JP7838263B2

JP7838263B2 - 予測プログラム、予測方法、予測装置、および予測システム

Info

Publication number: JP7838263B2
Application number: JP2021205347A
Authority: JP
Inventors: 文泰牧野嶋; 裕介大石
Original assignee: Fujitsu Ltd
Current assignee: Fujitsu Ltd
Priority date: 2021-12-17
Filing date: 2021-12-17
Publication date: 2026-04-01
Anticipated expiration: 2041-12-17
Also published as: US20230195964A1; EP4198849A1; JP2023090405A

Description

本発明は、予測プログラム、予測方法、予測装置、および予測システムに関する。

イベント開催時や、災害発生の避難時など人の流れが集中する状況では、混雑が発生し、過密による事故や、避難の遅れによる人的被害が発生する可能性がある。そのため、事前に発生し得る混雑状況を予測し、事象が発生する以前に対策を検討できれば、事故や人的被害の発生の回避、リスク低減に繋がる。そのため、未来の人流を予測することが重要になってくる。

従来技術である、個々の人の動きをモデル化したエージェントベースドシミュレーションは、各歩行者の行動を仮定して移動・干渉をシミュレートし、人流を予測することで、これまでに経験のない現象について人流の状態を予測することができる。

また、気象予防などのシミュレーションに観測データを取り入れることで、シミュレーションの予測精度を上げる方法（「データ同化」という場合がある）が検討されており、人流の予測にもデータ同化の適用が検討されている。

特開２０１９－１０１８６０号公報国際公開第２０１８／１３８８０３号

しかしながら、従来のエージェントベースドシミュレーションは、いわゆる、Ｗｈａｔ－ｉｆシナリオ分析であり、実際にシミュレーションの状況が起こるかは分からないため、実際の状況予測にはなっていない。また、人流予測に対するデータ同化については、個人の位置の追跡にとどまっており、人流の予測には適用できていない。

１つの側面では、人流の予測精度を向上させる予測プログラム、予測方法、予測装置、および予測システムを提供することを目的とする。

１つの態様において、予測プログラムは、人の複数の行動の意図に基づいて人流をシミュレーションし、人流の観測データに基づいて、シミュレーションされた人流を評価し、シミュレーションされた人流の評価結果に基づいて、人流を予測する処理をコンピュータに実行させる。

１つの側面では、人流の予測精度を向上させることができる。

図１は、人流と人の行動意図を説明するための図である。図２は、実施例１にかかる予測システム１の構成例を示す図である。図３は、実施例１にかかる人流予測の一例を示す図である。図４は、実施例１にかかる予測装置１０の構成例を示す図である。図５は、実施例１にかかる人流評価の一例を示す図である。図６は、実施例１にかかる行動意図の推定結果の一例を示す図である。図７は、実施例１にかかる密度マップ群の一例を示す図である。図８は、実施例１にかかる予測処理の流れの一例を示すフローチャートである。図９は、ハードウェア構成例を説明する図である。

以下に、本実施形態にかかる予測プログラム、予測方法、予測装置、および予測システムの実施例を図面に基づいて詳細に説明する。なお、この実施例により本実施形態が限定されるものではない。また、各実施例は、矛盾のない範囲内で適宜組み合わせることができる。

まず、図１を用いて、人流と人の行動の意図について説明する。なお、人の行動の意図を単に「行動意図」という場合がある。図１は、人流と人の行動意図を説明するための図である。図１の左側は、Ｘ方向またはＹ方向に向かう通路の人流を示すものである。一方、図１の右側は、出口Ａまたは出口Ｂに向かうエリアの人流を示すものである。このように、人流を予測したい場面では、〇〇に向かうなど、人の行動意図が限定されている場面が少なくない。なお、より具体的な人の行動意図は、例えば、駅の構内であれば、ｘｘ線に乗り換えるか、ｙｙ線に乗り換えるか、ｚｚ出口に行くか、などであり、避難時の状況であれば、どの出口から避難するか、いつ動き出すか、などであるが、これらに限定されない。また、例えば、６０秒後に出口に向かうなど複数の行動意図が組み合わされて１つの行動意図となる場合もあり得る。

