Publicly Offered Research
Grant-in-Aid for Scientific Research on Innovative Areas (Research in a proposed research area)
群集の移動について Helbing らの提案する Social Force Model を拡張する方法と深層学習を用いる方法の 2 つの方法でモデル化する方法を明らかにした。前者は Social Force Model に人がどちらに行きたいという意思を埋め込むことができるように拡張する手法を提案した。一般に、Social Force Model は(1)歩行者推進力、(2)社会的作用、(3)壁や障害物の影響力、(4)集団凝縮力、(5)その他の力の相互作用によって移動方向を決定するが、(5)の一つである周りの人についていくという力を定式化した。実際に新国立劇場の避難訓練の移動の様子を再現できることを確認した。パラメータを変化させながら行った実験からナビゲーションの方法によって急激に経路を誤る人が増加することなどが分かった。後者は深層学習によって人の移動軌跡を学習し、テストすることで人の流れの時系列を再現する手法を提案し、３０人程度の対向流が発生するような計測データを用いて、シミュレーションで再現できることを確認した。一方で学習させていないデータを再現するのは困難であることも分かった。さらに群衆が混雑環境を歩く際の各経路の移動時間と時間のかかる経路と時間のかからない経度の差という２つの指標を定式化し、様々なナビゲーション方法によってその指標がどのように変化するかを評価した。特に関門海峡花火大会の実データを用いて評価した。研究内容は国際会議や国内の会議で成果を発表した。
平成30年度が最終年度であるため、記入しない。
All 2019 2018 Other
All Presentation (6 results) (of which Int'l Joint Research: 2 results) Remarks (1 results)
http://onishi-lab.jp/aist
