 10H5, a communication unit 10H6, and each of the devices 10H1 to 10H6 so that they can bidirectionally communicate with each other. And a data transmission line 10H7.
- the processor 10H1 is, for example, a “CPU (Central Processing Unit)”.
- the processor 10H1 calls and executes the programs 101 to 106 stored in the auxiliary storage device 10H2 via the memory 10H4.
- the auxiliary storage device 10H2 is a non-volatile storage device such as a hard disk or a USB (Universal Serial Bus) memory.
- the auxiliary storage device 10H2 includes, for example, a measurement data acquisition unit 101, a map data input unit 102, a workflow input unit 103, a workflow analysis unit 104, a flow line prediction model learning unit 105, and a travel route prediction unit 106.
- the auxiliary storage device 10H2 stores, for example, the data structures of a flow line database 107, a layout database 108, a workflow database 109, and a flow line prediction model database 110.
- the monitor 10H3 presents information to the user 12.
- the memory 10H4 is, for example, a volatile storage device such as “RAM (Random Access Memory)”.
- the input device 10H5 is, for example, a keyboard, a mouse, a touch panel, or the like.
- the user 12 operates the input device 10H5 to input data to the travel route prediction system 10.
- the communication unit 10H6 is, for example, “NIC (Network Card)”.
- the communication unit 10H6 is connected to at least one mobile measurement system 11 by wireless communication via the communication network CN1.
- the communication unit 10H6 may be connected to the mobile measurement system 11 by wire communication.
- FIG. 3 is a sequence diagram of the travel route prediction system 10. The processing flow of the movement route prediction system 10 and the movement measurement system 11 will be described with reference to FIG.
- the mobile measurement system 11 is, for example, as will be described in detail with reference to FIG. 4, the persons 30(1), 30(2) as examples of “moving bodies” moving inside the airport 20 as examples of “predetermined areas”. , 30(3) "movement route information" as an example, flow line data 310(1), 310(2), 310(3) are measured (11E1). Note that the persons 30(1), 30(2), and 30(3) may be referred to as persons 30 unless otherwise specified. The flow line data 310(1), 310(2), 310(3) may be referred to as flow line data 310 unless otherwise specified.
- the measurement data acquisition unit 101 receives the flow line data 310 measured by the mobile measurement system 11 via the communication network CN1.
- the measurement data acquisition unit 101 stores the flow line data 310 in the flow line database 107 (11M1).
- Layout information is input from the user 12 to the map data input unit 102.
- the map data input unit 102 stores layout information in the layout database 108 (10M1).
- the flow line database 107 and the layout database 108 will be described later with reference to FIG.
- the user 12 inputs information on the checkpoint 220 in the airport 20 and workflow information into the workflow input unit 103.
- the input workflow may be referred to as the definition workflow 1031.
- the workflow input unit 103 stores the information of the checkpoint 220 and the information of the definition workflow 1031 in the workflow database 109 (10M1).
- the workflow database 109 will be described later with reference to FIG.
- the processing 11M1 of the measurement data acquisition unit 101 and the processing 10M1 of the map data input unit 102 and the workflow input unit 103 may be parallel processing or sequential processing.
- the workflow analysis unit 104 receives the layout information inside the airport 20 from the layout database 108 (10M2), receives the information about the checkpoint 220 and the definition workflow 1031 from the workflow database 109 (10M2), and receives the information from the flow line database 107.
- the flow line data 310 is received (10M3).
- the workflow analysis unit 104 analyzes the flow line data 310 to update the information of the checkpoint 220 and the information of the definition workflow 1031 stored in the workflow database 109 (10E1).
- the workflow analysis unit 104 includes a definition workflow assignment unit 1041, a difference extraction unit 1042, an update plan presentation unit 1043, and a workflow update unit 1044.
- the definition workflow allocating unit 1041 collates the flow line data 310 with each checkpoint 220 as described later with reference to FIG.
- the difference extracting unit 1042 extracts the difference between the definition workflow 1031 and the flow line data 310, as described later with reference to FIGS.
- the update plan presenting unit 1043 presents the difference between the definition workflow 1031 and the flow line data 310 on the monitor 10H3 (10M4).
- the user 12 inputs the change content of the workflow into the workflow updating unit 1044 (10M5).
- the workflow updating unit 1044 updates the workflow database 109 as described later with reference to FIG. 12 (10M6).
- the flow line prediction model learning unit 105 receives the layout information in the airport 20 from the layout database 108 (10M7), receives the checkpoint 220 information and the updated workflow information from the workflow database 109 (10M7), The flow line data 310 is received from the line database 107 (10M8).
- the flow line prediction model learning unit 105 machine-learns the flow line prediction model and generates the parameter 1102 of the flow line prediction model as described later with reference to FIG. 14 (10E2).
- the flow line prediction model learning unit 105 includes a flow line data division unit 1051, a flow line data analysis unit 1052, and a machine learning unit 1053.
- the flow line data dividing unit 1051 divides the flow line data 310 into a plurality of sections.
- the flow line data analysis unit 1052 calculates the first characteristic amount and the first objective variable located around the specific position information 311b, as described later with reference to FIG.
- the first feature amount indicates, for example, the distance from the specific position information 311b to another person 312, the wall 230, and the destination 2221 (see FIG. 16).
- the first objective variable 260 indicates, for example, the moving direction 10537 and the moving distance 10536.
- the moving distance 10536 indicates the distance from the specific position information 311b to the position of the person 30 after a predetermined time.
- the moving direction 10537 indicates the angle of the direction in which the person 30 located in the specific position information 311b advances next.
- the machine learning unit 1053 learns a flow line prediction model based on the first characteristic amount and the first objective variable.
- the flow line prediction model shows an equation for calculating the first objective variable from the first feature amount.
- the flow line prediction model learning unit 105 stores the learned flow line prediction model parameters 1102 in the flow line prediction model database 110 (10M9).
- the user 12 inputs new layout information and workflow information in the facility to the layout database 108 and the workflow database 109 (10M10).
- the travel route prediction unit 106 receives the changed layout information in the airport 20 from the layout database 108 (10M11), receives the checkpoint 220 and the updated workflow information from the workflow database 109 (10M11), and determines the flow line.
- the flow line prediction model is received from the prediction model database 110 (10M12).
- the travel route prediction unit 106 performs a flow line simulation based on a flow line prediction model, as described later with reference to FIG. 19 (10E3). As illustrated in FIG. 1, the travel route prediction unit 106 includes a virtual travel data generation unit 1061, a feature amount calculation unit 1062, and a simulation unit 1063.
- the virtual movement data generation unit 1061 generates the human flow data 50 as an example of “virtual moving body” in the virtual space area provided in the memory 10H4 (see FIG. 22).
- the feature amount calculation unit 1062 calculates the second feature amount of the people flow data 50, as described later with reference to FIG.
- the second feature amount indicates, for example, the distance from the specific pedestrian flow data 50g to the other pedestrian flow data 51g, the wall 230, and the destination 2221 (see FIG. 22).
- the simulation unit 1063 calculates and moves the people flow data 50h that is the next destination of the people flow data 50g.
- the travel route prediction unit 106 stores the result of the flow line simulation in the flow line database 107 (10M13). When the process in the travel route prediction unit 106 is completed, the process in the travel route prediction system 10 is completed.
- FIG. 4 is a measurement diagram of the mobile unit 30. The processing 11E1 of the mobile measurement system 11 will be described.
- a plurality of check points 220 are arranged in the airport 20, for example.
- the check points 220 include entrances 221(1) and 221(2) as examples of “departure check points” and automatic CI (CheckIn) machines 222(1) and 222(2) as examples of “intermediate check points”. And a check-in counter 223 and a baggage storage counter 224, and a gate 225 as an example of a “purpose check point”.
- the entrances 221(1) and 221(2) may be referred to as the entrance 221 unless otherwise specified.
- the automatic CI machines 222(1) and 222(2) may be referred to as the automatic CI machines 222 unless otherwise specified.
- the person 30(1) enters the airport 20 through the entrance 221(1), checks in at the automatic CI machine 222(1), and goes to the gate 225.
- the person 30(2) enters the airport 20 through the entrance 221(1), checks in at the automatic CI machine 222(1), deposits the luggage at the luggage storage counter 224, and heads to the gate 225.
- the person 30(3) enters the airport 20 through the entrance 221(2), checks in at the automatic CI machine 222(2), deposits the luggage at the luggage storage counter 224, and heads to the gate 225.
- the mobile measurement system 11 measures, for example, the position information of each person 30 moving within the airport 20 in a predetermined cycle, and calculates the flow line data 310 of each person 30.
- the flow line data 310(1) is information on the movement route of the person 30(1).
- the flow line data 310(2) is information on the movement route of the person 30(2).
- the flow line data 310(3) is information on the movement route of the person 30(3).
- Position information 311(1), 311(2), 311(3) indicates the position information of the flow line data 310(1), 310(2), 310(3) extracted at a predetermined time interval. Note that the position information 311(1), 311(2), 311(3) may be referred to as position information 311 unless particularly distinguished.
- the flow line data 310 may be composed of a set of position information 311.
- FIG. 5A is an example of the data structure of the flow line database 107.
- the flow line database 107 stores the flow line data 310 measured by the movement measurement system 11 or the result of the flow line simulation of the movement route prediction unit 106 described later.
- the flow line data 310 is stored in the flow line database 107 with the position information 311 connected by a straight line.
- the start date/time 1071 and the end date/time 1072 store, for example, the measurement time when each position information 311 is measured.
- the position information 311 at the start date/time 1071 is the start point of the straight line connecting the position information 311.
- the position information 311 at the end date/time 1072 is the end point of the straight line connecting the position information 311.
- the identification number of each person 30 is stored in the ID (IDentification) 1073.
- WKT (Well-Known Text) 1074 represents the geometry information of the flow line data 310 from the start date/time 1071 to the end date/time 1072.
- the coordinates of the position information 311 measured at the start date/time 1071 and the end date/time 1072 are represented by a plane orthogonal coordinate system of X coordinates and Y coordinates.
- the coordinate system regarding the geometry information stored in the WKT 1074 is not limited to the plane orthogonal coordinate system, and any system may be adopted.
- FIG. 5B is an example of the data structure of the layout database 108.
- the layout database 108 stores information on the shape of the wall 230 inside the airport 20 and information on the shape of each checkpoint 220.
- An OID (Object IDentification) 1081 represents identification information of the wall 230 and each checkpoint 220.
- the type 1082 represents the type of the obstacle part such as the wall 230 and the type of the checkpoint 220.
- the WKT 1083 represents the external shape data of the wall 230 and the checkpoint 220 as geometry information.
- the coordinate system regarding the geometry information stored in the WKT 1083 is not limited to the plane orthogonal coordinate system, and any system may be selected.
- FIG. 6A shows correspondence information 109(1) of the definition workflow 1031 and the checkpoint 220.
- a WID (Workflow IDentification) 1091, a start CID (Checkpoint IDentification) 1092, and an end CID 1093 are stored in the definition workflow 1031 and the checkpoint correspondence information 109(1).
- the identification information of the definition workflow 1031 is stored in the WID 1091.
- the checkpoint 220 at the starting point and the checkpoint 220 at the destination where the person 30 starts moving are stored.
- the identification information of the checkpoint 220 is the same as CID 1095 described later with reference to FIG.
- FIG. 7 is a diagram showing the definition workflow 1031 with a directed graph.
- Each of the nodes 221 to 225 indicates a checkpoint 220.
- the directed vector connecting the nodes 221 to 225 indicates the movement of the person 30, and WID1091 is assigned thereto.
- FIG. 6B is a diagram showing the checkpoint detailed information 109(2).
- the checkpoint detailed information 109(2) stores data of a PID (Point IDentification) 1094, a CID 1095, a type 1096, a retention type determination 1097, and a WKT 1098.
- PID Point IDentification
- the PID 1094 indicates the identification information of the checkpoint 220.
- the CID 1095 indicates identification information regarding the type of the checkpoint 220.
- the entrance 221 is shown as A
- the automatic CI machine 222 is shown as B
- the check-in counter 223 is shown as C
- the baggage storage counter 224 is shown as D
- the gate 225 is shown as E. Be done.
- the type 1096 represents the type of the checkpoint 220.
- the stay type determination 1097 indicates the attribute of the checkpoint 220. Attributes are either staying or passing. The stay type determination 1097 indicates True if the check point 220 is a stay type. The stay type determination 1097 indicates False if the check point 220 is a pass type.
- WKT1098 represents the geometry information regarding the coordinate information of the checkpoint 220.
- the coordinate system of the WKT 1098 is not limited to the plane orthogonal coordinate system, and any coordinate system may be adopted.
- FIG. 8 is a flowchart of the workflow analysis unit 104.
- the process 10E1 of the workflow analysis unit 104 will be described.
- the process 10E1 of the workflow analysis unit 104 moves to the process 104F1 of the definition workflow allocation unit 1041.