人の行動意図をθとして、行動意図θは人流からは観測不可能であるが、例えば、複雑な人流であっても、人流は、いくつかの単純な行動意図θに基づいて行動している個人の行動の重ね合わせによって形成されているといえる。例えば、駅の構内であれば、ｘｘ線に乗り換える行動意図θ_１に基づいて行動している人と、ｙｙ線に乗り換える行動意図θ_２に基づいて行動している人と、・・・行動意図θ_ｚに基づいて行動している人とによって人流が形成される。そして、それぞれの行動意図θは観測できず不明であるが、各行動意図θの結果としての行動は、各人を追跡することにより観測可能である。例えば、ｘｘ線に乗り換える行動意図θ_１に基づいて行動している人を追跡することにより、その人が通路をＺ方向に向かう行動を観測できる。この観測できたＺ方向に向かう行動は、行動意図θ_１の結果としての行動であるため、観測できた行動から、観測できない行動意図θを導出できれば、行動意図に基づいたシミュレーションにより未来の人流を予測できることになる。また、エージェントベースドシミュレーションは実時間よりも早く実行可能であるため、人の行動、延いては人流の観測データを得た後に人流を予測し、制御につなげることが可能である。

そこで、本実施形態では、人の複数の行動意図から人流をシミュレーションし、観測データでシミュレーション結果を評価することで行動意図を推定し、推定結果に基づいて人流を予測することを目的の一つとする。

［予測システム１のシステム構成］
図２は、実施例１にかかる予測システム１の構成例を示す図である。図２に示すように、予測システム１は、予測装置１０と、観測装置１００－１～１００－ｎ（ｎは任意の整数。以下、まとめて「観測装置１００」という）とが、ネットワーク５０を介して相互に通信可能に接続されるシステムである。

ネットワーク５０には、有線や無線を問わず、例えば、駅の構内など所定エリア内で利用されるイントラネットなどの各種通信網を採用できる。また、ネットワーク５０は、単一のネットワークではなく、例えば、イントラネットとインターネットとがゲートウェイなどネットワーク装置やその他の装置（図示せず）を介して構成されてよい。

予測装置１０は、観測装置１００によって観測されたデータを、観測装置１００から受信する。ここで、観測されたデータとは、例えば、観測装置１００によって撮影される映像や画像や、当該映像や画像から生成される所定の時刻における人流の密度マップであってよいが、これらに限定されない。予測装置１０は、人の複数の行動意図から人流をシミュレーションし、観測装置１００から受信した観測データでシミュレーション結果を評価することで行動意図を推定し、推定結果に基づいて人流を予測する。

観測装置１００は、所定エリア内の人流を観測するための装置であり、例えば、カメラ装置である。また、図２に示す予測システム１は、複数の観測装置１００を含んでいるが、１台であってもよい。観測装置１００は、例えば、１秒ごとに人流を観測して観測データを生成する。また、観測装置１００は、ＧＰＳなどにより人流の位置情報を取得できる。

［機能概要］
図３は、実施例１にかかる人流予測の一例を示す図である。図３に示すように、例えば、予測装置１０は、駅の構内や通路などの所定エリアにいる人々に対し、５００パターンなど様々な行動意図θに基づいて個々の人の行動をシミュレーションする。シミュレーションされた個々の人の行動の集合が人流となるため、予測装置１０は、観測装置１００によって得られた所定エリアの人流の観測データを用いて、シミュレートされた人流を評価する。詳細は後述するが、観測データは、例えば、所定の時刻における人流の密度マップであり、予測装置１０は、シミュレーションされた人流を同一フォーマットの密度マップに変換して両密度マップを比較することにより、シミュレーションされた人流を評価できる。

そして、予測装置１０は、シミュレーションされた人流の評価結果から、実際の観測データに近い、シミュレートされた人流の基となった行動意図θを推定し、推定された行動意図θに基づいて未来の人流を予測する。このような人流予測は、例えば、左右に向かう通路で左側に行きたい人が何割いるかを示す行動意図θを推定し、推定された行動意図θに基づいて人流をさらにシミュレーションして予測するものである。なお、人流のシミュレーションは、例えば、粒子フィルタなどの既存技術のアルゴリズムやシミュレーションモデルを用いて実行されてよい。

［予測装置１０の機能構成］
次に、本実施形態の実行主体となる予測装置１０の機能構成について説明する。図４は、実施例１にかかる予測装置１０の構成例を示す図である。図４に示すように、予測装置１０は、通信部２０、記憶部３０、および制御部４０を有する。

