特許ウォッチ

公開番号2025137408
公報種別公開特許公報(A)
公開日2025-09-19
出願番号2025010205
出願日2025-01-24
発明の名称交通シミュレーションのための方法および装置
出願人富士通株式会社
代理人弁理士法人ITOH
主分類G08G 1/00 20060101AFI20250911BHJP(信号)
要約【課題】交通シミュレーションのための方法および装置を提供する。
【解決手段】交通シミュレーションのためのコンピュータ実装される方法であって、当該方法は:地理的領域についてのデータを含む交通データの入力を受け入れることと;前記交通データを使用して、複数のエージェント・オブジェクトを生成することであって、各エージェント・オブジェクトは、交通参加者および関連データを表す、ことと;前記複数のエージェント・オブジェクトをそれぞれの複数の処理ユニットに割り当てることと;並列の各処理ユニットについて、前記交通参加者の挙動をシミュレートするための交通シミュレーション・モデルを実行することであって、前記交通シミュレーション・モデルは、車追従モデルを含み、前記交通シミュレーション・モデルは、車線変更モデルおよび/またはジャンクション管理モデルを含む、こととを含む、方法。
【選択図】図4

特許請求の範囲【請求項１】
交通シミュレーションのためのコンピュータ実装される方法であって、当該方法は：
地理的領域についてのデータを含む交通データの入力を受け入れることと；
前記交通データを使用して、複数のエージェント・オブジェクトを生成することであって、各エージェント・オブジェクトは、交通参加者および関連データを表す、ことと；
前記複数のエージェント・オブジェクトを、並列に使用されるそれぞれの複数の処理ユニットに割り当てることと；
並列の各処理ユニットについて、前記交通参加者の挙動をシミュレートするための交通シミュレーション・モデルを実行することであって、前記交通シミュレーション・モデルは、車追従モデルを含み、前記交通シミュレーション・モデルは、車線変更モデルおよび／またはジャンクション管理モデルを含む、こととを含む、
方法。
続きを表示（約 2,000 文字）【請求項２】
前記交通シミュレーション・モデルを実行することは、所定のシミュレーション終了基準に達するまで、前記エージェント・オブジェクトを、前記エージェント・オブジェクトの関連データおよび他のエージェント・オブジェクトとの相互作用に基づいて逐次反復的に更新することを含む、請求項１に記載の方法。
【請求項３】
前記複数の処理ユニットは、プール・データ構造へのアクセスを有し、各処理ユニットについて、前記交通シミュレーション・モデルを実行することは、前記プール・データ構造内のエージェント・オブジェクト変数を更新すること、および／または、前記プール・データ構造内のエージェント・オブジェクト変数にアクセスすることを含む、請求項１に記載の方法。
【請求項４】
前記交通データは、圧縮された疎な行表現および／または圧縮された疎な列表現での前記交通ネットワークの記述をさらに含む、請求項１に記載の方法。
【請求項５】
前記交通データは、前記地理的領域のデジタルツインから取得されたデータを含む、請求項１に記載の方法。
【請求項６】
前記交通データは、以下、すなわち：
GPSセンサーまたはアンテナ、
セルラーネットワークセンサーまたはアンテナ、
ループセンサー、
カメラ・センサー、および
車両駐車センサー
のいずれかまたはすべてから取得されるセンサー・データを含む、請求項１に記載の方法。
【請求項７】
前記車追従モデルは、車両交通参加者の速度vおよび位置xを時刻tから、
v(t＋Δt)＝max[0,v
des
(t)－η]、
x(t＋Δt)＝x(t)＋v・Δt
に従って更新し、ここで、v
des
は所定の交通制限に適合する最高速度であり、ηは、最適な運転からの逸脱を斟酌するためのランダムな速度摂動である、
請求項１に記載の方法。
【請求項８】
前記複数のエージェント・オブジェクトを修正して、前記地理的領域における修正を反映する複数の修正されたエージェント・オブジェクトを生成することと；
前記複数の修正されたエージェント・オブジェクトを前記それぞれの複数の処理ユニットに割り当てることと；
並列の各処理ユニットについて、前記地理的領域における前記修正を用いて前記交通参加者の前記挙動をシミュレートするために前記交通シミュレーション・モデルを実行することと