- FIG. 9 is a flow chart of the definition workflow allocation unit 1041.
- the process 104F1 in the definition workflow assigning unit 1041 determines, for example, whether the person 30 passes through the checkpoint 220. As an example of the process 104F1, for example, it is determined whether the flow line data 310(1) passes through the automatic CI machine 222(1) (see FIG. 4).
- via in the present embodiment means that the person 30 is performing a specific action at each checkpoint 220.
- the definition workflow allocation unit 1041 acquires information on the flow line data 310(1) and information on the automatic CI machine 222(1) (104F101).
- the definition workflow assigning unit 1041 determines that the flow line data 310(1) has passed within the predetermined range 2222 of the automatic CI machine 222(1) based on the WKT 1074 of the flow line database 107 and the WKT 1098 of the workflow database 109. Yes (104F102: Yes).
- the definition workflow allocation unit 1041 determines from the checkpoint detailed information 109(2) that the automatic CI machine 2221(1) is a retention type (104F103: Yes).
- the definition workflow allocation unit 1041 determines that the density of the position information 311(1) of the flow line data 310(1) is equal to or greater than the threshold (104F101: Yes). Note that a method of calculating the density of the position information 311(1) may be, for example, measuring the number of the position information 311(1) located within the predetermined range 2222.
- the definition workflow allocating unit 1041 determines that the flow line data 310(1) is passing through the automatic CI machine 222(1) (104F105). After determining whether each flow line data 310 passes through each check point 220, the process 104F1 of the definition workflow allocation unit 1041 ends.
- the definition workflow assigning unit 1041 determines that the person 30 has passed the pass type checkpoint 220 (104F105).
- the flow line data 310 when the flow line data 310 does not pass within the predetermined range of the check point 220 (104F102: No) and the density of the position information 311 is less than the threshold value (104F104: No), the flow line is It is determined that the data 310 does not pass through the checkpoint 220 (104F106).
- FIG. 10 is a diagram showing the flow line workflow 1045 as a directed graph.
- the process of the workflow analysis unit 104 moves to the additional process 104F2 of the difference extraction unit 1042 (see FIG. 8).
- the additional processing 104F2 of the difference extracting unit 1042 sets a point having a high density of the position information 311 as an additional candidate.
- the difference extraction unit 1042 acquires the high-density range 226 in which the density of the position information 311 is equal to or higher than a certain threshold (see FIG. 4).
- the high density range 226 is formed on the flow line data 310(1) between the automatic CI machine 222(1) and the gate 225, for example.
- the difference extraction unit 1042 counts it as an additional candidate.
- the difference extraction unit 1042 acquires additional candidates for each flow line data 310 other than the flow line data 310(1). In each of the flow line data 310 other than the flow line data 310(1), it is determined that the high density range 226 is not formed, so the count of the additional candidates of the high density range 226 is "1". When the count threshold is “1”, the difference extraction unit 1042 transmits the information of the high density range 226 to the update plan presentation unit 1043 as an additional candidate. That is, if the count of additional candidates is equal to or greater than the threshold value, the high density range 226 is transmitted to the update plan presenting unit 1043 as an additional candidate.
- the process of the workflow analysis unit 104 moves to the checkpoint deletion process 104F3 of the difference extraction unit 1042.
- the checkpoint deletion processing 104F3 transmits the checkpoint 220 not passed by the person 30 to the update plan presentation unit 1043 as a deletion candidate.
- the difference extraction unit 1042 determines, for example, whether or not the flow line data 310(1) has passed through the stay-type check-in counter 223. Since the flow line data 310(1) has not passed the vicinity of the check-in counter 223, the difference extraction unit 1042 detects the position information 311(1) of the flow line data 310(1) in the predetermined range of the check-in counter 223. It is determined that the density is less than a certain threshold.
- the difference extraction unit 1042 counts the check-in counter 223 as a deletion candidate.
- the difference extraction unit 1042 determines whether the flow line data 310 other than the flow line data 310(1) also passes through the check-in counter 223, for example. If the flow line data 310(1), 310(2), 310(3) do not pass through the check-in counter 223 and the threshold value of the counter is "3", the checkpoint deletion processing 104F3 checks.
- the in-counter 223 is transmitted to the update proposal presenting unit 1043 as a deletion candidate.
- the difference extraction unit 1042 transmits the check points 220 in which the density of the flow line data 310 in the predetermined range is less than a certain threshold to the update plan presenting unit as the deletion candidate. To do.
- the difference extraction unit 1042 acquires the flow line data 310 within the predetermined range of the checkpoint 220.
- the difference extraction unit 1042 counts the pass-through check points 220 as deletion candidates.
- the process of the workflow analysis unit 104 moves to the process (104F4) of the update proposal presenting unit 1043 (see FIG. 8).
- the update plan presenting unit 1043 presents it to the user 12 by displaying the addition candidate and the deletion candidate of the checkpoint 220 generated by the difference extracting unit 1042 on the monitor 10H3, for example.
- FIG. 11 is an explanatory diagram of the update proposal presenting unit 1043.
- the update plan presenting unit 1043 checks, for example, on the monitor 10H3, a screen 41 for measuring the person 30 moving in the airport 20, a screen 42 for showing the definition workflow 1031, a screen 43 for showing the flow line workflow 1045, and a check.
- the point edit button 44, the workflow edit button 45, and the database update button 46 are displayed.
- the screen 41 displays the route of the person 30 moving within the airport 20.
- the screen 42 displays the definition workflow 1031.
- a check-in counter 223 that is a deletion candidate is represented by a dotted line.
- the screen 43 displays a flow line workflow 1045.
- the high density range 226 which is an addition candidate is displayed by a dotted line.
- the checkpoint edit button 44 is a button for moving to the edit screen of the checkpoint 220.
- the user 12 selects the checkpoint edit button 44 after selecting the high-density range 226 on the screen 43, for example.
- buttons and checkpoints displayed on the monitor 10H3 may be selected by touching the screen like a touch panel, or may be selected by a mouse cursor or keyboard input.
- FIG. 12A is an explanatory diagram of the checkpoint edit box 440.
- the checkpoint edit box 440 is displayed on the monitor 10H3 when the user 12 selects the checkpoint edit button 44.
- the checkpoint edit box 440 displays the information edit part 441 of the checkpoint 220, the check box 442, the add button 443, the edit button 444, and the delete button 445.
- the user 12 inputs the information of the high density range 226 into the text box of the information editing unit 441 of the checkpoint 220, for example.
- the user 12 inputs information, for example, using the high density range 226 as the electronic bulletin board 226.
- the user 12 can add a flag for adding the information of the high density range 226 to the workflow database 109 by pressing the add button 443.
- the checkpoint 220 can be flagged for edit and delete.
- the user 12 can continue to edit the workflow after pressing the add button 443. The same applies after the user 12 presses the edit button 444 and the delete button 445.
- FIG. 12B is an explanatory diagram of the workflow edit box 450.
- the workflow edit box 450 is displayed on the monitor 10H3 when the user 12 selects the workflow edit button 45.
- the workflow edit box 450 includes an information editing unit 451 of the workflow and check points 220, a check box 452, an add button 453, an edit button 454, and a delete button 455.
- the checkpoint 220 can be flagged for edit and delete.
- the user 12 can continuously edit the checkpoint after pressing the add button 453. The same applies after the user 12 presses the edit button 454 and the delete button 455.
- the process of the workflow analysis unit 104 moves to the workflow update process (104F5) of the workflow update unit 1044 (see FIG. 8).
- the workflow updating unit 1044 updates the workflow database 109 based on the information input by the user 12 in the checkpoint edit box 440 and the workflow edit box 450.
- FIG. 13A is a diagram showing correspondence information 109a(1) between the updated workflow and the checkpoint 220.
- Correspondence information 109a(1) between the updated workflow and the checkpoint 220 stores a WID 1091a, a start CID 1092a, and an end CID 1093a.
- FIG. 13B is a diagram showing the detailed information 109a(2) of the checkpoint 220 after the update.
- the detailed information 109a(2) of the checkpoint 220 after the update stores the PID 1094a, the CID 1095a, the type 1096a, the retention type determination 1097a, and the WKT 1098a.
- the workflow updating unit 1044 adds information on the electronic bulletin board 226.
- FIG. 14 is a flowchart of the flow line prediction model learning unit 105.
- the processing 10E2 of the flow line prediction model learning unit 105 will be described.
- the process 10E2 of the flow line prediction model learning unit 105 moves to the flow line data division process (105F1) of the flow line data division unit 1051.
- the flow line data division unit 1051 acquires a start CID 1092a and an end CID 1093a of a predetermined workflow.
- the flow line data division unit 1051 determines whether the flow line data 310 passes through the start CID 1092a and the end CID 1093a acquired.
- the determination method is the same as the processing 104F1 of the definition workflow allocation unit 1041.
- the flow line data division unit 1051 acquires the position information of the start CID 1092a and the end CID 1093a.
- the flow line data division unit 1051 acquires the divided flow line data corresponding to a predetermined workflow from the flow line data 310 based on the position information of the start CID 1092a and the end CID 1093a.
- the divided flow line data has, for example, first divided flow line data 3101 to fifth divided flow line data 3105 (see FIG. 4).
- the flow line data dividing unit 1051 acquires the position information (WKT1098a) of the entrance 221(1) and the automatic CI machine 222(1).
- the flow line data dividing unit 1051 associates the flow line data 310(1) with the position information (WKT1098a) of the entrance 221(1) and the automatic CI machine 222(1) to associate the first divided flow line data 3101. Get (1).
- the dividing flow line data 3105(1) is acquired. Accordingly, the flow line data division unit 1051 divides the flow line data 310(1) into a plurality of sections.
- the flow line data division unit 1051 acquires the divided flow line data of the flow line data 310(2) and 310(3) by the same processing as the flow line data 310(1).
- the divided flow line data of the flow line data 310(2), 310(3) is, for example, the first divided flow line data 3101(2), 3101(3) and the second divided flow line data 3102(2). , 3102(3) and the third divided flow line data 3103(2), 3103(3).
- FIG. 15 is a flowchart of the flow line data analysis unit 1052.
- the processing (105F2) of the flow line data analysis unit 1052 will be described with reference to FIGS. 16 and 17.
- FIG. 16 shows an example of flow line data 310(1) of a person 30(1) heading for the automatic CI machine 222(1).
- the position information 311a, 311b, 311c of the flow line data 310(1) indicates the position information of the person at times t-1, t, t+1 (105F201).
- Time t-1 indicates a predetermined time before time t.
- Time t+1 indicates a time after a predetermined time from time t.
- the other position information 312 is position information of a person other than the person 30(1) at time t.
- the destination 2221 is position information of the automatic CI machine 222(1).
- FIG. 17 is an explanatory diagram of the first feature amount and the first objective variable.
- the table 10530 of the flow line data analysis unit 1052 shows a person ID 10531 which is identification information of the person 30, a time 10532, distance information 10533 with a wall, distance information 10534 with another person, and distance information with a destination. 10535, the moving distance 10536, and the moving angle 10537.
- the flow line data analysis unit 1052 sets a predetermined angle 330 in front of the position information 311b (105F202) and sets the first determination area S.
- the flow line data analysis unit 1052 sets the first determination region S in a region having a first predetermined angle 330 from the first reference direction 320, which is an example of the “first predetermined direction”.
- the first reference direction 320 is set in the same direction as the straight line direction from the position information 311a to the position information 311b.
- the flow line data analysis unit 1052 detects the first characteristic portion located in the first determination area S (105F203).
- the first feature portion includes, for example, an obstacle portion for the person 30 such as another person 312 and the wall 230, and a destination 2221 of the person 30.
- the flow line data analysis unit 1052 determines that the other position information 312 is located in the first determination area S from the position information 311b. The distance to the position information 312 is calculated (105F204). The distance to the other position information 312 is stored in the distance information 10534 with another person.
- the flow line data analysis unit 1052 calculates a statistic value as a feature amount for the distance to the plurality of other position information 312. May be.
- the flow line data analysis unit 1052 uses Inf (Infinity) or a specific constant value as the value of the feature amount and distance information to another person. It may be stored in 10534.
- the flow line data analysis unit 1052 calculates the distance from the position information 311b to the part 342 of the wall (105F204). ..
- the distance from the position information 311b to the wall portion 342 is stored in the wall distance information 10533.
- the part of the wall 342 located in the first determination area S may be detected when it is arranged so as to intersect with the first reference direction 320.
- the distance between the center of gravity of the part of the wall 342 and the position information 311b may be used as the feature amount, or between the part of the wall 342 and the position information 311b.
- the shortest distance may be used as the feature amount.
- the flow line data analysis unit 1052 determines that the destination is, for example, Inf or a specific value as a feature amount value.
- the distance information 10535 is stored.
- the statistical value of the distance between each destination 2221 and the position information 311b is calculated as a feature amount.