通信部２０は、例えば、ネットワーク５０を介して観測装置１００との間の通信を制御する処理部であり、例えば、ネットワークインタフェースカードなどの通信インタフェースである。

記憶部３０は、各種データや、制御部４０が実行するプログラムを記憶する記憶装置の一例であり、例えば、メモリやハードディスクなどである。記憶部３０は、シミュレーションモデル３１、シミュレーション結果データ３２、および観測データ３３などを記憶する。

シミュレーションモデル３１は、例えば、人の行動意図から人流をシミュレーションするためのモデルである。本実施形態では、シミュレーションモデル３１を用いて人の行動意図からシミュレートされた人流を観測データ３３で評価し、評価結果に基づいてさらに人流をシミュレーションモデル３１でシミュレーションすることで予測精度を向上させる。なお、シミュレーションモデル３１は、駅の構内や通路などの所定エリアや、イベント開催時および災害発生の避難時などの所定シーンごとに作成されてよい。

シミュレーション結果データ３２は、例えば、シミュレーションモデル３１を用いて人の行動意図に基づいてシミュレーションされた人流に関するデータである。また、シミュレーション結果データ３２は、観測データ３３による評価結果に基づいてさらにシミュレーションされた人流に関するデータを含んでよい。また、シミュレーション結果データ３２は、所定の時刻における予測された人流の密度マップであってよい。

観測データ３３は、例えば、例えば、観測装置１００によって駅の構内や通路などの所定エリアを撮影した映像や画像や、当該映像や画像から生成される所定の時刻における人流の密度マップである。特に、密度マップは、予測装置１０が観測装置１００から基となるデータを受信して生成してもよいし、観測装置１００によって生成されたものを予測装置１０が受信してもよい。

なお、記憶部３０に記憶される上記各種情報はあくまでも一例であり、記憶部３０は、上記情報以外にも様々な情報を記憶できる。

制御部４０は、予測装置１０全体を司る処理部であり、例えば、プロセッサなどである。制御部４０は、シミュレーション部４１、推定部４２、予測部４３、および出力部４４を備える。なお、各処理部は、プロセッサが有する電子回路の一例やプロセッサが実行するプロセスの一例である。

シミュレーション部４１は、人の複数の行動意図に基づいて人流をシミュレーションする。また、シミュレーション部４１は、シミュレーションされた人流の推定結果に基づいて予測部４３によって予測された行動の意図に基づいて人流をシミュレーションする。これは、いわゆる再シミュレーションであり、予測装置１０は、初回は予め定められた行動意図に基づいて人流をシミュレーションし、２回目以降は推定部４２によって推定された行動意図に基づいて人流をシミュレーションする。これにより、人流に対して、観測データとの評価結果に基づいて尤もらしい予測および再シミュレーションが行え、人流の予測精度をより向上させることができる。

推定部４２は、人流の観測データに基づいて、シミュレーションされた人流を評価する。これは、例えば、人流の観測データとシミュレーションされた人流との誤差に基づいて、当該誤差の逆数をシミュレーションされた人流の尤度として算出する処理である。なお、当該誤差の算出は、人の第１の密度マップである観測データに基づいて、シミュレーションされた人流における個々の人の位置から第２の密度マップを生成し、第１の密度マップと第２の密度マップとに基づいて算出されてよい。そして、推定部４２は、シミュレーションされた人流の評価結果に基づいて、実際の人流の観測データに近いシミュレーションされた人流の基となった行動意図と現在の人流の状態を推定する。なお、行動意図の推定は、例えば、実際に観測される行動を説明する行動意図として複数のものを想定し、それらを推定することもできる。例えば、推定部４２は、避難行動予測において、避難先傾向の行動意図として、複数の出口に対してそれぞれの出口を選択する人の度合いと、避難開始傾向の行動意図として、ある時刻や所定時刻からの経過時間において移動を開始する人の度合いとを推定できる。

予測部４３は、推定部４２によって推定された行動意図と人流の状態に基づいて、人流をシミュレーションして人流を予測する。なお、人流のシミュレーションは、シミュレーション部４１によって行われてよい。また、予測部４３は、人流の予測結果として、例えば、経過時間ごとの密度マップを生成する。

