特許ウォッチ

公開番号2024174766
公報種別公開特許公報(A)
公開日2024-12-17
出願番号2023092782
出願日2023-06-05
発明の名称データ生成プログラム、方法、及び装置
出願人富士通株式会社,国立大学法人九州大学
代理人弁理士法人太陽国際特許事務所
主分類G08G 1/01 20060101AFI20241210BHJP(信号)
要約【課題】高精度な交通シミュレーションの機械学習モデルを構築するための多様な訓練データを生成する。
【解決手段】データ生成装置は、第1期間内における所定の地理範囲における複数の移動体それぞれの移動状況を複数の時点毎に示した経路情報から、第1期間内に含まれ第1期間よりも短い第2期間内に移動を開始した移動体の経路情報を抽出し、抽出した経路情報に基づいて、経路情報に含まれる移動体の移動における出発点と到着点との組み合わせ毎の移動体の数を集計した集計情報と、所定の地理範囲の交通の混み具合を示す情報とを生成し、集計情報を入力特徴量とし混み具合を示す情報をラベル情報とした訓練データを、集計情報に応じた交通の混み具合を導出する機械学習モデルの訓練データとして生成する。
【選択図】図13
特許請求の範囲【請求項１】
第１期間内における所定の地理範囲における複数の移動体それぞれの移動状況を複数の時点毎に示した経路情報から、前記第１期間内に含まれ前記第１期間よりも短い第２期間内に移動を開始した移動体の経路情報を抽出し、
抽出した前記経路情報に基づいて、前記経路情報に含まれる移動体の移動における出発点と到着点との組み合わせ毎の移動体の数を集計した集計情報と、前記所定の地理範囲の交通の混み具合を示す情報とを生成し、
前記集計情報を入力特徴量とし前記混み具合を示す情報をラベル情報とした訓練データを、集計情報に応じた交通の混み具合を導出する機械学習モデルの訓練データとして生成する、
ことを含む処理をコンピュータに実行させるためのデータ生成プログラム。
続きを表示（約 1,200 文字）【請求項２】
前記第１期間において記録された前記複数の移動体それぞれの移動状況を、前記移動体の活動を基準に分割することで、前記経路情報を生成することをさらに含む処理を前記コンピュータに実行させるための請求項１に記載のデータ生成プログラム。
【請求項３】
前記移動状況における前記移動体の活動の区切りは、前記移動体の位置が一定範囲に一定時間留まっていることを示す部分である請求項２に記載のデータ生成プログラム。
【請求項４】
前記経路情報は、前記複数の時点毎の移動体の位置情報の系列に前記経路情報の識別情報が対応付けられた情報であり、
前記経路情報の移動開始時刻と前記経路情報の識別情報とを対応付けたリストを作成し、開始時刻及び終了時刻がそれぞれ異なる複数の前記第２期間のそれぞれについて、前記第２期間に前記移動開始時刻が含まれる前記経路情報の識別情報を前記リストから抽出し、抽出した前記経路情報の識別情報に対応付けられた前記経路情報を抽出する、
請求項１～請求項３のいずれか１項に記載のデータ生成プログラム。
【請求項５】
生成した前記訓練データを用いて、前記機械学習モデルを訓練することをさらに含む処理を前記コンピュータに実行させるための請求項１～請求項３のいずれか１項に記載のデータ生成プログラム。
【請求項６】
第１期間内における所定の地理範囲における複数の移動体それぞれの移動状況を複数の時点毎に示した経路情報から、前記第１期間内に含まれ前記第１期間よりも短い第２期間内に移動を開始した移動体の経路情報を抽出し、
抽出した前記経路情報に基づいて、前記経路情報に含まれる移動体の移動における出発点と到着点との組み合わせ毎の移動体の数を集計した集計情報と、前記所定の地理範囲の交通の混み具合を示す情報とを生成し、
前記集計情報を入力特徴量とし前記混み具合を示す情報をラベル情報とした訓練データを、集計情報に応じた交通の混み具合を導出する機械学習モデルの訓練データとして生成する、
ことを含む処理をコンピュータが実行するデータ生成方法。
【請求項７】
第１期間内における所定の地理範囲における複数の移動体それぞれの移動状況を複数の時点毎に示した経路情報から、前記第１期間内に含まれ前記第１期間よりも短い第２期間内に移動を開始した移動体の経路情報を抽出する抽出部と、
抽出した前記経路情報に基づいて、前記経路情報に含まれる移動体の移動における出発点と到着点との組み合わせ毎の移動体の数を集計した集計情報と、前記所定の地理範囲の交通の混み具合を示す情報とを生成し、前記集計情報を入力特徴量とし前記混み具合を示す情報をラベル情報とした訓練データを、集計情報に応じた交通の混み具合を導出する機械学習モデルの訓練データとして生成する生成部と、
を含むデータ生成装置。

