基于人类行为模拟快速发现拥堵原因的技术

本技术介绍参考了以下链接
English

2019年09月30日

株式会社富士通研究所 ^(注1) （以下简称：富士通研究所）与学校法人早稲田大学^(注2)理工学术院高桥真吾教授共同研发了一种技术，可根据人类行为模拟的结果自动分析出导致拥堵的原因。

图1. 预测机场内拥堵情况的人类行为模拟画面

开发背景

在活动现场、机场、购物中心等大量人群聚集的地方，时常会发生因混乱拥堵而造成的顾客满意度下降或销售额降低等问题。目前，除了在出入口、收银台等处增设设备、加派工作人员外，还有一些其它方法可以缓解拥堵，如：通过安装指示牌或分发优惠券等将客人引导至空闲场所或空余时间。但是，为了采取更加有效的措施，重要的是要了解何种类型的人，知道何种信息，将采取何种行动，才能选择有效的方法缓解拥堵。

现在，人类行为模拟备受瞩目。这种模拟通过构建可表现多种人类属性、认知及行为的代理模型，在计算机上对拥堵情况进行虚拟建模，可对造成拥堵的原因进行分析并评估解决方案。富士通研究所及富士通株式会社一直致力于代理模型的相关研发活动，使高精度模拟成为可能，已在国内外申请专利16项。另外，早稻田大学的高桥研究室，开发了基于主体的模拟，用于解决组织系统、消费者行为、企业战略等涉及社会系统的各种问题。

课题

在人类行为模拟中，数千个主体分别拥有多个属性，如年龄、性别、出行目的等。通过从指示牌等获取路线、拥堵情况等信息，同时选择前往目的地的路线，可生成多种拥堵信息。

通常，专家们会对模拟试验生成的大量数据进行分析，根据知识和经验建立拥堵原因及对策假说，再通过模拟验证这些假说并反复进行试验。因此，从分析原因到确定对策往往需要几个月的时间，另外还会发生由于遗漏原因导致的无法找到有效对策的问题。

开发的技术

基于人类行为模拟，高桥教授和富士通研究所开发了一种拥堵原因发现技术，可对与拥堵相关的主体特征进行全面的自动分析。

以往，与主体的属性、认知、行为相关的数据（如：吃饭、在A地点查看指示牌等）会表示为数十个数据库项目，将它们全部组合形成主体特征时，会产生大量的组合模式。此次，从属性、认知和行为的角度对含有共同元素的项目进行分组后，通过对每组的主体特征进行聚类，可减少组合的模式（图2）。这样，当发生拥堵时，可全面地找出与采取措施直接相关的原因，如采取何种措施能有效改变具有特定属性的人的认知或行为。

图2. 全面发现基于属性、认知、行为关系的拥堵原因

例如，在一个综合服务设施中店铺A和店铺B发生了拥堵，店铺A的拥堵从认知角度看是由于指示牌的顾客吸引效应，而店铺B的拥堵从行为角度看是由顾客的集中到店导致的（图3）。因此，对于店铺A的拥堵，可通过安装新的指示牌引导客人去往另一目的地（如ATM），来有效分散客人；而店铺B的拥堵状况可通过增加员工数量，提高工作效率等措施，有效缓解拥堵。

图3. 基于本技术发现拥堵原因及缓解措施示例

效果

高桥教授和富士通研究所将该技术应用于2015年开发的用于分析机场拥堵缓解措施的人类行为模拟^(注3)中，并对其效果进行了验证。结果显示，该技术发现的拥堵原因约为专家分析结果的4倍。例如，分析安检拥堵原因时，最新发现了乘客在某些特定值机柜台的滞留，会导致安检区域的突发性拥堵现象。通过该技术发现的拥堵原因及得出的缓解措施，与基于专家的分析结果得出的措施相比，安检的等待人数减至六分之一，采取措施所需的工作人员数量也控制到了专家提案的三分之二。另外，分析时间也从数个月大幅缩减至几分钟。

今后

富士通与早稻田大学将继续利用该技术对发生在活动现场、机场、购物中心等的拥堵情况进行验证实验，包括基于数字标牌和租户安置等的效果验证等。另外，富士通还将利用富士通的AI技术“FUJITSU Human Centric AI Zinrai”和超级计算机技术，通过与可实时掌握城市状况的服务“FUJITSU Technical Computing Solution GREENAGES Citywide Surveillance”^(注4)合作，目标早日实现“针对拥堵的未来预测解决方案”。早稻田大学的研究并不局限于拥堵问题，还对包含了人类行为的社会、市场、组织中的复杂现象进行分析研究，旨在确立解决问题的模拟技术。

注释

 注1 株式会社富士通研究所：

社长 古田 英范
总公司所在地 日本神奈川县川崎市

 注2 学校法人早稻田大学：

校长 田中 爱治
地址 日本东京都新宿区

 注3 2015年开发的用于分析机场拥堵缓解措施的人类行为模拟：

使用了在福冈机场验证实验中创建的模拟。2015年9月10日新闻发表

 注4FUJITSU Technical Computing Solution GREENAGES Citywide Surveillance