をさらに含む、請求項１に記載の方法。
【請求項９】
コンピュータ実行可能な命令を記憶しているメモリと；
前記命令を実行して方法を実行するように構成された、複数の処理ユニットおよび入力を受け入れるための手段とを備える、データ処理装置であって、前記方法は：
地理的領域についてのデータを含む交通データの入力を受け入れることと；
前記交通データを使用して、複数のエージェント・オブジェクトを生成することであって、各エージェント・オブジェクトは、交通参加者および関連データを表す、ことと；
前記複数のエージェント・オブジェクトを、並列に使用されるそれぞれの複数の処理ユニットに割り当てることと；
並列の各処理ユニットについて、前記交通参加者の挙動をシミュレートするための交通シミュレーション・モデルを実行することであって、前記交通シミュレーション・モデルは、車追従モデルを含み、前記交通シミュレーション・モデルは、車線変更モデルおよび／またはジャンクション管理モデルを含む、こととを含む、
データ処理装置。
【請求項１０】
コンピュータ・プログラムであって、前記プログラムがコンピュータによって実行されると、データ処理装置に動作を実行させる命令を含んでおり、前記動作は：
地理的領域についてのデータを含む交通データの入力を受け入れることと；
前記交通データを使用して、複数のエージェント・オブジェクトを生成することであって、各エージェント・オブジェクトは、交通参加者および関連データを表す、ことと；
前記複数のエージェント・オブジェクトを、並列に使用されるそれぞれの複数の処理ユニットに割り当てることと；
並列の各処理ユニットについて、前記交通参加者の挙動をシミュレートするための交通シミュレーション・モデルを実行することであって、前記交通シミュレーション・モデルは、車追従モデルを含み、前記交通シミュレーション・モデルは、車線変更モデルおよび／またはジャンクション管理モデルを含む、こととを含む、
コンピュータ・プログラム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、交通シミュレーションに関する。より詳細には、本発明は、交通シミュレーション方法、関連するデータ処理装置、コンピュータ・プログラム、およびコンピュータ可読記憶媒体に関する。
続きを表示（約 2,900 文字）【背景技術】
【０００２】
現実世界がデジタル世界として表現されうる傾向が存在する。スマートシティ、デジタルツイン（DT）、およびメタバースなどの概念は、モノのインターネット（IoT）、電気通信のための第5世代技術標準（5G）、人工知能（AI）、および量子コンピューティングに関連する技術など、これらの概念内での進歩を可能にする新しい改善された技術に少なくとも部分的に起因して、格別な注目を受けている。
【０００３】
輸送に関する改善のために、多様なユーザーに広範囲のサービスを、大規模にリアルタイムで（または、少なくとも、効果的なアクションが取られるのに十分な速さで）送達するために、スマート交通システムが使用される。システムが、輸送ネットワーク内の（または輸送ネットワークにサービスを提供する）ソースから（たとえば、道路からおよび車両から）取得された主にリアルタイムの感知データの複雑な処理によって作成された広範囲のサービスを送達することが望ましい。サービスは、サービスのユーザーによって即時のアクションが取られるように、「リアルタイム」で要求されることが多い。異なるタイプのデータを異なるレートで生成する多様なデータ・ソースが存在する。サービスもまた多様で複雑であり、データを広範囲の異なる仕方で使用する。
【０００４】
一例として、大都市の交通当局は、都市全体を通じた交通の流れのリアルタイム仮想モデルを提供する公共交通インフラストラクチャーのシステムDTの形でシミュレーションを作成することができる。仮想モデルは、車載GPS、路側センサー、CCTV分析、ルーティング要求、公共交通機関のライブ・ディスパッチなどからの車両の動き；交通信号などのインフラストラクチャーの状態および動作；ならびにモバイルGPS、発券活動、CCTVなどからの人々の動きを含む、幅広い多様なソースからリアルタイムで生成されたデータによって駆動されうる。
【０００５】
