TW201828266A - 混亂預測裝置以及混亂預測方法 - Google Patents

Abstract

資訊抽出部(10)，使用感測器(2)輸出的計測資料，產生表示各個人物的移動情況的人物移動特性資訊。相關分析部(11)，使用人物移動特性資訊，產生將人物區分為群體的群體資訊。資訊修正部(12)產生表示群體的移動情況的群體移動特性資訊。混亂預測部(13)，使用群體移動特性資訊進行混亂預測的演算。

Description

混亂預測裝置以及混亂預測方法

本發明係關於一種裝置，其預測在發生災害時或者舉辦集會活動時等的情況中，因為人們的行動而產生的混亂。

已有用電腦模擬推測在發生大規模的自然災害時人們向指定避難場所避難的時候、或者在大型設施中發生災害時人們從該設施逃離避難的時候，要花多少時間避難或者人群會堵塞在哪種路徑，並將之運用在避難計畫中。

例如，在專利文獻1中記載避難行動預測系統，其針對某個避難者，基於空間資料和人資料算出在各時間階段中該避難者的位置資訊，模擬人們隨著時間而移動的情況。此時，該避難行動預測系統也因應條件將避難者整合到群體，模擬人們形成群體而移動的情況。

先行技術文獻 專利文獻：

專利文獻1：日本特開2014-164540號公報

但是，在街上行走的人們，有時會單獨行動，有 時會複數人一起行動。而且，人們會配合其他行人而在通道中行走等，即使未必是認識的人，有時候也會採取和其他人協調的行動。相對於此，在過去的模擬中，費心將不同條件套用在每一個人以賦予各個人行動的自由、並且依狀況限定條件促使複數人採取共通的移動速度及移動目的地使其有類似的行動，但是每一個人係被視為單獨的存在以作為計算的單位進行處理。例如，上記專利文獻1中記載了，針對各避難者設定人資料、將人類個人模型化為人類物件、及從人資料等算出某個避難者在下一個時間階段後的位置，將每一個人作為計算的單位進行模擬。

在混亂時等的非常時期，家人及友人等的群體中，會有各個人不要分開並維持團體移動的心理，實際上人們會採取和平常不一樣的團結的行動。但是，在如上記專利文獻1那樣，以每一個人作為計算單位的過去的模擬中，難以處理此種現象。

本發明係為了解決如上記的課題，目的在於獲致混亂預測裝置，其能夠定義演算對象以實現接近人們實際上的行動之演算，而進行混亂預測的演算。

本發明的混亂預測裝置包括：第1特性資訊產生部，產生表示各個人物的移動情況的人物移動特性資訊；相關分析部，使用人物移動特性資訊，基於位置的接近度及行動的類似度，就各個行動一致的群體將人物進行群體區分；第2特性資訊產生部，就相關分析部的群體區分所形成的各個群體， 產生表示群體的移動情況的群體移動特性資訊；及混亂預測部，使用群體移動特性資訊，以群體為對象進行混亂預測的演算。

依據本發明，把人物區分為群體，以該群體為對象進行混亂預測的演算，因此，能夠定義演算對象以實現接近人們實際上的行動之演算，進而執行混亂預測的演算。

1‧‧‧混亂預測裝置

2‧‧‧感測器

3‧‧‧顯示裝置

10‧‧‧資訊抽出部

11‧‧‧相關分析部

12‧‧‧資訊修正部

13‧‧‧混亂預測部

14‧‧‧混亂度分析部

15‧‧‧記憶部

101‧‧‧處理器

102‧‧‧記憶體

103‧‧‧資料儲存器

104‧‧‧輸入介面

105‧‧‧輸出介面

第1圖為表示本發明的實施形態1之包含混亂預測裝置的混亂預測系統的構成圖。

第2圖為表示感測器的設置例的圖。

第3圖為表示本發明的實施形態1的混亂預測裝置的硬體構成例之圖。

第4圖為表示資訊抽出部執行的處理的流程圖。

第5圖為表示相關分析部執行之處理的流程圖。

第6圖為表示資訊修正部執行之處理的流程圖。

第7圖為表示人們移動情況的圖。

第8圖之第8A~8D圖為說明資訊修正部執行之處理的示意圖。

第9圖為表示混亂預測部執行之處理的流程圖。

第10圖為表示混亂度分析部執行之處理的流程圖。

第11圖為說明混亂度分析部執行之處理的示意圖。

第12圖為表示持有行李等的人物移動的情況的圖。

第13圖之第13A及第13B圖為說明資訊修正部所定義的群體的佔有區域的圖。

以下，依據附圖說明用以實施本發明的形態，以更詳細說明本發明。

實施形態1.

