本技术介绍参考了以下链接
English
2016年1月29日
富士通在新加坡启动了缓解人和交通拥堵的现场试验
将人工智能技术Zinrai用于人的行为特征
株式会社富士通研究所（注1）（以下简称，富士通研究所）11月1日在新加坡开始了旨在减少围绕重大事件，体育场馆和购物中心拥堵的现场试验。
开发背景
在社会创新领域，富士通研究所一直在进行研究，以解决各种各样的公共问题。富士通，借助富士通研究所的研发实力，与新加坡科学技术厅（Agency for Science, Technology and Research），新加坡管理大学（Singapore Management University）一起，于2014年10月在新加坡设立了卓越中心（注2）。在所研究的多个课题中，有一个就是以缓解大城市的交通拥堵和优化行人的步行路线为目的的研究。
通常拥堵都是发生在，人们集中以特定的交通手段在特定的时刻移动，并且超过了容限的状况下。为了缓解拥堵，国家和地方政府通常采取了修建道路，增加铁路运量等基础设施的扩建方式。但是，大规模的项目建设需要大量投资和大型施工。富士通研究所，专注于人的行为，提出了通过折扣车票，周边饮食店的诱导来劝诱人们改变出行时间或者改变交通出行的方案。
课题
对于那些认可修改出行时间和交通方式的人来说，相对于那些没有改变出行时间和交通方式的人，不应当让他们感觉到不公平。迄今为止，尚未明确哪些具体的建议会让人们愉快地改变他们的行为，或者是这些建议的指标应该是什么。
现场试验概要
目的：测试通过行为引导缓解拥堵的有效性
试用期：2015年11月1日至2017年12月31日（预定）
试验地点：新加坡的活动现场，体育场馆，商场
目标人群：数万人
开发的技术具有以下特点：
富士通研究所开发了接受行为建议的容易度判定规则的行为引导模型（图1）。
这种技术建立在平衡了个人流动性需求与商业的盈利能力（注3）的基础上，并利用了富士通的人工智能技术Zinrai的机器学习，预测和优化功能。
＜模型概述＞
该模型在鼓励措施的基础上，通过满意度和行为引导因子，计算人们对行为建议的接受容易度。
A.满意度：
代表静态行为特征，如不耐烦或冷静等性格，其一般不会发生急剧变化。通过以下3点可以计算：
(1) 利用交通时可以容忍多大程度的拥堵
(2) 为了避开拥堵能延迟（或提前）多长时间出发
(3) 愿意支付多大范围的交通费
图1中的(A)以出发延迟时间为例表示了满意度水平的变化。曲线表示随着出发延迟时间的增加满意度下降。满意度用方程式表示，其变量通过调查问卷进行调整。
B.行为引导因子：
这表示在收到交通费折扣，优惠券等奖励后的满意度变化。与(A)的满意度一样用方程式表示。行为引导参数会因为个人的心情而改变，因此，根据优惠券是否使用了等在接收到奖励后的实际行为作为反馈，提供给训练模型。
C.行为建议的接受容易度：
结合满意度和行为引导因子，计算出满意度随着奖励的变化是如何变化的。图1(C)显示，提供优惠券可以延长特定用户的允许等待时间。
图1 行为引导模型
利用该行为引导模型确定几个高接受度的行为。然后，从中提取缓解拥堵贡献最大的行为，可以发现人们可能会接受并且能缓解拥堵的行为。通过在智能手机上显示提取的行为选项，建议最佳行为（图2）。
图2 与缓解拥堵挂钩的行为建议
作为对于容易接受的行为的事先验证，富士通研究所日前在新加坡体育场馆的体育赛事中对500人进行调查，结果显示：
- 如果能准确地获得拥堵预测通报，51％的人宁愿花更多的时间在购物中心不是立即回家。
- 如果再给一张价值5新元（约23元）的优惠券，73％的人会选择留在购物中心。
- 如果给一张价值10新元（约46元）的优惠券，91％的人会选择留在购物中心。
根据调查结果，假设了实际的设施和附近的交通状况，富士通研究所进行了仿真。假设使用设施的10,000人中，其中约40％（注4）在提供一张优惠券的情况下会改变自己的行为，他们发现，拥堵将被减少30％，而其中40％的人会被引导到购物中心。
今后
富士通研究所计划在新加坡的多个设施中进行现场试验，一直到2017年12月31日，以测试其有效性，并提高系统性能。富士通研究所将继续推进这项技术的研发和测试结果的活用，希望到2016年3月将该技术纳入到富士通的位置云服务SPATIOWL上。
注释
- 注1 株式会社富士通研究所：
- 社长 佐相秀幸
总公司所在地 日本神奈川县川崎市 - 注2 卓越中心的设立：
- “富士通与合作伙伴在新加坡设立了共同创建可持续发展社会的卓越中心”（2014年10月15日新闻公开）
- 注3 平衡了个人流动性需求与商业的盈利能力：
- “富士通公司和麻省理工学院开发的按需交通运行技术来同时对应用户的需求和提高服务商的利润”（2014年5月8日新闻公开）
- 注4 设施的1万名用户中的约40％：
- 假设所有的人的60％以上是应用程序的用户，其中 70％的人会改变其行为，那么60％×70％≈ 40％。