- the flow line data analysis unit 1052 may add information such as speed, acceleration, and movement vector when moving from the position information 311a to the position information 311b as a feature amount. At this time, information on the velocity, acceleration, and movement vector may be calculated in a polar coordinate system with the direction from the position information 311a to the position information 311b as a reference.
- the flow line data analysis unit 1052 rotates the first determination area S for each first predetermined angle 330 (105F205).
- the flow line data analysis unit 1052 detects the first characteristic portion in the rotated first determination region S.
- the first determination area S is rotated M times (105F206).
- the predetermined number of times M is set to a number obtained by dividing 2 ⁇ by the first predetermined angle 330. That is, M pieces of data of the distance information 10533 with the wall, the distance information 10534 with another person, and the distance information 10535 with the destination are calculated.
- the flow line data analysis unit 1052 saves the first objective variable in the position information 311b (105F207).
- the first objective variable is, for example, the moving distance 10536 and the moving direction 10537.
- the moving distance 10536 is, for example, the distance between the position information 311b and the position information 311c.
- the moving direction 10537 is, for example, an angle between the first reference direction 320 and a straight line connecting the position information 311b and the position information 311c.
- the first objective variable may be information such as speed and acceleration when the person 30(1) moves from the position information 311b to the position information 311c. Note that the first objective variable may be calculated based on the moving direction 10537 as information such as velocity and acceleration in a polar coordinate system.
- the flow line data analysis unit 1052 advances the time t by a predetermined time, so that the person 30(1) moves from the position information 311b to the position information 311c (105F208).
- the flow line data analysis unit 1052 similarly calculates the first characteristic amount and the first objective variable at the position 311c.
- the processing of the flow line data analysis unit 1052 ends.
- the processing of the flow line prediction model learning unit 105 moves to the processing (105F3) of the machine learning unit 1053.
- the dynamic learning is performed in the processing (105F3) of the machine learning unit 1053.
- the machine learning method used here is for learning a function that predicts the first objective variable from the first feature amount, and may be, for example, Gradient Boosting Repression Tree, Support Vector Regression, Long Short Term Memory, or the like.
- the parameters 1102(1) to 1102(N) of the flow line prediction model of the pedestrian flow data for each learned workflow are stored in the flow line prediction model database 110. It should be noted that the parameters 1102(1) to 1102(N) of the flow line prediction model may be referred to as parameters 1102 unless otherwise specified.
- the flow line prediction model learning unit 105 calculates the transition probability 1105 and the initial probability 1107 (see FIG. 18) of the workflow of the person 30 (105F4).
- the transition probability 1105 indicates the probability that the person 30 transits the workflow.
- the initial probability 1107 indicates, for example, the checkpoint 220 where the person 30 is first located.
- the transition probability 1105 and the initial probability 1107 may be calculated from the statistics of the flow line data 310 of a plurality of people 30.
- the transition probability 1105 and the initial probability 1107 are stored in the flow line prediction model database 110.
- FIG. 18 is a diagram showing the data structure of the flow line prediction model database 110.
- the flow line prediction model database 110 has motion prediction parameters 110(1), transition probabilities 110(2) between checkpoints, and initial probabilities 110(3) of checkpoints.
- a WID 1101 and a flow line prediction model parameter 1102 are stored in the motion prediction parameter 110(1).
- the WID 1101 represents the workflow ID and corresponds to the WID 1091a (see FIG. 13).
- the parameter 1102 of the flow line prediction model is represented as an N-dimensional vector, for example.
- the transition probability 110(2) between check points stores O_WID 1103, D_WID 1104, and transition probability 1105.
- O_WID 1103 and D_WID 1104 correspond to the WIDs before and after the workflow transition, and the transition probability 1105 represents the probability of transition from O_WID 1103 to D_WID 1104.
- the flow line prediction model learning unit 105 The calculation results of the transition probabilities 1105 are, for example, both “0.5”. When there is no branch point, the transition probability 1105 is “1.0”.
- the WID 1106 and the initial probability 1107 are stored in the initial probability 110(3) of the checkpoint.
- the WID 1106 corresponds to the WID 1101.
- FIG. 19 is a flow chart of the movement route prediction unit 106.
- the process 10E3 of the travel route prediction unit 106 will be described by taking the pedestrian flow data 50 shown in FIG. 22 as an example (see FIG. 3 ).
- FIG. 22 is an explanatory diagram of the travel route prediction unit 106.
- the pedestrian flow data 50 is a virtual moving body which is generated at the entrance 221(1) and moves toward the destination 2221 in the automatic CI machine 222(1).
- the person flow data 50 moves like the person flow data 50a to 50j.
- the people flow data 50a to 50j are obtained by sampling the people flow data 50 for each time frame ta.
- the travel route prediction unit 106 sets the time frame ta (106F1).
- the time frame ta is, for example, a time set in the flow line simulation performed by the movement route prediction unit 106.
- the time frame ta is set, for example, at a constant cycle, and the time frame ta after one cycle (after a predetermined time) from the predetermined time frame ta is indicated as a time frame ta+1, and one cycle before (a predetermined time before) from the time frame ta.
- the time frame ta of is referred to as time frame ta-1.
- the movement route prediction unit 106 moves to the process (106F3) of the virtual movement data generation unit 1061 when the pedestrian flow data 50 is generated in the set time frame ta (106F2: Yes).
- the processing of the movement route prediction unit 106 moves to the pedestrian flow characteristic amount generation processing (106F4).
- FIG. 20 is a flowchart of the virtual movement data generation unit 1061.
- the predetermined PID corresponding to the predetermined CID 1095 is singular (106F103: No)
- the virtual movement data generation unit 1061 selects the predetermined PID (106F105).
- the virtual movement data generation unit 1061 does not randomly select the PID, but which PID 1094 checkpoint 220 of the flow line data 310 stored in the database 107 starts. May be aggregated and the movement start position may be determined from the frequency distribution.
- the virtual movement data generation unit 1061 generates, for example, the pedestrian flow data 50 at the entrance 221(1) (106F106).
- the movement start time of the pedestrian flow data 50 may be randomly determined.
- the virtual movement data generation unit 1061 aggregates the start times of the flow line data 310 corresponding to the workflow with respect to the flow line data 310 stored in the flow line database 107, and determines the movement start time from the frequency distribution thereof. Good.
- the process of the movement route prediction unit 106 moves to the process (106F4) of the feature amount calculation unit 1062 (see FIG. 19).
- the process (106F4) is the same as the process (105F201 to 105F606) of the flow line data analysis unit 1052 shown in FIG. That is, the processing of the movement route prediction unit 106 rotates the second determination region described below around the specific people flow data 50 to detect the second characteristic portion.
- the second feature portion has, for example, an obstacle portion for another person flow data 51 and the person flow data 50 such as the wall 230, and a destination 2221 of the person flow data 50.
- the other people flow data 51g and 51h are people flow data other than the people flow data 50.
- the other people flow data 51g and 51h may be referred to as the other people flow data 51 unless otherwise specified.
- the process (106F4) will be described by focusing on the flow data 50g in the predetermined time frame ta.
- the feature amount calculation unit 1062 sets the second determination area Sa in an area having the second predetermined angle 522 from the second reference direction 521 as an example of the “second predetermined direction”, for example.
- the second reference direction 521 is a straight line direction from the people flow data 50f to the people flow data 50g.
- a part of the wall 542 is located within the second determination range Sa.
- the feature amount calculation unit 1062 calculates the distance from the pedestrian flow data 50g to the part 542 of the wall.
- the feature amount calculation unit 1062 calculates the distance from the people flow data 50g to the other people flow data 51 and the destination 2221.
- the feature amount calculation unit 1062 rotates the first determination area Sa for each second predetermined angle 522 around the person flow data 50g.
- the flow line data analysis unit 1052 detects the second characteristic portion in the rotated second determination area Sa.
- the second determination area S is rotated L times.
- the predetermined number of times L is indicated by a number obtained by dividing 2 ⁇ by the second predetermined angle 522.
- FIG. 21 is a flowchart of the simulation unit 1063.
- the process (106F5) will be described by paying attention to the people flow data 50g of the predetermined time frame ta.
- the simulation unit 1063 determines whether the pedestrian flow data 50g is located within the predetermined range 2222 of the destination 2221 (106F501). Since the pedestrian flow data 50g is not located within the predetermined range 2222 of the destination 2221 (106F501: No), the simulation unit 1063 causes the parameters 1102(1) to 1102( of the flow line prediction model in the flow line prediction model database 110). N) (see FIG. 18), the second objective variable of the human flow data 50g is calculated (106F506).
- the second objective variable has a moving direction 524 and a moving distance 523.
- the moving direction 524 is, for example, an angle between the reference direction 521 and a straight line connecting the pedestrian flow data 50g and the pedestrian flow data 50h.
- the movement distance 523 is a distance between the people flow data 50g and the people flow data 50h.
- the travel route prediction unit 106 processes (106F4, 106F5) other pedestrian flow data 51 other than the pedestrian flow data 50 (106F6: No).
- the processing (106F4, 106F5) is performed on each person flow data 50 (106F6: Yes)
- the movement route prediction unit 106 advances the time frame ta by one (106F7).
- the pedestrian flow data 50g and the pedestrian flow data 51g move to the pedestrian flow data 50h and the pedestrian flow data 51h, respectively.
- the process (106F5) of the simulation unit 1063 on the pedestrian flow data 50j located in the predetermined range 2222 of the destination 2221 will be described (see FIG. 21). Since the person flow data 50j is located in the predetermined range 2222 of the destination 2221 (106F501: Yes), the simulation unit 1063 determines whether the automatic CI machine 222(1) of the destination 2221 is a stay type (106F502). From the workflow database 109a, since the automatic CI machine 222(1) is a retention type (106F502: Yes) (see FIG. 13), the simulation unit 1063 determines whether the human flow data 50 is retained in the predetermined range 2222 for a certain time or more. Is determined (106F503). If the destination is a transit type (106F502: No), the process moves to the process (106F504) for selecting the next workflow described later.
- the simulation unit 1063 selects a workflow to which the pedestrian flow data 50 moves next (106F504).
- the selection method may be selected based on the transition probability 1105 stored in the flow line prediction model database 110.
- the simulation unit 1063 executes the processing (106F506).
- the simulation unit 1063 sets the next moving direction 524 and moving distance 523 of the human flow data 50 (105F505).
- the movement direction 524 and the movement distance 523 set in the process (105F505) are limited so that the pedestrian flow data 50 moves to arbitrary position coordinates within the predetermined range 2222.
- the travel route prediction unit 106 determines whether or not the ending condition of the flow line simulation is satisfied (106F8). When the end condition is not satisfied (106F8: No), the process of the movement route prediction unit 106 returns to the process (106F2). When the end condition is satisfied (106F8: Yes), the process of the movement route prediction unit 106 is ended.
- the end condition may be, for example, a condition that the movement ends when each personal flow data 50 generated by the virtual movement data generation unit 1061 arrives at the gate 225.
- the travel route prediction system 10 can perform the flow line simulation of the person 30 in the airport 20 after the layout change.
- the movement route prediction system 10 can improve the accuracy of the flow line simulation by learning the flow line prediction model for each of the first to fifth divided flow line data 3101 to 3105. As a result, the movement route of the person 30 can be confirmed before the layout is changed, so that the cost required for the layout change can be suppressed.
- the workflow analysis unit 104 can discover a new checkpoint from the flow line data 310.
- the travel route prediction system 10 can find a deletable checkpoint in the definition workflow 1031. As a result, the travel route prediction system 10 can suppress omission of setting of the checkpoint 220.
- the mobile measurement system 11 may be composed of at least one of a laser measurement system 11H1, a camera system 11H2, and a terminal positioning system 11H3, as shown in FIG.
- the laser measurement system 11H1 has a laser oscillator 11H11 that emits laser light, a laser receiver 11H12 that reads the reflected light of the laser, and an arithmetic unit 11H13.
- the calculation device 11H13 obtains a plurality of distances to an object around the laser measurement system 11H1 from the difference between the laser oscillation time and the laser light reception time.
- the calculation device 11H13 calculates data of the outer diameter shape and the position coordinates of the object from the calculated plurality of distances.
- the data of the outer diameter shape of the object may be shown as, for example, point cloud data composed of a large number of points.
- the camera system 11H2 has an image sensor 11H21 that obtains visible light as an image, and an arithmetic unit 11H22 that detects a person from the image and estimates its position.
- the terminal positioning system 11H3 is, for example, a terminal that is held by the person 30 and transmits the position information of the person 30 to the travel route prediction system 10.
- the terminal positioning system 11H3 presents a processor 11H31 having an arithmetic performance, a memory 11H35 that is a volatile temporary storage area, a storage device 11H32 that is a non-volatile storage area, an input device 11H36 that receives a human operation, and the current status of the terminal.
- a monitor 11H33 for performing wireless communication a wireless communication board 11H37 that is a network interface card for performing wireless communication, and a GPS receiver 11H34 for specifying the position of the terminal.