第1圖為表示本發明的實施形態1之包含混亂預測裝置1的混亂預測系統的構成圖。

混亂預測裝置1為預測例如大量人潮聚集的活動舉辦時，從火車站或者巴士站等的大眾運輸機關、或者、停車場等的人們到訪的場所到活動會場的移動路徑混亂狀況。亦即，該移動路徑為混亂預測對象區域。

混亂預測對象區域中，人們向該區域流入的地方稱之為「人們發生的場所」，人們從該區域流出的地方稱之為「人們到達的場所」，則在從火車站等的人們發生的場所到活動會場等的人們到達的場所的移動路徑上，設置感測器2的位置稱之為計測地點。

感測器2具備例如照相機，將該照相機拍攝的影像進行圖像處理，藉此檢知朝向去程方向或者回程方向通過計測地點的人數、各人物的移動速度、各人物的移動方向、各人物的位置及各人物的屬性等，並將其作為時間序列資料輸出到混亂預測裝置1。所謂各人物的屬性係指孩童、成人、行李有無、及推著輪椅等。以下，感測器2產生並輸出的時間序列資料稱之為計測資料。

第2圖為表示感測器2的設置例的圖。感測器2設置於例如人們發生場所的附近。

顯示裝置3顯示混亂預測裝置1所輸出的混亂預測結果。顯示裝置3為例如液晶顯示器。

在此，說明混亂預測裝置1的內部構成。

混亂預測裝置1，使用感測器2所輸出的計測資料，預測移動路徑的混亂狀況，將混亂預測結果輸出到顯示裝置3並使顯示裝置3顯示。

混亂預測裝置1具有：資訊抽出部10、相關分析部11、資訊修正部12、混亂預測部13、混亂度分析部14及記憶部15。

資訊抽出部10，使用感測器2所輸出的計測資料，產生表示各個人物的移動情況之人物移動特性資訊。人物移動特性資訊被輸出到相關分析部11。

相關分析部11，使用人物移動特性資訊，將人物區分為群體，並產生群體資訊。群體資訊被輸出到資訊修正部12。

資訊修正部12，產生表示各個群體的移動情況的群體移動特性資訊，而且，因應混亂度分析部14算出的混亂度修正已產生的群體移動特性資訊。群體移動特性資訊被輸出到混亂預測部13。

混亂預測部13，使用群體移動特性資訊進行混亂預測的演算。混亂預測結果被輸出到顯示裝置3及混亂度分析部14。

混亂度分析部14，分析混亂預測結果，算出混亂預測對象區域的混亂度，並將之向資訊修正部12輸出。

在混亂預測裝置1所具備的各部執行處理的過程中，係利用記憶部15作為資訊的儲存區域。

在此，使用第3圖說明混亂預測裝置1的硬體構成例。

混亂預測裝置1由下述構成：處理器101、記憶體102、資料儲存器103、輸入介面104及輸出介面105等。輸入介面104為用以從感測器2取得計測資料的介面。輸出介面105為用以將已算出的混亂預測結果向顯示裝置3輸出的介面。資料儲存器103發揮記憶部15的功能。

混亂預測裝置1的資訊抽出部10、相關分析部11、資訊修正部12、混亂預測部13及混亂度分析部14的各功能係由處理電路實現。亦即，混亂預測裝置1具有用以執行後述的第4圖、第5圖、第6圖、第9圖及第10圖的流程圖所示各步驟的處理電路。

處理電路為執行儲存在記憶體102中的程式之處理器101。處理器101可以為處理裝置、演算裝置、CPU(Central Processing Unit)、MPU(Micro Processing Unit)、微處理器、微電腦或者DSP(Digital Signal Processor)等。

構成混亂預測裝置1的資訊抽出部10、相關分析部11、資訊修正部12、混亂預測部13及混亂度分析部14的各功能由軟體、韌體、或者軟體和韌體之組合而實現。

軟體或者韌體被記載為程式，並儲存在記憶體102中。處理器101讀取並執行儲存在記憶體102中的程式，藉此實現各部的功能。亦即，混亂預測裝置1具有記憶體102，其所儲存 之程式被處理器101執行時，會執行後述的第4圖、第5圖、第6圖、第9圖及第10圖的流程圖所示之各步驟。而且，這些程式可使電腦執行構成混亂預測裝置1的各部的程序或者方法。

