論文の概要: Human-Flow Digital Twin for Predicting the Effects of Mobility Introduction on Visitor Circulation

• arxiv url: http://arxiv.org/abs/2605.17426v1
• Date: Sun, 17 May 2026 12:43:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:48.012028
• Title: Human-Flow Digital Twin for Predicting the Effects of Mobility Introduction on Visitor Circulation
• Title（参考訳）: 移動導入がビジター循環に及ぼす影響を予測するための人流デジタル双生児
• Authors: Chiharu Shima, Haruki Yonekura, Fukuharu Tanaka, Tatsuya Amano, Hirozumi Yamaguchi,
• Abstract要約: 本研究では,人流デジタルツインを用いた移動性導入対策の効果を予測する枠組みを提案する。 このデジタルツインにはマルチエージェントシミュレータが組み込まれており、現在位置やスポットの魅力といった要因に応じて、訪問者が目的地を選択する方法を示すことができる。 和歌山城公園内における移動性を考慮した人流データを用いて,本手法の評価を行った。
• 参考スコア（独自算出の注目度）: 3.8059351484973605
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a framework for predicting the effects of mobility introduction measures using a human-flow digital twin. This digital twin incorporates a multi-agent simulator that can represent how visitors choose destinations depending on factors such as their current location and the attractiveness of spots. We extract data on how visitors selected destinations with respect to measured pre-intervention human-flow data, inter-spot distances, spot attractiveness, and travel volumes, and use these data to train each agent's decision model of this simulator. The trained decision model is a function that takes a visitor's current state and surrounding environmental information as input and outputs which spot the visitor will move toward next. By expressing mobility introduction measures as changes to inter-point distances or to spot attractiveness, the framework can reproduce human flows with mobility introduction in the multi-agent simulator and thereby quantify effects such as changes in visitor counts and circulation. We evaluated the proposed method using human-flow data measured with and without introducing mobility within Wakayama Castle Park in Japan. When reproducing flows with mobility introduction using a multi-layer perceptron decision model, the cosine similarity of the spatial population distribution exceeded 0.7, confirming that the approach can replicate the flow changes caused by the mobility introduction.
• Abstract（参考訳）: 本研究では,人流デジタルツインを用いた移動性導入対策の効果を予測する枠組みを提案する。 このデジタルツインにはマルチエージェントシミュレータが組み込まれており、現在位置やスポットの魅力といった要因に応じて、訪問者が目的地を選択する方法を示すことができる。 本研究では, 事前介入型人フローデータ, スポット間距離, スポット魅力度, 旅行数量に関して, 訪問者が選択した目的地に関するデータを抽出し, これらのデータを用いて, シミュレータのエージェントの意思決定モデルを訓練する。 学習された決定モデルは、訪問者の現在の状態と周囲の環境情報を入力として取り、訪問者が次に進む場所を出力する機能である。 モビリティ導入対策をポイント間距離の変化として表現したり、魅力を見出すことによって、マルチエージェントシミュレータにおいて、モビリティ導入による人間のフローを再現し、ビジター数の変化や循環などの効果を定量化することができる。 和歌山城公園内の移動性を考慮した人流データを用いて,本手法の評価を行った。 多層パーセプトロン決定モデルを用いて移動性導入に伴う流れを再現する場合,空間分布のコサイン類似度は0.7を超え,移動性導入による流動変化を再現できることを確認した。