出力部４４は、予測部４３によって予測された人流を予測結果として出力する。なお、予測結果の出力は、予測装置１０と通信可能に接続された他の情報処理装置に出力されてもよいし、予測装置１０と通信可能に接続されたディスプレイ装置など出力されてもよい。または、単にログや画像ファイルなどに出力されてよい。

［機能詳細］
図１、３、５～７を用いて、人流の予測精度を向上させる、人流の予測処理についてより詳細に説明する。ここで、予測する人流が発生する所定エリアとして、図１の右側に示す出口Ａおよび出口Ｂのあるエリアを例として説明する。

まず、図３を用いて説明したように、予測装置１０は、既存技術のアルゴリズムやシミュレーションモデルを用いて、所定エリアにいる人々に対してランダムに設定された様々な行動意図θに基づいて個々の人の行動をシミュレーションする。また、予測装置１０は、シミュレーション結果である個々の人の位置を、観測データと比較するために観測データと同一フォーマットの密度マップ（人／ｍ^２）に変換する。そして、予測装置１０は、所定エリアの人流を観測した観測データを観測装置１００から受信すると、当該観測データを用いてシミュレーション結果を評価する。

図５は、実施例１にかかる人流評価の一例を示す図である。図５の左側に示されるのは、観測装置１００による人流の観測開始からの経過時間５０秒後の所定エリアに対する人流のシミュレーション結果を示すシミュレーション結果データ３２である。一方、図の右側に示されるのは、観測装置１００による人流の観測開始からの経過時間５０秒後の人流の観測データ３３である。

図５に示すように、シミュレーション結果データ３２および観測データ３３は、同一フォーマットの密度マップによって示すことができ、予測装置１０は、両密度マップの誤差を算出して、シミュレーション結果データ３２を評価する。すなわち、シミュレーション結果データ３２と観測データ３３との誤差が小さいほど、予測装置１０は、実際の個々の人の位置、これらの集合として人流を正確に予測できていることを示す。

シミュレーション結果データ３２の評価値の一例として、予測装置１０は、例えば、両密度マップの誤差総量を逆数にして尤度を算出する。これにより、誤差が小さいほど尤度が高くなり、予測装置１０は、尤度が高いほど人流をより正確に予測できたと評価できる。

そして、予測装置１０は、様々な行動意図θに基づいてシミュレーションして得られた複数のシミュレーション結果データ３２の集合から、その尤度に基づいて、現在の人流の状態と行動意図θを推定する。推定された人流の状態と行動意図θは、次のシミュレーションに用いられる。

このように、予測装置１０は、人流の予測シミュレーションによる結果を評価し、実際の人流の観測データに近いシミュレーションから現在の人流と行動意図θの推定と、推定結果に基づくシミュレーションを繰り返すことにより、人流の予測精度を向上させることができる。

図６は、実施例１にかかる行動意図の推定結果の一例を示す図である。図６は、結果的に行動意図θ＝０．７（例えば、出口Ａに向かった人が７割）が正解である場合の行動意図θの推定結果の推移を示すグラフである。図６に示すように、経過時間０秒のシミュレーション初回時は、予めランダムに設定された行動意図θによるシミュレーションが行われるため、行動意図θの推定値が約０．５であり正解の０．７と離れている。しかしながら、経過時間と共に、観測装置１００から観測データ３３が取得され、観測データ３３を用いたシミュレーション結果データ３２の評価が行われ、行動意図θの推定値が徐々に正解に近づいてくる。

次に、密度マップによる推移を示す。図７は、実施例１にかかる密度マップ群の一例を示す図である。図７の上段に示される密度マップ群は、それぞれ、観測装置１００による人流の観測開始からの経過時間５０秒後、１００秒後、１５０秒後の人流の観測データ３３－１、３３－２、３３－３である。一方、図７の下段に示される密度マップ群は、それぞれ、観測装置１００による人流の観測開始からの経過時間５０秒後、１００秒後、１５０秒後の人流のシミュレーション結果を示すシミュレーション結果データ３２－１、３２－２、３２－３である。

図７に示すように、予測装置１０は、経過時間ごとにシミュレーション結果データ３２と観測データ３３とを比較してシミュレーション結果データ３２を評価する。そして、シミュレーション結果データ３２から現在の人流の状態と行動意図θを推定し、次の経過時間のシミュレーション、延いては予測に用いる。これにより、予測装置１０は、経過時間と共に、シミュレーション結果データ３２を正解である観測データ３３に徐々に近づけることができ、人流の予測精度を向上させることができる。

