{"@context":{"@vocab":"https://cir.nii.ac.jp/schema/1.0/","rdfs":"http://www.w3.org/2000/01/rdf-schema#","dc":"http://purl.org/dc/elements/1.1/","dcterms":"http://purl.org/dc/terms/","foaf":"http://xmlns.com/foaf/0.1/","prism":"http://prismstandard.org/namespaces/basic/2.0/","cinii":"http://ci.nii.ac.jp/ns/1.0/","datacite":"https://schema.datacite.org/meta/kernel-4/","ndl":"http://ndl.go.jp/dcndl/terms/","jpcoar":"https://github.com/JPCOAR/schema/blob/master/2.0/"},"@id":"https://cir.nii.ac.jp/crid/1050293246444011392.json","@type":"Article","productIdentifier":[{"identifier":{"@type":"URI","@value":"https://ipsj.ixsq.nii.ac.jp/records/219661"}}],"resourceType":"会議発表資料(conference paper)","dc:title":[{"@value":"行列を考慮したデータ駆動型人流シミュレーション"}],"dc:language":"ja","description":[{"type":"Other","notation":[{"@value":"公共施設や商業施設，工場・倉庫における人や物の動きに関するデータ (動線データ) の分析・利活用が近年注目されている．本研究では，上記のような施設の効率運用に向けた施策検討において施設内の行列に関する事前評価を可能とする行列を考慮したデータ駆動型人流シミュレーション手法を提案する．再帰的滞留判定に基づく行列認識により，動線データから移動状態と行列状態のデータを判別し，それぞれの状態に応じて次ステップの歩行速度を予測する手法を提案する．また，行列が形成されることが多い蛇腹状通路のシミュレーション精度向上に向け，従来手法では未活用であったオクルージョン領域の情報を捉えた新たな特徴量としてグリッド特徴量を算出し，Convolutional Neural Network ベースで生成した予測モデルを用いて人流シミュレーションを行う手法を提案する．空港の保安検査場を模擬した動線データを用いた実験を通し，蛇腹状通路を迷わず歩行した人の割合が 92.6% (従来比+66.7%) と蛇腹状通路のシミュレーション精度の大幅な向上を実現した．また，人毎のサービス待ち時間については，誤差率 4.4% の精度でシミュレーション可能であり，行列に関する施策効果の定量評価について実用に資する精度が得られることを確認した．"}]}],"creator":[{"@id":"https://cir.nii.ac.jp/crid/1070293246444011392","@type":"Researcher","foaf:name":[{"@value":"半田, 岳志"}]},{"@id":"https://cir.nii.ac.jp/crid/1070293246444011393","@type":"Researcher","foaf:name":[{"@value":"北野, 佑"}]}],"publication":{"prism:publicationName":[{"@value":"マルチメディア，分散，協調とモバイルシンポジウム2022論文集"}],"dc:publisher":[{"@value":"情報処理学会"}],"prism:publicationDate":"2022-07-06","prism:volume":"2022","prism:startingPage":"614","prism:endingPage":"621"},"url":[{"@id":"https://ipsj.ixsq.nii.ac.jp/records/219661"}],"dataSourceIdentifier":[{"@type":"IRDB","@value":"oai:irdb.nii.ac.jp:02902:0005503515"}]}