- the processor 11H31 executes the program recorded in the storage device 11H32, the position information of the person 30 is measured using the GPS receiver 11H34 and the like. The measured position information is transmitted to the movement route prediction system 10 via the NIC 11H37.
- 10... Movement route prediction system 11... Movement measurement system, 101... Measurement data acquisition unit, 102... Map data input unit, 103... Workflow input unit, 104... Workflow analysis unit, 1041... Definition workflow assignment unit, 1042... Difference extraction Part, 1043... Update proposal presenting unit, 1044... Workflow updating unit, 105... Flow line prediction model learning unit, 1051... Flow line data dividing unit, 1052... Flow line data analyzing unit, 1053... Machine learning unit, 106... Travel route Prediction unit, 1061... Virtual movement data generation unit, 1062... Feature amount calculation unit, 1063... Simulation unit, 107... Flow line database, 108... Layout database, 109... Workflow database, 110... Flow line prediction model database
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
Abstract
所定領域内における移動体の移動経路をシミュレーションすること。 移動経路予測システム10は、第1特徴量から第1目的変数を算出する動線予測モデルを機械学習する動線予測モデル学習部105と、動線予測モデルに基づいて、移動体の経路をシミュレーションする移動経路予測部106と、を備える。動線予測モデル学習部は、移動経路の情報を複数区分に分割する動線データ分割部1051と、動線予測モデルを分割された移動体の移動経路の情報ごとに機械学習する機械学習部1053と、を備える。
Description
本発明は、移動経路予測システム、移動経路予測方法およびコンピュータプログラムに関するものである。
空港や工場等では、施設内のレイアウトを変更することにより、利用者の混雑や作業の効率化を図ることが検討されている。ユーザは、レイアウト変更後に利用者および作業者の移動経路を計測し、レイアウト変更の施策効果を確認している。しかしながら、レイアウト変更はコストがかかるため、事前にレイアウト変更の施策効果を見積もることで、余分なコストを抑制することが求められる。
特許文献1では、施設のレイアウト情報から算出した進行予測方程式を用いて新たな施設レイアウトの動線を予測する技術について開示されている。
特許文献2では、空港等の施設内において、チェックイン機等のサブシステムに記録された情報を用いて移動物体のシミュレーションを行う施設管理システムについて開示されている。
特許文献2に記載の施設管理システムは、施設内を移動する物体の状態を示す移動情報データに基づいて、移動物体の時間変化に関するシミュレーションをする。しかしながら、施設管理システムの移動情報データは、各移動物体の目的地の情報が含まれずに生成されるため、シミュレーションの精度を向上させる余地があると考えられる。
そこで、本発明は、上記のような課題を解決する為になされたものであり、移動体の経路を予測するシミュレーションの精度を向上させることにある。
移動経路予測システムは、所定領域内を移動する移動体の経路を予測するシステムであって、所定領域には、少なくとも一つの出発チェックポイントと、少なくとも一つの目的チェックポイントと、少なくとも一つの中間チェックポイントと、を有する複数のチェックポイントが配置されており、移動体は、所定領域内を出発チェックポイントから目的チェックポイントまで中間チェックポイントを経由して移動するものであり、移動計測システムによって移動体の移動経路の情報が計測され、移動経路の情報を移動計測システムから取得する計測データ取得部と、複数のチェックポイントの位置情報を取得する地図データ入力部と、移動体が移動する複数のチェックポイントの経由情報を設定するワークフロー入力部と、第1特徴量から第1目的変数を算出する動線予測モデルを機械学習する動線予測モデル学習部と、動線予測モデルに基づいて、移動体の経路をシミュレーションする移動経路予測部と、を備え、動線予測モデル学習部は、移動経路の情報を複数区分に分割する動線データ分割部と、動線予測モデルを分割された移動体の移動経路の情報ごとに機械学習する機械学習部と、を備える。
本発明によると、移動体の経路を予測するシミュレーションの精度を向上させることができる。
以下、本発明の一実施形態を添付図面に基づいて説明するが、本発明は、当該図面に記載の実施形態にのみ限定されるものではない。
本発明は、移動体の移動経路を予測するシステムに関するものである。すなわち、本システムは、目的地から出発地までの経路を複数区間に分割し、区間ごとに移動体の流れをシミュレーションする。なお本システムで予測するのは、人に限らず船舶や車などの移動体であってもよい。移動体の移動する範囲は、空港内および工場内等に限らず海上や路上などの開けた場所の所定範囲でもよい。本実施形態では、空港内を移動する人を例に挙げながら説明を行う。
なお、本実施形態において、チェックポイントは空港内で人が移動する際の立ち寄り場所や属性が付加された通過場所を示し、動線データは人の移動経路の情報を示し、ワークフローはチェックポイント間における移動体の経由情報を示し、動線シミュレーションは動線予想モデルを用いて人の移動経路をシミュレーションすることを示す。
図1は、移動経路予測システム10の概略図である。移動経路予測システム10は、計測データ取得部101と、地図データ入力部102と、ワークフロー入力部103と、ワークフロー分析部104と、動線予測モデル学習部105と、移動経路予測部106と、動線データベース107と、レイアウトデータベース108と、ワークフローデータベース109と、動線予測モデルデータベース110と、を有する。
移動経路予測システム10の各機能101~110を説明する前に、移動経路予測システム10のハードウェア構成を説明する。図2は、移動経路予測システム10のハードウェア構成を示す概略図である。移動経路予測システム10は、プロセッサ10H1と、補助記憶装置10H2と、モニタ10H3と、メモリ10H4と、入力装置10H5と、通信部10H6と、各装置10H1~10H6をそれぞれ双方向に通信可能に接続するデータ伝送路10H7と、を有する。
プロセッサ10H1は、例えば「CPU(Central Processing Unit)」である。プロセッサ10H1は、メモリ10H4を介して補助記憶装置10H2に記憶されたプログラム101~106を呼び出して実行する。
補助記憶装置10H2は、例えば、ハードディスクまたはUSB(Universal Serial Bus)メモリ等の不揮発性記憶装置である。補助記憶装置10H2は、例えば、計測データ取得部101、地図データ入力部102と、ワークフロー入力部103と、ワークフロー分析部104と、動線予測モデル学習部105と、移動経路予測部106と、のプログラムを記憶している。補助記憶装置10H2は、例えば、動線データベース107と、レイアウトデータベース108と、ワークフローデータベース109と、動線予測モデルデータベース110と、のデータ構造を記憶している。
モニタ10H3は、ユーザ12に情報を提示する。メモリ10H4は、例えば、「RAM(Random Access Memory)」等の揮発性記憶装置である。
入力装置10H5は、例えば、キーボード、マウス、タッチパネル等である。ユーザ12は、入力装置10H5を操作して移動経路予測システム10にデータを入力する。通信部10H6は、例えば、「NIC(Network Card)」である。通信部10H6は、少なくとも一つの移動計測システム11と通信ネットワークCN1を介して無線通信で接続される。なお、通信部10H6は、移動計測システム11と有線通信で接続されてもよい。
図3は、移動経路予測システム10のシーケンス図である。移動経路予測システム10および移動計測システム11の処理の流れを、図1を参照しつつ説明する。
移動計測システム11は、例えば、図4にて詳述するように、「所定領域」の一例としての空港20内を移動する「移動体」の一例としての人30(1),30(2),30(3)の「移動経路の情報」の一例としての動線データ310(1),310(2),310(3)を計測する(11E1)。なお、人30(1),30(2),30(3)は、特に区別しない場合には、人30と表す場合がある。動線データ310(1),310(2),310(3)は、特に区別しない場合には、動線データ310と表す場合がある。
計測データ取得部101は、通信ネットワークCN1を介して移動計測システム11にて計測された動線データ310を受信する。計測データ取得部101は、動線データベース107に動線データ310を保存する(11M1)。地図データ入力部102には、ユーザ12からレイアウト情報が入力される。地図データ入力部102は、レイアウトデータベース108にレイアウト情報を保存する(10M1)。動線データベース107およびレイアウトデータベース108については、図5にて後述する。
ワークフロー入力部103には、ユーザ12から空港20内のチェックポイント220の情報およびワークフローの情報が入力される。入力されたワークフローは、定義ワークフロー1031と示す場合がある。ワークフロー入力部103は、ワークフローデータベース109にチェックポイント220の情報および定義ワークフロー1031の情報を保存する(10M1)。ワークフローデータベース109については、図6にて後述する。なお、計測データ取得部101の処理11M1と、地図データ入力部102およびワークフロー入力部103の処理10M1とは、並列処理でも逐次処理でもよい。
ワークフロー分析部104は、レイアウトデータベース108から空港20内のレイアウト情報を受信し(10M2)、ワークフローデータベース109からチェックポイント220の情報および定義ワークフロー1031の情報を受信し(10M2)、動線データベース107から動線データ310を受信する(10M3)。
ワークフロー分析部104は、図8にて後述するように、動線データ310を分析することで、ワークフローデータベース109に保存されるチェックポイント220の情報および定義ワークフロー1031の情報を更新する(10E1)。
図1に示すように、ワークフロー分析部104は、定義ワークフロー割り当て部1041と、差分抽出部1042と、更新案提示部1043と、ワークフロー更新部1044と、を有する。
定義ワークフロー割り当て部1041は、図9にて後述するように、動線データ310と、各チェックポイント220と、を照合する。差分抽出部1042は、図10,11にて後述するように、定義ワークフロー1031と、動線データ310と、の差分を抽出する。更新案提示部1043は、モニタ10H3に定義ワークフロー1031と、動線データ310と、の差分を提示する(10M4)。
ユーザ12は、ワークフローの変更内容をワークフロー更新部1044へ入力する(10M5)。ワークフロー更新部1044は、図12にて後述するように、ワークフローデータベース109を更新する(10M6)。
動線予測モデル学習部105は、レイアウトデータベース108から空港20内のレイアウト情報を受信し(10M7)、ワークフローデータベース109からチェックポイント220の情報および更新後のワークフローの情報を受信し(10M7)、動線データベース107から動線データ310を受信する(10M8)。
動線予測モデル学習部105は、図14にて後述するように、動線予測モデルを機械学習し、動線予想モデルのパラメータ1102を生成する(10E2)。
図1に示すように、動線予測モデル学習部105は、動線データ分割部1051と、動線データ分析部1052と、機械学習部1053と、を有する。
動線データ分割部1051は、動線データ310を複数区分に分割する。動線データ分析部1052は、図15にて後述するように、特定の位置情報311bの周囲に位置する第1特徴量および第1目的変数を算出する。
第1特徴量は、例えば、特定の位置情報311bから他の人312、壁230および目的地2221までの距離を示す(図16参照)。第1目的変数260は、例えば、移動方向10537および移動距離10536を示す。移動距離10536は、特定の位置情報311bから所定時間後の人30の位置までの距離を示す。移動方向10537は、特定の位置情報311bに位置する人30が次に進む方向の角度を示す。
機械学習部1053は、第1特徴量および第1目的変数に基づいて動線予測モデルを学習する。動線予測モデルは、第1特徴量から第1目的変数を算出する式を示す。動線予測モデル学習部105は、動線予測モデルデータベース110に学習した動線予測モデルのパラメータ1102を保存する(10M9)。
ユーザ12は、レイアウトデータベース108、ワークフローデータベース109に対して、施設内の新しいレイアウト情報やワークフロー情報等を入力する(10M10)。
移動経路予測部106は、レイアウトデータベース108から変更後の空港20内のレイアウト情報を受信し(10M11)、ワークフローデータベース109からチェックポイント220および更新後のワークフローの情報を受信し(10M11)、動線予測モデルデータベース110から動線予測モデルを受信(10M12)する。
移動経路予測部106は、図19にて後述するように、動線予測モデルに基づいて動線シミュレーションを行う(10E3)。図1に示すように、移動経路予測部106は、仮想移動データ生成部1061と、特徴量算出部1062と、シミュレーション部1063と、を有する。
仮想移動データ生成部1061は、メモリ10H4に設けられた仮想空間領域において、「仮想的な移動体」の一例としての人流データ50を生成する(図22参照)。
特徴量算出部1062は、図20にて後述するように、人流データ50の第2特徴量を算出する。第2特徴量は、例えば、特定の人流データ50gから他の人流データ51g、壁230および目的地2221までの距離を示す(図22参照)。シミュレーション部1063は、図21にて後述するように、人流データ50gの次の移動先である人流データ50hを算出し移動させる。
移動経路予測部106は、動線データベース107に動線シミュレーションの結果を保存する(10M13)。移動経路予測部106での処理が終了した場合には、移動経路予測システム10の処理は、終了する。
図4は移動体30の測定図である。移動計測システム11の処理11E1を説明する。
