| 研究課題/領域番号 |
19K04752
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分23030:建築計画および都市計画関連
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
安福 健祐 大阪大学, サイバーメディアセンター, 准教授 (20452386)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2021年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2020年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2019年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | データ駆動 / エージェントベース / 避難シミュレーション / 群集 / 回遊行動 / 機械学習 / 可視化 / 群集シミュレーション / 避難 / 地下街 / 大型商業施設 / 強化学習 / 地下空間 / 浸水 / マルチエージェント / マルチエージェントシステム / 防災 |
|---|
| 研究開始時の研究の概要 |
本研究は、避難行動データを機械学習によって再現するデータ駆動型のアプローチをエージェントベースの避難シミュレーションに採用することで、複雑な人間の避難行動の再現性、妥当性を向上させつつ、汎用性のあるシステムを開発することを目的としている。人間の動きを完全に再現する法則はないため、従来、様々な仮定の元でモデル化が行われてきた。データ駆動型のアプローチでは、学習用データの質と量が結果の再現性に大きく作用するため、歩行者の視覚をベースとした深層学習による行動抽出や、軌跡マイニング技術を使った最適化など、様々なタイプのデータで検証を行い、その効果を明らかにする。
|
| 研究成果の概要 |
本研究は、エージェントベースの避難シミュレーションにデータ駆動型のアプローチを取り入れることで、複雑な人間の行動の再現性を向上させつつ、実用性のあるシステムを開発することを目的としており、津波による地下空間浸水からの避難を対象に、ある地下街管理会社から提供された滞留者予測データ、避難シナリオを入力データとし、避難安全性の評価を行った。また、大型商業施設を対象として、施設会員カードの購入履歴データから店舗間の遷移確率を生成することで群集シミュレーションによる買い回り行動を再現した。さらに、機械学習により群集行動モデルを生成する手法としてゲームエンジンUnityを活用した開発を進めた。
|
| 研究成果の学術的意義や社会的意義 |
地下街の管理会社が想定する避難誘導計画データを活用してエージェントベースの避難シミュレーションを行い、想定されていた避難誘導効果を検証できたことは社会的な意義が大きい。また、従来はモデル化が難しかった平常時の回遊行動を、大型複合商業施設における購入履歴データをベースに一定の精度をもって再現できることを示したことは学術的意義がある。さらに、ゲームエンジンと機械学習を活用した群集シミュレーションのフレームワークの構築から群集密度の効果的な可視化手法を検討することにより、リアルタイムで群集予測を行う群集マネジメントへの活用が期待できる。
|