［処理の流れ］
次に、図８のフローチャートを用いて、予測装置１０による人流の予測処理の流れを説明する。図８は、実施例１にかかる予測処理の流れの一例を示すフローチャートである。

まず、予測装置１０は、初期シミュレーション群の生成として、人流を予測する駅の構内や通路などの所定エリアにおける人々の位置情報や、移動速度、行動意図θなどのシミュレーションパラメータをランダムに設定する（ステップＳ１０１）。なお、行動意図θは、例えば、５００パターンなど様々なパターンがランダムに設定されてよい。

次に、予測装置１０は、ステップＳ１０１で設定したシミュレーションパラメータの各々を、既存技術のアルゴリズムやシミュレーションモデルに入力することで、人流予測のシミュレーションを実行する（ステップＳ１０２）。なお、当該シミュレーションの実行は、行動意図ごとに実行されてよく、例えば、定期的、または不定期的に実行されてよい。また、予測される人流は、３０秒後や５０秒後など予め定められた経過時間のものであってよい。

次に、予測装置１０は、経過時間ごとにシミュレートされた人流をシミュレーション結果として出力する（ステップＳ１０３）。

次に、予測装置１０が、ステップＳ１０２でシミュレートした経過時間の観測データを観測装置１００から受信していない場合（ステップＳ１０４：Ｎｏ）は、ステップＳ１０２に戻り、次の経過時間の人流を予測する。

一方、シミュレートした経過時間の観測データを受信している場合（ステップＳ１０４：Ｙｅｓ）、予測装置１０は、ステップＳ１０３で出力したシミュレートされた人流を、例えば、受信した観測データ相当の密度マップに変換する（ステップＳ１０５）。なお、観測データの密度マップのフォーマットが予め分かっている場合、予測装置１０は、例えば、ステップＳ１０３のシミュレーション結果の出力の際に、シミュレートされた人流を密度マップに変換して出力してもよい。この場合、当然ながらステップＳ１０５の密度マップへの変換は再度実行されなくてよい。

次に、予測装置１０は、観測データに対するシミュレーション結果の尤度を算出し、評価する（ステップＳ１０６）。これは、例えば、観測データの密度マップと、シミュレートされた人流の密度マップとの誤差の逆数を尤度として算出し、尤度に基づいてシミュレーション結果を評価する処理である。また、当該シミュレーション結果の評価は、シミュレートされた人流の基となった行動意図ごとに実行されてよい。

次に、予測装置１０は、シミュレーション結果の尤度に基づいて、シミュレーション群を再構成する（ステップＳ１０７）。これは、例えば、尤度に基づきシミュレーション結果を取捨選択し、その基となった行動意図θを推定した上で、次のシミュレーションパラメータを設定する処理である。より具体的には、予測装置１０は、例えば、ステップＳ１０１で初期値として行動意図θを０．１～１．０の間で設定しており、尤度が最も高い行動意図θが０．６であった場合、０．５～０．７の間で次のシミュレーションパラメータの行動意図θを設定する。なお、ここで説明する行動意図θの各値はあくまでも一例である。また、人々の位置情報や移動速度など、その他のシミュレーションパラメータは、観測データに基づいて再構成されてよい。

次に、予測装置１０は、再構成されたシミュレーション群での人々の位置情報や、移動速度、行動意図θなどのシミュレーションパラメータを出力する（ステップＳ１０８）。そして、ステップＳ１０２に戻り、予測装置１０は、ステップＳ１０８で出力されたシミュレーションパラメータを、既存技術のアルゴリズムやシミュレーションモデルに入力することで、人流予測の再シミュレーションを実行する。なお、これ以上、シミュレーションを実行しない場合、ステップＳ１０２に戻ることなく、図８に示す予測処理は終了する。

［効果］
上述したように、予測装置１０は、人の複数の行動の意図に基づいて人流をシミュレーションし、人流の観測データ３３に基づいて、シミュレーションされた人流を評価し、シミュレーションされた人流の評価結果に基づいて、人流を予測する。

これにより、予測装置１０は、人の複数の行動の意図から人流をシミュレーションし、観測データでシミュレーション結果を評価することで、人流の状態と行動意図を推定し、シミュレーションの評価結果に基づいて人流を予測して、人流の予測精度を向上させることができる。