チェックポイント220は、例えば、空港20内に複数配置される。チェックポイント220は、「出発チェックポイント」の一例としての入口221(1),221(2)と、「中間チェックポイント」の一例としての自動CI(CheckIn)機222(1),222(2)およびチェックインカウンタ223および手荷物預かりカウンタ224と、「目的チェックポイント」の一例としてのゲート225と、を有する。
なお、入口221(1),221(2)は、特に区別しない場合には入口221と示す場合がある。自動CI機222(1),222(2)は、特に区別しない場合には自動CI機222と示す場合がある。
人30(1)は、例えば、入口221(1)から空港20内へ入り、自動CI機222(1)でチェックインし、ゲート225へ向かう。人30(2)は、入口221(1)から空港20内へ入り、自動CI機222(1)でチェックインし、手荷物預かりカウンタ224で荷物を預け、ゲート225へ向かう。人30(3)は、入口221(2)から空港20内へ入り、自動CI機222(2)でチェックインし、手荷物預かりカウンタ224で荷物を預け、ゲート225へ向かう。
移動計測システム11は、例えば、空港20内を移動する各人30の位置情報を所定周期で測定し、各人30の動線データ310を算出する。動線データ310(1)は、人30(1)の移動経路の情報である。動線データ310(2)は、人30(2)の移動経路の情報である。動線データ310(3)は、人30(3)の移動経路の情報である。
位置情報311(1),311(2),311(3)は、動線データ310(1),310(2),310(3)の位置情報を、所定時間ごとに抜き出して示している。なお、位置情報311(1),311(2),311(3)は、特に区別しない場合には、位置情報311と示す場合がある。なお、動線データ310は、位置情報311の集合で構成されてもよい。
図5(A)は、動線データベース107のデータ構造の一例である。動線データベース107には、移動計測システム11にて計測された動線データ310、または、後述する移動経路予測部106の動線シミュレーションの結果が保存される。動線データ310は、位置情報311間を直線で接続した形で動線データベース107に保存される。
開始日時1071および終了日時1072には、例えば、各位置情報311を測定した時の測定時間が保存される。開始日時1071における位置情報311は、各位置情報311間を結ぶ直線の始点である。終了日時1072における位置情報311は、各位置情報311間を結ぶ直線の終点である。ID(IDentification)1073には、各人30の識別番号が保存される。
WKT(Well-Known Text)1074は、開始日時1071から終了日時1072までの動線データ310のジオメトリ情報を表す。開始日時1071および終了日時1072に測定された位置情報311の座標は、X座標とY座標の平面直交座標系で表される。WKT1074に保存されるジオメトリ情報に関する座標系は、平面直交座標系に限らず、任意のものを採用してもよい。
図5(B)は、レイアウトデータベース108のデータ構造の一例である。レイアウトデータベース108には、空港20内の壁230の形状の情報および各チェックポイント220の形状の情報が保存される。OID(Object IDentification)1081は、壁230や各チェックポイント220の識別情報を表す。種類1082は、壁230等の障害部の種類およびチェックポイント220の種類を表す。
WKT1083は、壁230およびチェックポイント220の外形形状のデータをジオメトリ情報として表す。WKT1083に保存されるジオメトリ情報に関する座標系は、平面直交座標系に限らず、任意のものを選択してもよい。
図6(A)は、定義ワークフロー1031およびチェックポイント220の対応情報109(1)である。定義ワークフロー1031およびチェックポイント対応情報109(1)には、WID(Workflow IDentification)1091と、開始CID(Checkpoint IDentification)1092と、終了CID1093と、が保存される。
WID1091には、定義ワークフロー1031の識別情報が格納される。開始CID1092および終了CID1093には、人30が移動を開始する始点のチェックポイント220および目的地のチェックポイント220が保存される。なお、チェックポイント220の識別情報は、図6(B)にて後述するCID1095と同様である。
図7は、定義ワークフロー1031を有向グラフで示した図である。各ノード221~225は、それぞれチェックポイント220を示す。各ノード221~225を接続する有向ベクトルは、人30の移動を示し、WID1091がそれぞれ割り当てられる。
定義ワークフロー1031は、具体的には、例えば、空港20内の入口221から人が入り、自動CI機222またはチェックインカウンタ223へと向かう(WID=0,WID=1)ように設定される。定義ワークフロー1031は、人30が自動CI機222から手荷物預かりカウンタ224またはゲート225へと向かう(WID=2,WID=3)ように設定される。定義ワークフロー1031は、人30がチェックインカウンタ223から手荷物預かりカウンタ224を経由してゲート225へと向かう(WID=4,WID=5)ように設定される。
図6(B)は、チェックポイント詳細情報109(2)を示した図である。チェックポイント詳細情報109(2)は、PID(Point IDentification)1094と、CID1095と、種類1096と、滞留型判定1097と、WKT1098と、のデータを保存する。
PID1094は、チェックポイント220の識別情報を示す。CID1095は、チェックポイント220の種類に関する識別情報を示す。CID1095には、例えば、入口221がAと示され、自動CI機222がBと示され、チェックインカウンタ223がCと示され、手荷物預かりカウンタ224がDと示され、ゲート225がEと示される。なお、一つのチェックポイント220の種類に複数のPID1094が割り当てられる場合がある。入口221が空港20内に複数配置されるため、例えば、CID=Aには、PID=0およびPID=1が割り当てられる。種類1096は、チェックポイント220の種類を表す。
滞留型判定1097は、チェックポイント220の属性を示す。属性は、滞留型または通過型のどちらか一方である。滞留型判定1097は、チェックポイント220が滞留型であればTrueを示す。滞留型判定1097は、チェックポイント220が通過型であればFalseを示す。
WKT1098は、チェックポイント220の座標情報に関するジオメトリ情報を表す。WKT1098の座標系は、平面直交座標系に限らず任意の座標系を採用してもよい。
図8は、ワークフロー分析部104の流れ図である。ワークフロー分析部104の処理10E1を説明する。ワークフロー分析部104の処理10E1は、定義ワークフロー割り当て部1041における処理104F1に移動する。
図9は、定義ワークフロー割り当て部1041の流れ図である。定義ワークフロー割り当て部1041における処理104F1は、例えば、人30がチェックポイント220を経由しているかを判定する。処理104F1の一例としては、例えば、動線データ310(1)が自動CI機222(1)を経由しているかを判定する(図4参照)。
なお、本実施形態における経由とは、各チェックポイント220での特定の行動を人30が行っていることを示す。
定義ワークフロー割り当て部1041は、動線データ310(1)の情報および自動CI機222(1)の情報を取得する(104F101)。定義ワークフロー割り当て部1041は、動線データベース107のWKT1074およびワークフローデータベース109のWKT1098に基づいて、動線データ310(1)が自動CI機222(1)の所定範囲2222内を通過していると判定する(104F102:Yes)。定義ワークフロー割り当て部1041は、チェックポイント詳細情報109(2)から自動CI機2221(1)が滞留型であると判定する(104F103:Yes)。
定義ワークフロー割り当て部1041は、動線データ310(1)の位置情報311(1)の密度が閾値以上であると判定する(104F101:Yes)。なお、位置情報311(1)の密度の算出方法は、例えば、所定範囲2222内に位置する位置情報311(1)の個数を計測する等が挙げられる。
これにより、定義ワークフロー割り当て部1041は、動線データ310(1)が自動CI機222(1)を経由していると判定する(104F105)。各動線データ310について各チェックポイント220を経由しているかを判定後、定義ワークフロー割り当て部1041の処理104F1は、終了する。
なお、チェックポイント220が通過型である場合(104F103:No)には、定義ワークフロー割り当て部1041は、人30が通過型のチェックポイント220を通過したと判定する(104F105)。
なお、動線データ310がチェックポイント220の所定範囲内を通過していない場合(104F102:No)および位置情報311の密度が閾値未満である場合(104F104:No)である場合には、動線データ310がチェックポイント220を経由していないと判定する(104F106)。
図10は、動線ワークフロー1045を有向グラフで示した図である。動線ワークフロー1045は、例えば、定義ワークフロー割り当て部1041にて判定された、空港20内を移動する人30の経由情報である。人30は、具体的には、例えば、空港20内の入口221から入り、自動CI機222へと向かう(WID=0)。自動CI機222に到着した人30は、手荷物預かりカウンタ224または高密度範囲226へと向かう(WID=2,WID=6)。手荷物預かりカウンタ224に到着した人30または高密度範囲226に到着した人30は、ゲート225へと向かう(WID=5,WID=7)。
ワークフロー分析部104の処理は、差分抽出部1042の追加処理104F2に移動する(図8参照)。差分抽出部1042の追加処理104F2は、位置情報311の密度の大きい地点を追加候補とする。
差分抽出部1042は、位置情報311の密度が一定の閾値以上の高密度範囲226を取得する(図4参照)。高密度範囲226は、例えば、自動CI機222(1)とゲート225との間の動線データ310(1)上に形成される。差分抽出部1042は、高密度範囲226が各チェックポイント220から一定の距離以上離れている場合には、追加候補としてカウントとする。
差分抽出部1042は、動線データ310(1)以外の各動線データ310の追加候補を取得する。動線データ310(1)以外の各動線データ310では高密度範囲226が非形成であると判定される為、高密度範囲226の追加候補のカウントは、「1」である。差分抽出部1042は、カウントの閾値が「1」の場合には、高密度範囲226の情報を追加候補として更新案提示部1043に送信する。すなわち、追加候補のカウントが閾値以上であれば、高密度範囲226を追加候補として更新案提示部1043に送信する。
ワークフロー分析部104の処理は、差分抽出部1042のチェックポイント削除処理104F3に移動する。チェックポイント削除処理104F3は、人30が経由していないチェックポイント220を削除候補として更新案提示部1043に送信する。
差分抽出部1042は、例えば、動線データ310(1)が滞留型であるチェックインカウンタ223を経由しているかどうかを判定する。差分抽出部1042は、動線データ310(1)がチェックインカウンタ223の付近を通過していないため、チェックインカウンタ223の所定範囲における動線データ310(1)の位置情報311(1)の密度が一定の閾値未満であると判定する。
これにより、差分抽出部1042は、チェックインカウンタ223を削除候補としてカウントする。差分抽出部1042は、例えば、動線データ310(1)以外の他の動線データ310においてもチェックインカウンタ223を経由しているかを判定する。動線データ310(1),310(2),310(3)がチェックインカウンタ223を経由しておらず、カウンタの閾値が「3」である場合には、チェックポイント削除処理104F3は、チェックインカウンタ223を削除候補として更新案提示部1043に送信する。すなわち、削除候補としてのカウントが閾値以上である場合には、差分抽出部1042は、所定範囲の動線データ310の密度が一定の閾値未満のチェックポイント220を削除候補として更新案提示部へ送信する。
なお、チェックポイント220が通過型の場合において、差分抽出部1042は、チェックポイント220の所定範囲内の動線データ310を取得する。動線データ310がチェックポイント220の所定範囲内を通過しない場合には、差分抽出部1042は、通過型チェックポイント220を削除候補としてカウントする。
ワークフロー分析部104の処理は、更新案提示部1043の処理(104F4)へ移動する(図8参照)。更新案提示部1043は、例えば、差分抽出部1042にて生成されたチェックポイント220の追加候補および削除候補をモニタ10H3に表示させることで、ユーザ12に提示する。
図11は、更新案提示部1043の説明図である。更新案提示部1043は、例えば、モニタ10H3に、空港20内を移動する人30を測定した画面41と、定義ワークフロー1031を示した画面42と、動線ワークフロー1045を示した画面43と、チェックポイント編集ボタン44と、ワークフロー編集ボタン45と、データベース更新ボタン46と、を表示させる。
画面41には、空港20内を移動する人30の経路を表示する。画面42は、定義ワークフロー1031を表示する。画面42には、例えば、削除候補であるチェックインカウンタ223が点線で表されている。画面43は、動線ワークフロー1045を表示する。画面43には、例えば、追加候補である高密度範囲226が点線で表示されている。
チェックポイント編集ボタン44は、チェックポイント220の編集画面に移動するためのボタンである。なお、ユーザ12は、例えば、画面43の高密度範囲226を選択してから、チェックポイント編集ボタン44を選択する。
なお、モニタ10H3に表示される各種ボタンおよびチェックポイント等は、タッチパネルのように画面に触れるだけで選択できてもよいし、マウスのカーソルやキーボード入力等によってボタンを選択できてもよい。
図12(A)は、チェックポイント編集ボックス440の説明図である。チェックポイント編集ボックス440は、ユーザ12がチェックポイント編集ボタン44を選択することで、モニタ10H3に表示される。
チェックポイント編集ボックス440には、チェックポイント220の情報編集部441、チェックボックス442、追加ボタン443、編集ボタン444および削除ボタン445が表示される。
ユーザ12は、例えば、チェックポイント220の情報編集部441のテキストボックスに高密度範囲226の情報を入力する。ユーザ12は、例えば、高密度範囲226を電光掲示板226として情報を入力する。ユーザ12は、追加ボタン443を押すことで、高密度範囲226の情報をワークフローデータベース109に追加するフラグを付けることができる。なお、ユーザ12が編集ボタン444および削除ボタン445を押した場合は、チェックポイント220の編集および削除のフラグを付けることができる。
ユーザ12は、チェックボックス442にチェックを入れることで、追加ボタン443を押した後に続けてワークフローの編集をすることができる。なお、ユーザ12が編集ボタン444および削除ボタン445を押した後も同様である。
図11に戻り、ワークフロー編集ボタン45は、ワークフローの編集画面に移動するためのボタンである。図12(B)は、ワークフロー編集ボックス450の説明図である。ワークフロー編集ボックス450は、ユーザ12がワークフロー編集ボタン45を選択することで、モニタ10H3に表示される。ワークフロー編集ボックス450は、ワークフローとチェックポイント220の情報編集部451と、チェックボックス452と、追加ボタン453と、編集ボタン454と、削除ボタン455と、を有する。