記憶體102及資料儲存器103為因應處理器101處理的軟體執行所必需的資料保持裝置。該資料保持裝置可以為例如RAM(Random Access Memory)、ROM(Read Only Memory)、EPROM(Erasable Programmable ROM)、EEPROM(Electrically EPROM)、快閃記憶體及SSD(Solid State Drive)等的半導體記憶體、也可以為HDD(Hard Disk Drive)等的磁碟。而且，和混亂預測裝置1的外部進行資料處理時，該資料保持裝置亦可為CD(Compact Disc)、DVD(Digital Versatile Disc)及BD(Blu-ray Disc/Blu-ray為登錄商標)等的光碟、或者MO碟(Magneto Optical Disc)等的光碟。

繼之，使用第4圖~第11圖說明如上記構成的混亂預測裝置1所執行之處理的一例。

另外，感測器2，在適當的時間點將計測資料向混亂預測裝置1輸出。

第4圖為表示資訊抽出部10執行的處理的流程圖。

首先，資訊抽出部10取得感測器2所輸出的計測資料(步驟ST100)。

接著，資訊抽出部10，從計測資料中抽出1人分的人物資訊(步驟ST110)。人物資訊構成為包含關於1個人的人物之移 動速度、移動方向、位置及屬性等的資訊。依據感測器2的規格及設定等，感測器2所輸出的計測資料為各種形式的資料。例如，設想計測資料中包含和人物資訊無關資訊。因此，資訊抽出部10，在步驟ST110中執行將移動速度、移動方向、位置及屬性等的構成人物資訊的要素的各資訊從計測資料中抽出的處理。

接著，資訊抽出部10，將人物號碼賦予步驟ST110中抽出的1人分的人物資訊，並產生包含該人物資訊和該人物號碼的人物移動特性資訊(步驟ST120)。人物移動特性資訊表示對應於該人物移動特性資訊的人物號碼的人物之移動情況。像這樣，資訊抽出部10發揮第1特性資訊產生部的功能。人物移動特性資訊被記憶在記憶部15中。相異人物的人物資訊被賦予彼此相異的人物號碼。

接著，資訊抽出部10，判斷是否已針對步驟ST100中已取得的計測資料中表示了其移動速度等的所有的人物，產生了人物移動特性資訊(步驟ST130)。

有尚未產生人物移動特性資訊的人物存在的情況下(步驟ST130中[否])，資訊抽出部10的處理回到步驟ST110。此時，資訊抽出部10，在步驟ST110的處理中，抽出尚未產生人物移動特性資訊的人物當中的1人分的人物資訊，並進行處理。

另一方面，資訊抽出部10，對於所有的人物都已產生人物移動特性資訊的情況下(步驟ST130中[是])，資訊抽出部10，將儲存在記憶部15中的人物移動特性資訊都讀取出 來並通知相關分析部11，結束使用步驟ST100中已取得之計測資料的處理。

另外，已從感測器2輸出下一筆計測資料的情況下，資訊抽出部10再度從步驟ST100開始處理。

第5圖為表示相關分析部11執行之處理的流程圖。

首先，相關分析部11，從資訊抽出部10所通知的所有的人物移動特性資訊當中，抽出1人分的人物移動特性資訊作為評估對象(步驟ST200)。

接著，相關分析部11，判斷在作為評估對象的人物移動特性資訊所對應的人物的附近，是否有採取與該人物類似行動的其他的人物存在(步驟ST210)。

例如，相關分析部11，使用人物移動特性資訊中所示的人物的位置，在作為評估對象的人物移動特性資訊所對應的人物和該人物以外的人物之間的距離在近接閾值以內的情況下，判斷這些人物在附近。而且，例如，相關分析部11，使用人物移動特性資訊所示的人物的移動速度及移動方向，在作為評估對象的人物移動特性資訊所對應的人物和該人物以外的人物的移動速度及移動方向的差異在類似閾值以內的情況下，判斷這些人物採取類似的行動。

近接閾值設定為，形成1個群體行動的該群體內的人們可能採取的人物之間的距離以下的值。類似閾值設定為，形成1個群體行動的該群體內的人們可能採取的移動速度及移動方向的差異以下的值。

在作為評估對象的人物移動特性資訊所對應的人物的附近，沒有採取與該人物類似行動的其他的人物存在的情況下(步驟ST210中[否])，相關分析部11將新的群體號碼賦予作為評估對象的人物移動特性資訊(步驟ST220)。