エージェント・ベース・モデリング（agent-based modelling、ABM）は、自律エージェント（組織またはグループなどの集団的なエンティティおよび個々のエンティティの両方）のアクションおよび対話をシミュレートするための計算モデリング・フレームワークである。ABMは、コンピュータ社会科学者および他の人々が、コンピュータ・サンドボックス環境内で経験的に観察される広範囲の現象をシミュレートし、採用前にシステムをストレステストすることを可能にした。典型的には、エージェント・ベースのモデルは、エージェントと環境の2つのコンポーネントから構成される。エージェントは、しばしば、個体レベルでの振る舞いを表すソフトウェア・オブジェクトとして記述される自律的な個体（individual）である。たとえば、エージェントは、年齢、身長、体重などの特徴を有する人を表すことができる。環境は、抽象的であってもよく、または構築環境の経験的データに基づいていてもよい、何らかの制約された空間を表し、その中でエージェントが動作する。その広範な学際的な採用により、ABMアプローチの課題が特定され、詳細に調査されてきた。これらのうち最も顕著なものの1つは、集約的なタスクをシミュレートすることの、計算上の扱い易さがある。時に、この課題を克服するために、モデラーは、シミュレーション結果を犠牲にして、複雑な挙動を近似するか、またはエージェントの人口を減少させることによって、現実世界システムの複雑な表現を簡約化することを選択することがある。
【０００６】
現代のABMは、環境とおよび／または互いと動的に対話するルール追従（rule-following）エージェント（通例、アルゴリズムとしてエンコードされる）から構成される。各エージェントの状態は、通例、エージェントの対話に基づいて修正されうるそれらの状態変数に含まれる。エージェントは、さまざまな時空間スケールで複雑な創発現象につながりうる局所的な（微視的な）相互作用をシミュレートする。計算能力の利用可能性の最近の増加は、そのような方法の取り込みを増加させ、研究におけるそれらの人気を大いに増加させた。
【０００７】
微視的ABMは、車両交通をモデル化するために、詳細なボトムアップ・アプローチをとる。交通の流れ全体に焦点を当てる巨視的モデルとは異なり、微視的ABMは、個々の車両（および時には歩行者）を、それら自体の特性および意思決定能力を有する独立したエージェントとして扱う。これは、諸要因を考慮に入れて、交通挙動のより現実的なシミュレーションを可能にする。要因は、個々のドライバー〔運転者〕の挙動（各エージェントは、異なるレベルの攻撃性、忍耐、および技量を有し、多様な運転スタイルをもたらす）、車両特性（異なる車両タイプ（自動車、トラック、オートバイ）は、異なる加速度、減速度、および旋回能力を有する）、環境要因（交通信号、車線マーク、道路の幾何形状、および気象条件はすべてエージェントの挙動に影響を与える）、エージェント間の相互作用（エージェントは、車線変更、ブレーキ、または合流のような互いのアクションに反応し、渋滞およびボトルネックのような創発的な交通現象をもたらす）などである。
【０００８】
現在の最先端（state of the art、SOA）の交通シミュレーション技術は、車両状態の計算（何らかの時点tにおける車両エージェントの現在の構成の計算表現）を行うため、および戦略的および戦術的な車両挙動（加速、減速、停止など）を選択する決定木を通過するために中央処理装置（CPU）を使用する。CPUは、算術演算、論理演算、制御動作、および入出力（I/O）動作などのコンピュータ・プログラムの命令を実行するように構成される。
【０００９】
大規模輸送システムの微視的レベルのコンピュータ・モデリングのための現在のSOA解決策は、方法がかなりの数のエージェント（たとえば、車両または歩行者を表すコード）を伴うとき、計算複雑さの課題に直面する。よって、計算速度が、リアルタイム因子が1に等しい（すなわち、1クロック秒で1仮想秒がシミュレートされる）マークを下回るので、CPUを使用してリアルタイム・シミュレーションおよびモデリング解決策を達成することができなくなる。複雑さの増大の非線形性と、手にはいる現在のハードウェアとにより、純粋により多くの計算資源を追加することによって補償することは事実上不可能になる。
【発明の概要】
【発明が解決しようとする課題】
【００１０】
したがって、本発明者らは、現実世界のデジタル表現におけるシナリオの現実的なシミュレーションの改善を提供する技術が必要とされることを認識するに至った。
【課題を解決するための手段】
（【００１１】以降は省略されています）

関連特許