ユーザ12は、例えば、ワークフローとチェックポイント220の情報編集部451のテキストボックスにワークフロー(WID=6)の情報を入力する。ユーザ12は、追加ボタン453を選択することで、ワークフロー(WID=6)の情報をワークフローデータベース109に追加するフラグを付けることができる。なお、ユーザ12が編集ボタン454および削除ボタン455を押した場合は、チェックポイント220の編集及び削除のフラグを付けることができる。
ユーザ12は、チェックボックス452にチェックを入れることで、追加ボタン453を押した後に続けてチェックポイントの編集をすることができる。なお、ユーザ12が編集ボタン454および削除ボタン455を押した後も同様である。
図11に戻り、ユーザ12がデータベース更新ボタン46を押すことによって、ワークフロー分析部104の処理は、ワークフロー更新部1044のワークフロー更新処理(104F5)に移動する(図8参照)。ワークフロー更新部1044は、チェックポイント編集ボックス440およびワークフロー編集ボックス450にてユーザ12が入力した情報に基づいて、ワークフローデータベース109を更新する。
図13(A)は、更新後のワークフローとチェックポイント220との対応情報109a(1)を示した図である。更新後のワークフローとチェックポイント220との対応情報109a(1)は、WID1091aと、開始CID1092aと、終了CID1093aと、を保存する。ワークフロー更新部1044は、例えば、ワークフローデータベース109からワークフロー(WID=1,WID=3)を削除する。ワークフロー更新部1044は、例えば、ワークフロー(WID=5,WID=6)を追加する。
図13(B)は、更新後のチェックポイント220の詳細情報109a(2)を示した図である。更新後のチェックポイント220の詳細情報109a(2)は、PID1094aと、CID1095aと、種類1096aと、滞留型判定1097aと、WKT1098aと、を保存する。ワークフロー更新部1044は、電光掲示板226の情報を追加する。
図14は、動線予測モデル学習部105の流れ図である。動線予測モデル学習部105の処理10E2を説明する。動線予測モデル学習部105の処理10E2は、動線データ分割部1051の動線データ分割処理(105F1)へ移動する。
動線データ分割部1051は、所定のワークフローの開始CID1092aおよび終了CID1093aを取得する。動線データ分割部1051は、動線データ310が取得した開始CID1092aおよび終了CID1093aを経由しているか判定する。判定方法は、定義ワークフロー割り当て部1041の処理104F1と同様である。
動線データ分割部1051は、開始CID1092aおよび終了CID1093aの位置情報を取得する。動線データ分割部1051は、開始CID1092aおよび終了CID1093aの位置情報に基づいて、所定のワークフローに相当する分割動線データを動線データ310から取得する。
分割動線データは、例えば、第1分割動線データ3101~第5分割動線データ3105を有する(図4参照)。第1分割動線データ3101は、ワークフロー(WID=0)に対応する。第2分割動線データ3102は、ワークフロー(WID=2)に対応する。第3分割動線データ3103は、ワークフロー(WID=5)に対応する。第4分割動線データ3104は、ワークフロー(WID=6)に対応する。第5分割動線データ3105は、ワークフロー(WID=7)に対応する。
動線データ分割部1051は、具体的には、例えば、入口221から自動CI機222までのワークフロー(WID=0)を選択する。動線データ分割部1051は、入口221(1)および自動CI機222(1)の位置情報(WKT1098a)を取得する。動線データ分割部1051は、動線データ310(1)と、入口221(1)および自動CI機222(1)の位置情報(WKT1098a)と、を対応付けて、第1分割動線データ3101(1)を取得する。
動線データ分割部1051は、動線データ310(1)において、ワークフロー(WID=6,7)についてもワークフロー(WID=0)と同様にして第4分割動線データ3104(1)および第5分割動線データ3105(1)を取得する。これにより、動線データ分割部1051は、動線データ310(1)を複数の区分に分割する。
動線データ分割部1051は、動線データ310(1)と同様の処理で動線データ310(2),310(3)の分割動線データを取得する。なお、動線データ310(2),310(3)の分割動線データは、例えば、第1分割動線データ3101(2),3101(3)と、第2分割動線データ3102(2),3102(3)と、第3分割動線データ3103(2),3103(3)と、で示される。
動線予測モデル学習部105の処理は、動線データ分析部1052の人流特徴量算出処理(105F2)へ移動する。図15は、動線データ分析部1052の流れ図である。動線データ分析部1052の処理(105F2)の説明は、図16および図17を参照しながら説明する。
図16は、自動CI機222(1)へ向かう人30(1)の動線データ310(1)の一例を示す。動線データ310(1)の位置情報311a,311b,311cは、それぞれ時間t-1,t,t+1における人の位置情報を示す(105F201)。時間t-1は、時間tから所定時間前を示す。時間t+1は、時間tから所定時間後を示す。
他の位置情報312は、人30(1)以外の他の人の時間tにおける位置情報である。目的地2221は、自動CI機222(1)の位置情報である。
図17は、第1特徴量および第1目的変数の説明図である。動線データ分析部1052の表10530は、人30の識別情報である人ID10531と、時間10532と、壁との距離情報10533と、他の人との距離情報10534と、目的地との距離情報10535と、移動距離10536と、移動角度10537とを有する。
図15に戻り、動線データ分析部1052は、位置情報311bの前方に所定角度330を設定(105F202)し、第1判定領域Sを設定する。動線データ分析部1052は、例えば、「第1所定方向」の一例としての第1基準方向320から第1所定角度330を持った領域に第1判定領域Sを設定する。第1基準方向320は、位置情報311aから位置情報311bへ向かう直線方向と同じ方向に設定される。
動線データ分析部1052は、第1判定領域S内に位置する第1特徴部を検出する(105F203)。第1特徴部は、例えば、他の人312および壁230等の人30に対する障害部と、人30の目的地2221と、を有する。
第1判定領域S内に他の人の他の位置情報312が位置しているので(105F203:Yes)、動線データ分析部1052は、位置情報311bから第1判定領域S内に位置する他の位置情報312までの距離を算出する(105F204)。他の位置情報312までの距離は、他の人との距離情報10534に保存される。
なお、第1判定領域S内に複数の他の位置情報312がある場合には、動線データ分析部1052は、複数の他の位置情報312までの距離に関して、統計値を特徴量として算出してもよい。第1判定領域S内に他の位置情報312が位置しない場合には、動線データ分析部1052は、Inf(Infinity)または特定の一定の値を特徴量の値として他の人との距離情報10534に保存してもよい。
第1判定領域S内に壁の一部342が位置しているので(105F203:Yes)、動線データ分析部1052は、位置情報311bから壁の一部342までの距離を算出する(105F204)。位置情報311bから壁の一部342までの距離は、壁との距離情報10533に保存される。
なお、第1判定領域S内に位置する壁の一部342は、第1基準方向320に対して交差するように配置される場合に検出されてもよい。なお、位置情報311bから壁の一部342までの距離に関しては、壁の一部342の重心と位置情報311bとの距離を特徴量としてもよいし、壁の一部342と位置情報311bとの最短距離を特徴量としてもよい。壁の一部342と第1判定領域Sとの干渉を抽出する際に、交差領域が存在せず、壁230が存在しない場合には、動線データ分析部1052は、Infまたは特定の値を壁との距離情報10533に保存してもよい。
目的地2221が第1判定領域S(1)の外に配置されているため(105F203:No)、動線データ分析部1052は、例えば、Infまたは特定の値を特徴量の値として目的地との距離情報10535に保存する。なお、第1判定領域S内に複数の目的地2221が位置する場合には、各目的地2221と位置情報311bとの距離の統計値を特徴量として算出する。
なお、動線データ分析部1052は、例えば、位置情報311aから位置情報311bに移動する際の速度、加速度、移動ベクトル等の情報を、特徴量として加えてもよい。この際に速度、加速度、移動ベクトルの情報を位置情報311aから位置情報311bへ向かう方向を基準とした極座標系で算出してもよい。
動線データ分析部1052は、第1所定角度330ごとに第1判定領域Sを回転させる(105F205)。動線データ分析部1052は、回転後の第1判定領域Sに対して第1特徴部を検出する。第1判定領域Sは、M回回転される(105F206)。所定回数Mは、2πを第1所定角度330で割った数に設定される。すなわち、壁との距離情報10533と、他の人との距離情報10534と、目的地との距離情報10535と、のデータは、M個算出される。
動線データ分析部1052は、位置情報311bにおける第1目的変数を保存する(105F207)。第1目的変数は、例えば、移動距離10536,移動方向10537である。移動距離10536は、例えば、位置情報311bと、位置情報311cとの距離である。移動方向10537は、例えば、第1基準方向320と、位置情報311bおよび位置情報311cを結ぶ直線と、の角度である。
なお、第1目的変数は、人30(1)が位置情報311bから位置情報311cへ移動する際の速度、加速度等の情報でもよい。なお、第1目的変数は、移動方向10537を基準として速度、加速度等の情報を極座標系で算出してもよい。
動線データ分析部1052は、時間tを所定時間進めることで、人30(1)は、位置情報311bから位置情報311cに移動する(105F208)。動線データ分析部1052は、位置311cにて同様に第1特徴量および第1目的変数を算出する。目的地2221に位置する人30(1)の第1特徴量および第1目的変数を算出した場合(105F209:Yes)には、動線データ分析部1052の処理は、終了する。
図14に戻り、動線予測モデル学習部105の処理は、機械学習部1053の処理(105F3)に移動する。機械学習部1053の処理(105F3)では、動線データ分析部1052の処理(105F2)にて得られたワークフローごとの第1特徴量および第1目的変数に対して機械学習を用いることにより、動線予測モデルを学習する。ここで用いる機械学習の手法は、第1特徴量から第1目的変数を予測する関数を学習するものであり、例えば、Gradient Boosting Regression TreeやSuppport Vector Regression、Long Short Term Memoryなどでもよい。なお、学習したワークフローごとの人流データの動線予想モデルのパラメータ1102(1)~1102(N)は、動線予測モデルデータベース110に格納される。なお、動線予測モデルのパラメータ1102(1)~1102(N)は、特に区別しない場合には、パラメータ1102と示す場合がある。
各ワークフローでの機械学習が終了した場合には、動線予測モデル学習部105は、人30のワークフローの遷移確率1105および初期確率1107(図18参照)を算出する(105F4)。遷移確率1105は、人30がワークフローを遷移する確率を示す。初期確率1107は、例えば、人30が最初に位置するチェックポイント220を示す。
なお、遷移確率1105および初期確率1107は、複数の人30の動線データ310の統計から算出されてもよい。遷移確率1105と初期確率1107は、動線予測モデルデータベース110に保存される。
機械学習部1053の処理が終了後、動線予測モデル学習部105の処理(11E2)は、終了する。
図18は、動線予測モデルデータベース110のデータ構造を示した図である。動線予測モデルデータベース110は、動作予想パラメータ110(1)と、チェックポイント間の遷移確率110(2)と、チェックポイントの初期確率110(3)と、を有する。
動作予想パラメータ110(1)には、WID1101と、動線予測モデルのパラメータ1102と、が保存される。WID1101は、ワークフローのIDを表し、WID1091a(図13参照)と対応する。動線予測モデルのパラメータ1102は、例えば、N次元のベクトルとして表される。
チェックポイント間の遷移確率110(2)には、O_WID1103と、D_WID1104と、遷移確率1105と、が保存される。O_WID1103とD_WID1104は、ワークフローの遷移前と遷移後のWIDに相当し、遷移確率1105はO_WID1103からD_WID1104に遷移する確率を表す。
人30は、入口221から自動CI機222へ向かった(WID=0)後、手荷物預かりカウンタ224または電光掲示板226のどちらか一方へ向かう。自動CI機222から手荷物預かりカウンタ224へ向かう人30の数と、自動CI機222から電光掲示板226へ向かう人30の数と、が一致している場合には、動線予測モデル学習部105での遷移確率1105の算出結果は、例えば、共に「0.5」となる。なお、分岐点が無い場合には、遷移確率1105は、「1.0」となる。
チェックポイントの初期確率110(3)には、WID1106と、初期確率1107と、が保存される。WID1106は、WID1101と対応する。動線ワークフロー1045において、入口221の次に人が向かうチェックポイントが自動CI機222であるため、ワークフロー(WID=0)の初期確率は、「1.0」である。
図19は、移動経路予測部106の流れ図である。移動経路予測部106の処理10E3を図22に示す人流データ50を例に挙げて説明する(図3参照)。
図22は、移動経路予測部106の説明図である。人流データ50は、入口221(1)で発生し、自動CI機222(1)内の目的地2221に向かって移動する仮想的な移動体である。人流データ50は、人流データ50a~50jのように移動する。人流データ50a~50jは、時間フレームtaごとに人流データ50をサンプリングしたものである。
移動経路予測部106は、時間フレームtaを設定する(106F1)。時間フレームtaは、例えば、移動経路予測部106が行う動線シミュレーションに設定される時間である。時間フレームtaは、例えば、一定周期で設定され、所定の時間フレームtaから一周期後(所定時間後)の時間フレームtaを時間フレームta+1と示し、時間フレームtaから一周期前(所定時間前)の時間フレームtaを時間フレームta-1と示す。
移動経路予測部106は、設定された時間フレームtaにて人流データ50が発生する場合(106F2:Yes)には、仮想移動データ生成部1061の処理(106F3)に移動する。人流データ50が発生していないと判定される場合(106F3:No)には、移動経路予測部106の処理は、人流特徴量生成処理(106F4)へ移動する。
図20は、仮想移動データ生成部1061の流れ図である。仮想移動データ生成部1061は、各ワークフローの初期確率1107(図18参照)を抽出する(106F101)。仮想移動データ生成部1061は、例えば、ワークフロー(WID=0)の初期確率1107が「1.0」なので、人流データ50を生成するチェックポイント220を入口221に設定する(106F102)。