関連論文リスト

• Identifying and Characterising Higher Order Interactions in Mobility Networks Using Hypergraphs [1.1060425537315088]
  本研究では,時間的観測窓を利用したグループ間相互作用抽出モデルであるコビジュエーションハイパーグラフを提案する。 パターンマイニングを頻繁に行うことで,異なる空間的・時間的スケールにわたる動的移動挙動を捉えたハイパーグラフを構築した。 我々のハイパーグラフに基づくモビリティ分析フレームワークは,様々な分野に適用可能なツールとして有用であることを示す。
  論文  参考訳（メタデータ） (2025-03-24T11:29:06Z)
• Causality-Aware Next Location Prediction Framework based on Human Mobility Stratification [8.617901269321218]
  本研究では,旅行パターンの移動性に着目した,次の位置予測のための因果認識フレームワークを提案する。 提案するフレームワークは,複数の次の位置予測パラダイムを統合するプラグイン・アンド・プレイモジュールとして設計されている。
  論文  参考訳（メタデータ） (2025-03-23T19:30:24Z)
• A Universal Model for Human Mobility Prediction [7.542075639525391]
  個人軌跡と群集の流れの両方に適用可能なユニバーサルな人体移動予測モデル(UniMob)を提案する。 このモデルでは,MAPE と Accuracy@5 で 14% 以上,25% 以上のパフォーマンス向上を実現している。
  論文  参考訳（メタデータ） (2024-12-19T07:38:13Z)
• AdaOcc: Adaptive Forward View Transformation and Flow Modeling for 3D Occupancy and Flow Prediction [56.72301849123049]
  CVPR 2024 における nuScenes Open-Occ データセットチャレンジにおいて,視覚中心の3次元活動とフロー予測トラックのソリューションを提案する。 我々の革新的なアプローチは、適応的なフォワード・ビュー・トランスフォーメーションとフロー・モデリングを取り入れることで、3次元の占有率とフロー予測を向上させる2段階のフレームワークである。 提案手法は回帰と分類を組み合わせることで,様々な場面におけるスケールの変動に対処し,予測フローを利用して将来のフレームに現行のボクセル特徴をワープする。
  論文  参考訳（メタデータ） (2024-07-01T16:32:15Z)
• TrafficBots: Towards World Models for Autonomous Driving Simulation and Motion Prediction [149.5716746789134]
  我々は,データ駆動型交通シミュレーションを世界モデルとして定式化できることを示した。 動作予測とエンドツーエンドの運転に基づくマルチエージェントポリシーであるTrafficBotsを紹介する。 オープンモーションデータセットの実験は、TrafficBotsが現実的なマルチエージェント動作をシミュレートできることを示している。
  論文  参考訳（メタデータ） (2023-03-07T18:28:41Z)
• How do you go where? Improving next location prediction by learning travel mode information using transformers [6.003006906852134]
  本稿では, トランスフォーマーデコーダに基づくニューラルネットワークを提案し, 過去の位置, 時間, 移動モードに基づいて, 個人が訪問する次の場所を予測する。 特に、次の旅行モードの予測は、ネットワークの学習をガイドする補助的なタスクとして設計されている。 実験の結果,提案手法は,他の最先端の次の位置予測手法よりも大幅に優れていることがわかった。
  論文  参考訳（メタデータ） (2022-10-08T19:36:58Z)
• Motion Transformer with Global Intention Localization and Local Movement Refinement [103.75625476231401]
  動き TRansformer (MTR) は、大域的意図の局所化と局所的な動きの洗練の合同最適化として、動き予測をモデル化する。 MTRは、限界運動予測と関節運動予測の両方において最先端の性能を達成する。
  論文  参考訳（メタデータ） (2022-09-27T16:23:14Z)
• TRiPOD: Human Trajectory and Pose Dynamics Forecasting in the Wild [77.59069361196404]
  TRiPODは、グラフの注目ネットワークに基づいて身体のダイナミクスを予測する新しい方法です。 実世界の課題を取り入れるために,各フレームで推定された身体関節が可視・視認可能かどうかを示す指標を学習する。 評価の結果,TRiPODは,各軌道に特化して設計され,予測タスクに特化している。
  論文  参考訳（メタデータ） (2021-04-08T20:01:00Z)
• Implicit Latent Variable Model for Scene-Consistent Motion Forecasting [78.74510891099395]
  本稿では,センサデータから直接複雑な都市交通のシーン一貫性のある動き予測を学習することを目的とする。 我々は、シーンを相互作用グラフとしてモデル化し、強力なグラフニューラルネットワークを用いてシーンの分散潜在表現を学習する。
  論文  参考訳（メタデータ） (2020-07-23T14:31:25Z)
• Flow descriptors of human mobility networks [0.0]
  本研究では,モビリティネットワークの流れとトポロジを特徴付けるシステム解析を提案し,その影響を個別のトレースに評価する。 この枠組みは, 都市計画の評価, 交通の最適化, 外部イベントや状況の影響の計測, 内部動態のモニタリング, 利用者の行動パターンに応じたプロファイル化に適している。
  論文  参考訳（メタデータ） (2020-03-16T15:27:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。