また、予測装置１０によって実行される、シミュレーションされた人流を評価する処理は、観測データ３３とシミュレーションされた人流との誤差に基づいて、評価結果として、シミュレーションされた人流の尤度を算出する。

これにより、予測装置１０は、人流の予測精度を向上させることができる。

また、予測装置１０は、人の第１の密度マップである観測データ３３に基づいて、シミュレーションされた人流における個々の人の位置から第２の密度マップを生成し、第１の密度マップと第２の密度マップとに基づいて誤差を算出する。

また、予測装置１０は、評価結果に基づいて、人流の状態と行動の意図を推定し、予測装置１０によって実行される、行動の意図に基づいて人流をシミュレーションする処理は、予測された行動の意図に基づいて人流をシミュレーションする処理を含む。

これにより、予測装置１０は、人流の予測精度をより向上させることができる。

［システム］
上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更できる。また、実施例で説明した具体例、分布、数値などは、あくまで一例であり、任意に変更できる。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散や統合の具体的形態は図示のものに限られない。つまり、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成できる。さらに、各装置にて行われる各処理機能は、その全部または任意の一部が、ＣＰＵ（ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）やＧＰＵ（ＧｒａｐｈｉｃｓＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）、および当該ＣＰＵやＧＰＵにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。

［ハードウェア］
図９は、ハードウェア構成例を説明する図である。図９に示すように、予測装置１０は、通信インタフェース１０ａ、ＨＤＤ（ＨａｒｄＤｉｓｋＤｒｉｖｅ）１０ｂ、メモリ１０ｃ、プロセッサ１０ｄを有する。また、図９に示した各部は、バスなどで相互に接続される。

通信インタフェース１０ａは、ネットワークインタフェースカードなどであり、他のサーバとの通信を行う。ＨＤＤ１０ｂは、図４に示した機能を動作させるプログラムやＤＢを記憶する。

プロセッサ１０ｄは、図４に示した各処理部と同様の処理を実行するプログラムをＨＤＤ１０ｂなどから読み出してメモリ１０ｃに展開することで、図４などで説明した各機能を実行するプロセスを動作させるハードウェア回路である。すなわち、このプロセスは、予測装置１０が有する各処理部と同様の機能を実行する。具体的には、プロセッサ１０ｄは、シミュレーション部４１および推定部４２などと同様の機能を有するプログラムをＨＤＤ１０ｂなどから読み出す。そして、プロセッサ１０ｄは、シミュレーション部４１および推定部４２などと同様の処理を実行するプロセスを実行する。

このように予測装置１０は、図４に示した各処理部と同様の処理を実行するプログラムを読み出して実行することで動作制御処理を実行する情報処理装置として動作する。また、予測装置１０は、媒体読取装置によって記録媒体からプログラムを読み出し、読み出されたプログラムを実行することで上述した実施例と同様の機能を実現することもできる。なお、この他の実施例でいうプログラムは、予測装置１０によって実行されることに限定されるものではない。例えば、他のコンピュータまたはサーバがプログラムを実行する場合や、これらが協働してプログラムを実行するような場合にも、本実施形態を同様に適用できる。

また、図４に示した各処理部と同様の処理を実行するプログラムは、インターネットなどのネットワークを介して配布できる。また、このプログラムは、ハードディスク、フレキシブルディスク（ＦＤ）、ＣＤ－ＲＯＭ、ＭＯ（Ｍａｇｎｅｔｏ－Ｏｐｔｉｃａｌｄｉｓｋ）、ＤＶＤ（ＤｉｇｉｔａｌＶｅｒｓａｔｉｌｅＤｉｓｃ）などのコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行できる。

さて、これまで本発明の実施例について説明したが、本発明は上述した実施例以外にも、種々の異なる形態にて実施されてよいものである。

以上の実施例を含む実施形態に関し、さらに以下の付記を開示する。

（付記１）人の複数の行動の意図に基づいて人流をシミュレーションし、
前記人流の観測データに基づいて、前記シミュレーションされた人流を評価し、
前記シミュレーションされた人流の評価結果に基づいて、前記人流を予測する
処理をコンピュータに実行させることを特徴とする予測プログラム。