入口221は、複数のPIDを有しているため(図6参照)、PID=0またはPID=1のどちらかをランダムに選択する(106F103:Yes,106F104)。所定のCID1095に対応する所定のPIDが単数である場合(106F103:No)には、仮想移動データ生成部1061は、所定のPIDを選択する(106F105)。
なお、処理(106F104)において、仮想移動データ生成部1061は、ランダムにPIDを選択するのではなく、データベース107に格納されている動線データ310に関して、どのPID1094のチェックポイント220から開始されているかを集計し、その頻度分布から移動開始位置を決定してもよい。
仮想移動データ生成部1061は、例えば、入口221(1)に人流データ50を生成する(106F106)。なお、人流データ50の移動開始時間をランダムで決定してもよい。仮想移動データ生成部1061は、動線データベース107に格納されている動線データ310に関して、そのワークフローに対応する動線データ310の開始時間を集計し、その頻度分布から移動開始時間を決定してもよい。
移動経路予測部106の処理は、特徴量算出部1062の処理(106F4)へ移動する(図19参照)。なお、処理(106F4)は、図15に示す動線データ分析部1052の処理(105F201~105F606)と同様である。すなわち、移動経路予測部106の処理は、特定の人流データ50を中心に後述する第2判定領域を回転させて第2特徴部を検出する。第2特徴部は、例えば、他の人流データ51および壁230等の人流データ50に対する障害部と、人流データ50の目的地2221と、を有する。他の人流データ51g,51hは、人流データ50以外の人流データである。なお、他の人流データ51g,51hは、特に区別しない場合には、他の人流データ51と示す場合がある。
所定の時間フレームtaにおける人流データ50gに着目し、処理(106F4)を説明する。特徴量算出部1062は、例えば、「第2所定方向」の一例としての第2基準方向521から第2所定角度522の角度を持つ領域に第2判定領域Saを設定する。第2基準方向521は、人流データ50fから人流データ50gへ向かう直線方向である。
第2判定範囲Sa内には、壁の一部542が位置している。特徴量算出部1062は、人流データ50gから壁の一部542までの距離を算出する。第2判定範囲Sa内に他の人流データ51および目的地2221が位置する場合には、特徴量算出部1062は、人流データ50gから他の人流データ51および目的地2221までの距離を算出する。
特徴量算出部1062は、人流データ50gを中心に第2所定角度522ごとに第1判定領域Saを回転させる。動線データ分析部1052は、回転後の第2判定領域Saに対して第2特徴部を検出する。第2判定領域Sは、L回回転される。所定回数Lは、2πを第2所定角度522で割った数で示される。
移動経路予測部106の処理は、シミュレーション部1063の処理(106F5)に移動する(図19参照)。図21は、シミュレーション部1063の流れ図である。所定の時間フレームtaの人流データ50gに着目し、処理(106F5)を説明する。
シミュレーション部1063は、人流データ50gが目的地2221の所定範囲2222内に位置しているか判定する(106F501)。人流データ50gが目的地2221の所定範囲2222内に位置していない為(106F501:No)、シミュレーション部1063は、動線予測モデルデータベース110内の動線予想モデルのパラメータ1102(1)~1102(N)(図18参照)を参照して、人流データ50gの第2目的変数を算出する(106F506)。
第2目的変数は、移動方向524および移動距離523を有する。移動方向524は、例えば、基準方向521と、人流データ50gおよび人流データ50hを接続する直線と、の間の角度である。移動距離523は、人流データ50gと、人流データ50hと、の間の距離である。
図19に戻り、移動経路予測部106は、人流データ50以外の他の人流データ51について処理(106F4,106F5)をする(106F6:No)。各人流データ50について処理(106F4,106F5)をした場合(106F6:Yes)には、移動経路予測部106は、時間フレームtaを一つ進める(106F7)。これにより、人流データ50gおよび人流データ51gは、人流データ50hおよび人流データ51hにそれぞれ移動する。
目的地2221の所定範囲2222に位置する人流データ50jにおけるシミュレーション部1063の処理(106F5)について説明する(図21参照)。人流データ50jが目的地2221の所定範囲2222に位置する為(106F501:Yes)、シミュレーション部1063は、目的地2221の自動CI機222(1)が滞留型かどうかを判定する(106F502)。ワークフローデータベース109aより、自動CI機222(1)が滞留型であるため(106F502:Yes)(図13参照)、シミュレーション部1063は、人流データ50が所定範囲2222内に一定時間以上滞留しているかを判定する(106F503)。なお、目的地が通過型である場合(106F502:No)には、後述する次のワークフローを選択する処理(106F504)へ移動する。
人流データ50が所定範囲2222内で一定時間以上滞留している場合(106F503:Yes)には、シミュレーション部1063は、人流データ50が次に移動するワークフローを選択する(106F504)。選択方法は、動線予測モデルデータベース110に格納された遷移確率1105に基づいて選択してもよい。処理(106F504)終了後、シミュレーション部1063は、処理(106F506)を実行する。
なお、一定時間以上待機していない場合(106F503:No)には、シミュレーション部1063は、人流データ50の次の移動方向524および移動距離523を設定する(105F505)。処理(105F505)にて設定される移動方向524および移動距離523は、所定範囲2222内における任意の位置座標に人流データ50が移動するように制限される。
図19に戻り、移動経路予測部106は、動線シミュレーションの終了条件を満たすかどうかを判定する(106F8)。終了条件を満たさない場合(106F8:No)には、移動経路予測部106の処理は、処理(106F2)へと戻る。終了条件を満たす場合(106F8:Yes)には、移動経路予測部106の処理を終了する。終了条件は、例えば、仮想移動データ生成部1061にて生成された各人流データ50がゲート225に到着することで移動が終了することを条件としてもよい。
このように構成される本実施例によれば、移動経路予測システム10は、レイアウト変更後の空港20内における人30の動線シミュレーションをすることができる。移動経路予測システム10は、動線予測モデルの学習を第1~第5分割動線データ3101~3105ごとにすることで、動線シミュレーションの精度を向上させることができる。その結果、レイアウト変更前に人30の移動経路を確認することができるため、レイアウト変更にかかるコストを抑制する事ができる。
移動経路予測システム10は、ワークフロー分析部104にて、動線データ310から新たなチェックポイントを発見することができる。移動経路予測システム10は、定義ワークフロー1031のうち、削除可能なチェックポイントを発見することができる。この結果、移動経路予測システム10は、チェックポイント220の設定漏れを抑制することができる。
なお、移動計測システム11は、図23に示すように、レーザ計測システム11H1、カメラシステム11H2および端末測位システム11H3のいずれか一つ以上から構成されてもよい。
レーザ計測システム11H1は、レーザ光を発信するレーザ発振器11H11と、レーザの反射光を読み取るレーザ受光器11H12と、演算装置11H13と、を有する。演算装置11H13は、レーザの発振時間と、レーザの受光時間と、の差分からレーザ計測システム11H1の周囲の物体までの距離を複数求める。演算装置11H13は、算出した複数の距離から物体の外径形状および位置座標のデータを算出する。物体の外径形状のデータは、例えば、多数の点で構成された点群データとして示されてもよい。
カメラシステム11H2は、可視光を画像として得るイメージセンサ11H21と、画像の中から人を検知してその位置を推定する演算装置11H22とを有する。
端末測位システム11H3は、例えば、人30が保持することで、人30の位置情報を移動経路予測システム10に送信する端末である。端末測位システム11H3は、演算性能を持ったプロセッサ11H31、揮発性一時記憶領域であるメモリ11H35、不揮発性記憶領域である記憶装置11H32、人の操作を受け付ける入力装置11H36、現在の端末の状況を提示するためのモニタ11H33、無線通信を行うためのネットワークインタフェースカードである無線通信ボード11H37、端末の位置を特定するためのGPS受信機11H34を備える。記憶装置11H32に記録されたプログラムをプロセッサ11H31が実行すると、GPS受信機11H34等を用いて人30の位置情報を測定する。測定された位置情報は、NIC11H37を経由して移動経路予測システム10に送信される。
なお、本発明は、上述した実施形態の構成に限定されるものではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内での全ての変更が含まれることが意図される。
10…移動経路予測システム,11…移動計測システム,101…計測データ取得部,102…地図データ入力部,103…ワークフロー入力部,104…ワークフロー分析部,1041…定義ワークフロー割り当て部,1042…差分抽出部,1043…更新案提示部,1044…ワークフロー更新部,105…動線予測モデル学習部,1051…動線データ分割部,1052…動線データ分析部,1053…機械学習部,106…移動経路予測部,1061…仮想移動データ生成部,1062…特徴量算出部,1063…シミュレーション部,107…動線データベース,108…レイアウトデータベース,109…ワークフローデータベース,110…動線予測モデルデータベース
Claims (12)
- 所定領域内を移動する移動体の経路を予測するシステムであって、
前記所定領域には、少なくとも一つの出発チェックポイントと、少なくとも一つの目的チェックポイントと、少なくとも一つの中間チェックポイントと、を有する複数のチェックポイントが配置されており、
前記移動体は、前記所定領域内を前記出発チェックポイントから前記目的チェックポイントまで前記中間チェックポイントを経由して移動するものであり、
移動計測システムによって前記移動体の移動経路の情報が計測され、
前記移動経路の情報を前記移動計測システムから取得する計測データ取得部と、
前記複数のチェックポイントの位置情報を取得する地図データ入力部と、
前記移動体が移動する前記複数のチェックポイントの経由情報を設定するワークフロー入力部と、
動線予測モデルを機械学習する動線予測モデル学習部と、
前記動線予測モデルに基づいて、前記移動体の経路をシミュレーションする移動経路予測部と、を備え、
前記動線予測モデル学習部は、
前記移動経路の情報を複数区分に分割する動線データ分割部と、
分割された前記移動体の移動経路の情報ごとに、前記動線予測モデルを機械学習する機械学習部と、を備える
移動経路予測システム。 - さらに、前記移動経路予測システムは、ワークフロー分析部を備え、
前記ワークフロー分析部は、
前記移動経路の情報と、前記ワークフロー入力部にて設定された前記複数のチェックポイントの経由情報と、の差分を抽出する差分抽出部と、
抽出された差分を出力する更新案提示部と、
前記経由情報を更新するワークフロー更新部と、を備える
請求項1に記載の移動経路予測システム。 - さらに、前記チェックポイントは、通過型および滞留型の属性に分類され、
前記移動経路の情報は、前記移動体の移動が所定周期ごとに計測された位置情報の集合であり、
前記ワークフロー分析部は、前記移動経路の情報が前記通過型の前記チェックポイントの近傍に位置することで、前記移動体が前記通過型の前記チェックポイントを経由したと判定し、
前記位置情報の集合の密度が前記滞留型の前記チェックポイントの所定範囲内にて一定の閾値以上となることで、前記移動体が前記滞留型の前記チェックポイントを経由したと判定する
請求項2に記載の移動経路予測システム。 - 前記差分抽出部は、
前記位置情報の集合の密度が一定の閾値以上となる前記所定領域の高密度範囲を取得し、前記高密度範囲が前記複数のチェックポイントから所定距離以上離間する場合には、追加候補として前記高密度範囲を差分として抽出する
請求項3に記載の移動経路予測システム。 - 前記差分抽出部は、
前記位置情報の集合の密度が一定の閾値以下となる前記滞留型の前記チェックポイントの情報を取得し、削除するチェックポイントの候補として前記チェックポイントを差分として抽出する
請求項3に記載の移動経路予測システム。 - さらに、前記動線予測モデル学習部は、動線データ分析部を備え、
前記動線データ分析部は、
前記移動体の第1所定方向に第1所定角度を有する第1判定領域を設定し、
前記第1判定領域内に位置する第1特徴部の情報から第1特徴量を算出し、
前記移動体を中心に前記第1判定領域を前記第1所定方向から前記第1所定角度ごとに回転させ、
前記第1判定領域を回転させるごとに前記第1特徴量を算出し、
前記移動体の前記移動経路の情報から第1目的変数を算出する
請求項1に記載の移動経路予測システム。 - 前記移動経路予測部は、
前記出発チェックポイントに仮想的な移動体を生成する仮想移動データ生成部と、
前記仮想的な移動体を前記出発チェックポイントから前記中間チェックポイントを経由し前記目的チェックポイントまで移動させることで前記仮想的な移動体の経路を前記チェックポイント間ごとにシミュレーションするシミュレーション部と、を備える
請求項3に記載の移動経路予測システム。 - さらに、前記移動経路予測部は、特徴量算出部を備え、
前記特徴量算出部は、
前記仮想的な移動体の第2所定方向に第2所定角度を有する第2判定領域を設定し、
前記第2判定領域内に位置する第2特徴部の情報から第2特徴量を算出し、
前記仮想的な移動体を中心に前記第2判定領域を前記第2所定方向から前記第2所定角度ごとに回転させ、
前記第2判定領域を回転させるごとに前記第2特徴量を算出し、
前記シミュレーション部は、
前記第2特徴量から第2目的変数を算出し、
前記第2目的変数に基づいて前記仮想的な移動体の経路をシミュレーションする
請求項7に記載の移動経路予測システム。 - 前記シミュレーション部は、
前記仮想的な移動体の移動先が滞留型の前記チェックポイントである場合において、滞留型の前記チェックポイントの前記所定範囲内に前記仮想的な移動体が滞留するように前記第2目的変数を設定し、
前記仮想的な移動体が滞留型の前記チェックポイントの前記所定範囲内に所定時間以上留まる場合において、前記仮想的な移動体が次に移動する前記チェックポイントを設定する
請求項8に記載の移動経路予測ステム。 - 前記経由情報は、ユーザによって前記ワークフロー入力部に設定される。
請求項1に記載の移動経路予測システム。 - 所定領域には、少なくとも一つの出発チェックポイントと、少なくとも一つの目的チェックポイントと、少なくとも一つの中間チェックポイントと、を有する複数のチェックポイントが配置されており、
移動体は、前記所定領域内を前記出発チェックポイントから前記目的チェックポイントまで前記中間チェックポイントを経由して移動するものであり、
移動計測システムによって前記移動体の移動経路の情報が計測され、
前記所定領域内を移動する前記移動体の経路を予測する方法であって、
前記移動体の前記移動経路の情報を前記移動計測システムから取得し、