発明の詳細な説明【技術分野】
【０００１】
開示の技術は、データ生成プログラム、データ生成方法、及びデータ生成装置に関する。
続きを表示（約 2,100 文字）【背景技術】
【０００２】
従来、交通シミュレーションを用いて、公共交通のスケジュール等を最適化する技術が存在する。例えば、イベント開催時の特別バスの運行スケジュールを決定する場合、交通状況に合わせて特別バスの発着時間を設定して、混雑の発生及び拡大を回避する必要がある。このような場合に、交通シミュレーションを使って混雑を起こさない最適なスケジュールを探索する。
【０００３】
交通シミュレーション装置の構築は大変な手間がかかる。また、シミュレーション実行時の計算負荷も高い。一方で、プローブデータから交通需要及び交通密度を抽出し、両者の関係をニューラルネットワーク等の機械学習モデルを用いて学習することで、高精度なシミュレーションの代替モデル（サロゲートモデル）を構築することができる。サロゲートモデルは計算負荷が低いため、シミュレーションによるタスクの最適化の応用範囲を広げることができる。例えば、日々のスケジュールの最適化にも適用可能になる。
【０００４】
サロゲートモデルによる交通シミュレーションに関する技術として、人流や交通流の推定を効率的に行うデータ生成装置が提案されている。この装置は、環境を表す第１のパラメータと複数の移動体のそれぞれの環境における移動の属性を表す第２のパラメータとを取得し、第２のパラメータに基づいて、複数の移動体を複数のグループに分類する。また、この装置は、複数のグループのそれぞれに分類された移動体の数を示す第３のパラメータを生成し、第１のパラメータと第３のパラメータとを機械学習モデルに入力し、複数の移動体の環境における移動に関する推定情報を生成する。
【先行技術文献】
【特許文献】
【０００５】
特開２０２２－１３１３９３号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
交通シミュレーションのサロゲートモデルを構築するためには、幅広い状況を網羅する訓練データが必要である。しかし、訓練に用いるデータが高価であったり、そもそも存在しなかったり（訓練に十分な量が実測データとして得られていない）という理由で入手することが困難である。そのため、限られたデータから、高精度なサロゲートモデルを訓練するための多様な訓練データを生成することが必要である。
【０００７】
一つの側面として、開示の技術は、高精度な交通シミュレーションの機械学習モデルを構築するための多様な訓練データを生成することを目的とする。
【課題を解決するための手段】
【０００８】
一つの態様として、開示の技術は、第１期間内における所定の地理範囲における複数の移動体それぞれの移動状況を複数の時点毎に示した経路情報から、第２期間内に移動を開始した移動体の経路情報を抽出する。第２期間は、前記第１期間内に含まれ、前記第１期間よりも短い期間である。また、開示の技術は、抽出した前記経路情報に基づいて、前記経路情報に含まれる移動体の移動における出発点と到着点との組み合わせ毎の移動体の数を集計した集計情報と、前記所定の地理範囲の交通の混み具合を示す情報とを生成する。そして、開示の技術は、前記集計情報を入力特徴量とし前記混み具合を示す情報をラベル情報とした訓練データを、集計情報に応じた交通の混み具合を導出する機械学習モデルの訓練データとして生成する。
【発明の効果】
【０００９】
一つの側面として、高精度な交通シミュレーションの機械学習モデルを構築するための多様な訓練データを生成することができる、という効果を有する。
【図面の簡単な説明】
【００１０】
交通シミュレーションを説明するための図である。
道路ネットワークの一例を示す概略図である。
サロゲートモデルの機械学習フェーズを説明するための図である。
サロゲートモデルを用いた最適化フェーズを説明するための図である。
系列データのデータ拡張を説明するための図である。
通常の系列データのデータ拡張を適用した場合の課題を説明するための図である。
本実施形態に係るデータ生成装置の機能ブロック図である。
プローブデータ及び経路情報の一例を示す図である。
時間ウィンドウの一例を示す図である。
移動開始時刻リストの一例を示す図である。
ＩＤリストの一例を示す図である。
時間ウィンドウ毎に抽出した経路情報の一例を示す図である。
時間ウィンドウ毎に抽出した経路情報に基づくＯＤ表及び交通密度の生成を説明するための図である。
データ生成装置として機能するコンピュータの概略構成を示すブロック図である。
データ生成処理の一例を示すフローチャートである。
【発明を実施するための形態】
（【００１１】以降は省略されています）

関連特許