（付記２）前記シミュレーションされた人流を評価する処理は、
前記観測データと前記シミュレーションされた人流との誤差に基づいて、前記評価結果として、前記シミュレーションされた人流の尤度を算出する
処理を含むことを特徴とする付記１に記載の予測プログラム。

（付記３）前記人の第１の密度マップである前記観測データに基づいて、前記シミュレーションされた人流における個々の前記人の位置から第２の密度マップを生成し、
前記第１の密度マップと前記第２の密度マップとに基づいて前記誤差を算出する
処理を前記コンピュータに実行させることを特徴とする付記２に記載の予測プログラム。

（付記４）前記評価結果に基づいて、前記行動の意図を推定する処理を前記コンピュータに実行させ、
前記行動の意図に基づいて前記人流をシミュレーションする処理は、
前記予測された行動の意図に基づいて前記人流をシミュレーションする
処理を含むことを特徴とする付記１乃至３のいずれか１つに記載の予測プログラム。

（付記５）人の複数の行動の意図に基づいて人流をシミュレーションし、
前記人流の観測データに基づいて、前記シミュレーションされた人流を評価し、
前記シミュレーションされた人流の評価結果に基づいて、前記人流を予測する
処理をコンピュータが実行することを特徴とする予測方法。

（付記６）前記シミュレーションされた人流を評価する処理は、
前記観測データと前記シミュレーションされた人流との誤差に基づいて、前記評価結果として、前記シミュレーションされた人流の尤度を算出する
処理を含むことを特徴とする付記５に記載の予測方法。

（付記７）前記人の第１の密度マップである前記観測データに基づいて、前記シミュレーションされた人流における個々の前記人の位置から第２の密度マップを生成し、
前記第１の密度マップと前記第２の密度マップとに基づいて前記誤差を算出する
処理を前記コンピュータが実行することを特徴とする付記６に記載の予測方法。

（付記８）前記評価結果に基づいて、前記行動の意図を推定する処理を前記コンピュータが実行し、
前記行動の意図に基づいて前記人流をシミュレーションする処理は、
前記予測された行動の意図に基づいて前記人流をシミュレーションする
処理を含むことを特徴とする付記５乃至７のいずれか１つに記載の予測方法。

（付記９）人の複数の行動の意図に基づいて人流をシミュレーションし、
前記人流の観測データに基づいて、前記シミュレーションされた人流を評価し、
前記シミュレーションされた人流の評価結果に基づいて、前記人流を予測する
処理を実行する制御部を有することを特徴とする予測装置。

（付記１０）前記シミュレーションされた人流を評価する処理は、
前記観測データと前記シミュレーションされた人流との誤差に基づいて、前記評価結果として、前記シミュレーションされた人流の尤度を算出する
処理を含むことを特徴とする付記９に記載の予測装置。

（付記１１）前記人の第１の密度マップである前記観測データに基づいて、前記シミュレーションされた人流における個々の前記人の位置から第２の密度マップを生成し、
前記第１の密度マップと前記第２の密度マップとに基づいて前記誤差を算出する
処理を前記制御部が実行することを特徴とする付記１０に記載の予測装置。

（付記１２）前記評価結果に基づいて、前記行動の意図を推定する処理を前記制御部が実行し、
前記行動の意図に基づいて前記人流をシミュレーションする処理は、
前記予測された行動の意図に基づいて前記人流をシミュレーションする
処理を含むことを特徴とする付記９乃至１１のいずれか１つに記載の予測装置。

（付記１３）人流を観測して人流の観測データを生成する観測装置と、
前記観測データを受信し、
人の複数の行動の意図に基づいて前記人流をシミュレーションし、
前記観測データに基づいて、前記シミュレーションされた人流を評価し、
前記シミュレーションされた人流の評価結果に基づいて、前記人流を予測する
処理を実行する予測装置と
を備えたことを特徴とする予測システム。

（付記１４）前記シミュレーションされた人流を評価する処理は、
前記観測データと前記シミュレーションされた人流との誤差に基づいて、前記評価結果として、前記シミュレーションされた人流の尤度を算出する
処理を含むことを特徴とする付記１３に記載の予測システム。

（付記１５）前記人の第１の密度マップである前記観測データに基づいて、前記シミュレーションされた人流における個々の前記人の位置から第２の密度マップを生成し、
前記第１の密度マップと前記第２の密度マップとに基づいて前記誤差を算出する
処理を前記予測装置が実行することを特徴とする付記１４に記載の予測システム。