前記複数のチェックポイントの位置情報を取得し、
前記移動体が移動する前記複数のチェックポイントの経由情報を設定し、
前記移動経路の情報を複数区分に分割し、
動線予測モデルを、分割された前記移動経路の情報ごとに機械学習し、
前記動線予測モデルに基づいて、前記移動体の経路をシミュレーションする
移動経路予測システムの移動経路予測方法。 - コンピュータを、所定領域内を移動する移動体の経路を予測する移動経路予測システムとして機能させるためのコンピュータプログラムであって、
前記所定領域には、少なくとも一つの出発チェックポイントと、少なくとも一つの目的チェックポイントと、少なくとも一つの中間チェックポイントと、を有する複数のチェックポイントが配置されており、
前記移動体は、前記所定領域内を前記出発チェックポイントから前記目的チェックポイントまで前記中間チェックポイントを経由して移動するものであり、
移動計測システムによって前記移動体の移動経路の情報が計測され、
前記コンピュータ上に、
前記移動体の移動経路の情報を前記移動計測システムから取得する計測データ取得部と、
前記複数のチェックポイントの位置情報を取得する地図データ入力部と、
前記移動体が移動する前記複数のチェックポイントの経由情報を設定するワークフロー入力部と、
前記移動体の移動経路の情報と、設定された前記経由情報との差分を出力するワークフロー分析部と、
前記移動経路の情報を複数区分に分割し、動線予測モデルを分割された前記移動経路の情報ごとに機械学習する動線予測モデル学習部と、
前記動線予測モデルに基づいて、前記移動体の経路をシミュレーションする移動経路予測部と、
をそれぞれ実現させるためのコンピュータプログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP20748419.7A EP3920111A1 (en) | 2019-01-30 | 2020-01-20 | Movement route predict system, movement route predict method, and computer program |
US17/274,978 US20220035974A1 (en) | 2019-01-30 | 2020-01-20 | Movement route prediction system, movement route prediction method, and recording medium |
KR1020207022088A KR20200105686A (ko) | 2019-01-30 | 2020-01-20 | 이동 경로 예측 시스템, 이동 경로 예측 방법, 컴퓨터 프로그램 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019014351A JP6999588B2 (ja) | 2019-01-30 | 2019-01-30 | 移動経路予測システム、移動経路予測方法、コンピュータプログラム |
JP2019-014351 | 2019-01-30 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2020158488A1 true WO2020158488A1 (ja) | 2020-08-06 |
Family
ID=71840423
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/JP2020/001770 WO2020158488A1 (ja) | 2019-01-30 | 2020-01-20 | 移動経路予測システム、移動経路予測方法、コンピュータプログラム |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220035974A1 (ja) |
EP (1) | EP3920111A1 (ja) |
JP (1) | JP6999588B2 (ja) |
KR (1) | KR20200105686A (ja) |
WO (1) | WO2020158488A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113627104A (zh) * | 2021-08-12 | 2021-11-09 | 北京中安智能信息科技有限公司 | 多约束条件下的水下潜艇航迹模拟方法和装置及设备 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11681575B2 (en) * | 2021-06-10 | 2023-06-20 | Arm Limited | Ordered data sub-component extraction |
JP7449982B2 (ja) | 2022-07-05 | 2024-03-14 | 株式会社日立製作所 | 施策策定支援システム、施策策定支援方法、および、施策策定支援プログラム |
WO2024038601A1 (ja) * | 2022-08-19 | 2024-02-22 | 三菱電機株式会社 | 人流制御評価装置、人流制御評価方法、および人流制御評価プログラム |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005165676A (ja) | 2003-12-02 | 2005-06-23 | Mitsubishi Heavy Ind Ltd | 施設管理システム及び施設管理方法 |
US20120254084A1 (en) * | 2009-10-19 | 2012-10-04 | Eads Deutschland Gmbh | Passenger motion prediction and optimization system |
JP2014182713A (ja) | 2013-03-21 | 2014-09-29 | Dainippon Printing Co Ltd | 動線予測装置、動線予測方法、及び、プログラム |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011118777A (ja) * | 2009-12-04 | 2011-06-16 | Sony Corp | 学習装置および学習方法、予測装置および予測方法、並びにプログラム |
US9303997B2 (en) * | 2013-03-15 | 2016-04-05 | Apple Inc. | Prediction engine |
US9638678B2 (en) | 2015-01-30 | 2017-05-02 | AgriSight, Inc. | System and method for crop health monitoring |
US11248918B2 (en) * | 2019-08-16 | 2022-02-15 | Toyota Motor Engineering & Manufacturing North America, Inc. | Integrated training navigation system |
-
2019
- 2019-01-30 JP JP2019014351A patent/JP6999588B2/ja active Active
-
2020
- 2020-01-20 US US17/274,978 patent/US20220035974A1/en active Pending
- 2020-01-20 EP EP20748419.7A patent/EP3920111A1/en not_active Withdrawn
- 2020-01-20 KR KR1020207022088A patent/KR20200105686A/ko not_active Application Discontinuation
- 2020-01-20 WO PCT/JP2020/001770 patent/WO2020158488A1/ja unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005165676A (ja) | 2003-12-02 | 2005-06-23 | Mitsubishi Heavy Ind Ltd | 施設管理システム及び施設管理方法 |
US20120254084A1 (en) * | 2009-10-19 | 2012-10-04 | Eads Deutschland Gmbh | Passenger motion prediction and optimization system |
JP2014182713A (ja) | 2013-03-21 | 2014-09-29 | Dainippon Printing Co Ltd | 動線予測装置、動線予測方法、及び、プログラム |
Non-Patent Citations (2)
Title |
---|
HIDETOSHI KAWAGUCHI , ITSUKI NODA : "1N4-2: Inference of Origin Destination Table Differentiated by Time Considered Multiple estimation of Crowd Simulation", THE 29TH ANNUAL CONFERENCE OF THE JAPANESE SOCIETYFOR ARTIFICIAL INTELLIGENCE 2015., 2 June 2015 (2015-06-02), pages 1 - 4, XP009526292, DOI: :10.11517/pjsai.JSAI2015.0_1N42 * |
NAYA FUTOSHI; MIYAMOTO MASARU; UEDA OSAMU: "Optimal Crowd Navigation via Spatio temporal Multidimensional Collective Data Analysis.", NTT TECHNICAL REVIEW, vol. 29, no. 7, 31 July 2017 (2017-07-31), pages 24 - 28, XP009522767, ISSN: 0915-2318 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113627104A (zh) * | 2021-08-12 | 2021-11-09 | 北京中安智能信息科技有限公司 | 多约束条件下的水下潜艇航迹模拟方法和装置及设备 |
CN113627104B (zh) * | 2021-08-12 | 2024-02-06 | 北京中安智能信息科技有限公司 | 多约束条件下的水下潜艇航迹模拟方法和装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
JP6999588B2 (ja) | 2022-01-18 |
KR20200105686A (ko) | 2020-09-08 |
US20220035974A1 (en) | 2022-02-03 |
EP3920111A1 (en) | 2021-12-08 |
JP2020123128A (ja) | 2020-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020158488A1 (ja) | 移動経路予測システム、移動経路予測方法、コンピュータプログラム | |
CN110531759B (zh) | 机器人探索路径生成方法、装置、计算机设备和存储介质 | |
EP2889579B1 (en) | System and method for defining and predicting aircraft trajectories | |
CN106462627B (zh) | 根据多个位置数据报告分析语义地点和相关数据 | |
CN108241870B (zh) | 用于分配测量数据内特定的感兴趣类别的方法 | |
CN102572390B (zh) | 对监视对象者的行动进行监视的装置以及方法 | |
US20210097103A1 (en) | Method and system for automatically collecting and updating information about point of interest in real space | |
CN109409612B (zh) | 一种路径规划方法、服务器及计算机存储介质 | |
CN107767108A (zh) | Lod工作包 | |
KR20190064594A (ko) | 장소 검출 | |
CN115699098A (zh) | 使用比例图和三维模型的基于机器学习的对象标识 | |
US9547905B2 (en) | Monitoring system with a position-dependent protected area, method for monitoring a monitoring area and computer program | |
CN113436329B (zh) | 可视化乘梯方法、装置、计算机设备及可读存储介质 | |
JP6139178B2 (ja) | センサ統合装置及びセンサ統合方法 | |
JP6894395B2 (ja) | 情報取得装置及び情報集計システム並びに情報集計装置 | |
CN112013860A (zh) | 一种安全出行路线规划、管理方法及装置 | |
JP7446416B2 (ja) | 時空間ポーズ/オブジェクトデータベース | |
JPH07225612A (ja) | 時間軸を探索空間に取り入れた経路探索方法,及び装置 | |
WO2021235296A1 (ja) | 移動体移動予測システム及び移動体移動予測方法 | |
KR102169420B1 (ko) | 행동 특징량 해석 시스템 및 행동 특징량 해석 방법 | |
JP7449982B2 (ja) | 施策策定支援システム、施策策定支援方法、および、施策策定支援プログラム | |
WO2013031092A1 (ja) | 動線検出性能シミュレーションシステム、方法およびプログラム | |
CN112105892B (zh) | 使用运动数据和面元数据识别地图特征的方法和*** | |
Johnson et al. | Cognitive model of agent exploration with vision and signage understanding | |
Chi et al. | A crash avoidance framework for heavy equipment control systems using 3D imaging sensors |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
ENP | Entry into the national phase |
Ref document number: 20207022088 Country of ref document: KR Kind code of ref document: A |
|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 20748419 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
ENP | Entry into the national phase |
Ref document number: 2020748419 Country of ref document: EP Effective date: 20210830 |