（付記１６）前記評価結果に基づいて、前記行動の意図を推定する処理を前記予測装置が実行し、
前記行動の意図に基づいて前記人流をシミュレーションする処理は、
前記予測された行動の意図に基づいて前記人流をシミュレーションする
処理を含むことを特徴とする付記１３乃至１５のいずれか１つに記載の予測システム。

（付記１７）プロセッサと、
プロセッサに動作可能に接続されたメモリと
を備えた予測装置であって、プロセッサは、
人の複数の行動の意図に基づいて人流をシミュレーションし、
前記人流の観測データに基づいて、前記シミュレーションされた人流を評価し、
前記シミュレーションされた人流の評価結果に基づいて、前記人流を予測する
処理を実行することを特徴とする予測装置。

１０予測装置
１０ａ通信インタフェース
１０ｂＨＤＤ
１０ｃメモリ
１０ｄプロセッサ
２０通信部
３０記憶部
３１シミュレーションモデル
３２シミュレーション結果データ
３３観測データ
４０制御部
４１シミュレーション部
４２推定部
４３予測部
４４出力部
５０ネットワーク
１００観測装置

Claims

人の複数の行動の意図ごとに、所定エリアにおける人流をシミュレーションし、
前記複数の行動の意図それぞれに対して、前記所定エリアにおける実際の前記人流の観測データと、前記シミュレーションされた人流に関するデータとの誤差の値の逆数を尤度として算出し、前記尤度が最も高い行動の意図を選択し、
選択された前記行動の意図について、前記所定エリアにおけるシミュレーションを再度実行して前記人流を予測する
処理をコンピュータに実行させることを特徴とする予測プログラム。
前記人流がシミュレーションされた所定エリアにおける前記人の第１の密度マップである前記観測データと同一のフォーマットで、前記シミュレーションされた人流における個々の前記人の位置を用いた第２の密度マップを生成し、
前記第１の密度マップと前記第２の密度マップとに基づいて前記誤差を算出する
処理を前記コンピュータに実行させることを特徴とする請求項１に記載の予測プログラム。
前記選択する処理は、
前記複数の行動の意図それぞれ対して、前記所定エリアにおける前記人の第１の密度マップである前記観測データと同一のフォーマットで、前記シミュレーションされた人流における個々の前記人の位置を用いた第２の密度マップを生成し、
前記第１の密度マップと前記第２の密度マップとに基づいて誤差を算出し、
前記誤差の逆数を尤度として算出し、
前記尤度が最も大きい行動の意図を選択する、
ことを特徴とする請求項１に記載の予測プログラム。
人の複数の行動の意図ごとに、所定エリアにおける人流をシミュレーションし、
前記複数の行動の意図それぞれに対して、前記所定エリアにおける実際の前記人流の観測データと、前記シミュレーションされた人流に関するデータとの誤差の値の逆数を尤度として算出し、前記尤度が最も高い行動の意図を選択し、
選択された前記行動の意図について、前記所定エリアにおけるシミュレーションを再度実行して前記人流を予測する
処理をコンピュータが実行することを特徴とする予測方法。
人の複数の行動の意図ごとに、所定エリアにおける人流をシミュレーションし、
前記複数の行動の意図それぞれに対して、前記所定エリアにおける実際の前記人流の観測データと、前記シミュレーションされた人流に関するデータとの誤差の値の逆数を尤度として算出し、前記尤度が最も高い行動の意図を選択し、
選択された前記行動の意図について、前記所定エリアにおけるシミュレーションを再度実行して前記人流を予測する
処理を実行する制御部を有することを特徴とする予測装置。
所定エリアにおける実際の人流を観測して人流の観測データを生成する観測装置と、
前記観測データを受信し、
人の複数の行動の意図ごとに、前記所定エリアにおける人流をシミュレーションし、
前記複数の行動の意図それぞれに対して、前記所定エリアにおける実際の前記人流の観測データと、前記シミュレーションされた人流に関するデータとの誤差の値の逆数を尤度として算出し、前記尤度が最も高い行動の意図を選択し、
選択された前記行動の意図について、前記所定エリアにおけるシミュレーションを再度実行して前記人流を予測する、
処理を実行する予測装置と
を備えたことを特徴とする予測システム。