接著，相關分析部11，產生包含作為評估對象的人物移動特性資訊、以及所賦予的群體號碼的群體資訊，並記憶在記憶部15中(步驟ST225)。

另一方面，在作為評估對象的人物移動特性資訊所對應的人物的附近，有採取與該人物類似行動的其他的人物存在的情況下(步驟ST210中[是])，相關分析部11，判斷是否已經將群體號碼賦予該其他的人物的人物移動特性資訊(步驟ST230)。此可藉由下述方式判斷：相關分析部11調查已賦予該其他的人物的人物號碼是否已包含於記憶在記憶部15中的任何一筆群體資訊中。

相關分析部11，在判斷為尚未賦予群體號碼的情況下(步驟ST230中[否])，相關分析部11，將相同的新的群體號碼賦予給作為評估對象的人物移動特性資訊及步驟ST210中被判斷為採取類似行動的其他的人物之人物的人物移動特性資訊(步驟ST240)。

接著，相關分析部11產生包含作為評估對象的人物移動特性資訊及步驟ST210中被判斷為採取類似行動的其他的人物之人物的人物移動特性資訊、以及已賦予的群體號碼的群體資訊，並將之記憶於記憶部15中(步驟ST245)。

另一方面，相關分析部11，在已經賦予群體號碼 的情況下(步驟ST230中[是])，相關分析部11，也將該已賦予的群體號碼賦予給作為評估對象的人物移動特性資訊(步驟ST250)。

接著，相關分析部11，將作為評估對象的人物移動特性資訊追加到已賦予的群體號碼的群體資訊，以更新該群體資訊，並將之記憶於記憶部15(步驟ST255)。

如上述，相關分析部11，基於人物彼此之間的位置之接近度、及人物彼此之間的行動的類似度，就各個行動一致的群體將人物進行群體區分。

在步驟ST225,ST245,ST255之後，相關分析部11，判斷是否已針對資訊抽出部10所通知的所有的人物移動特性資訊進行評估(步驟ST260)。相關分析部11已經針對已通知的所有的人物移動特性資訊執行步驟ST200中的取得人物移動特性資訊作為評估對象的處理的情況下，即為已經針對所有的人物移動特性資訊進行評估。

相關分析部11尚未針對所有的人物移動特性資訊進行評估的情況下(步驟ST260中[否])，相關分析部11的處理回到步驟ST200。此時，相關分析部11，執行從未評估的人物移動特性資訊當中抽出1人分的人物移動特性資訊以作為評估對象的處理，作為步驟ST200的處理。

另一方面，相關分析部11已針對所有的人物移動特性資訊進行評估的情況下(步驟ST260中[是])，相關分析部11把記憶在記憶部15的群體資訊全部讀取出來並通知資訊修正部12，結束使用步驟ST200中已通知的人物移動特性資訊 的處理。

另外，被資訊抽出部10通知下一筆人物移動特性資訊的情況下，相關分析部11，再度從步驟ST200開始處理。

第6圖為表示資訊修正部12執行之處理的流程圖。

首先，資訊修正部12，從相關分析部11所通知的所有的群體資訊當中，取出一群體份的群體資訊作為評估對象(步驟ST300)。

接著，資訊修正部12，使用作為評估對象的群體資訊中包含的人物移動特性資訊，產生表示群體的移動情況的群體移動特性資訊(步驟ST310)。

群體移動特性資訊中包含群體的佔有區域、群體的移動速度等的資訊。而且，群體移動特性資訊也可以同時包含屬於群體的人物所對應的人物移動特性資訊。

接著，資訊修正部12，判斷是否被混亂度分析部14通知混亂度(步驟ST320)。

尚未被通知混亂度的情況下(步驟ST320中[否])，資訊修正部12，認為是作為評估對象的群體資訊所對應的群體存在的地方尚未發生混亂的狀態，並修正群體移動特性資訊(步驟ST330)。在此情況下，進行與後述的使用第8B圖說明的混亂度為第1混亂閾值以下時相同的修正。

另一方面，已被通知混亂度的情況下(步驟ST320中[是])，資訊修正部12因應作為評估對象的群體資訊所對應的群體存在的地方的混亂度，修正群體移動特性資訊(步驟 ST340)。

第7圖為表示人們移動情況的圖。使用此圖，說明資訊修正部12執行的群體移動特性資訊的產生及修正的處理。

如第7圖所示，當人們移動時，無關係的陌生人之間，為了不彼此威迫、並為了彼此不尷尬，移動時會維持一定以上的距離。相對於此，家人或者友人等的有關係的人物之間以群體行動的情況下，這些人物在移動時會保持一定以內的距離，使得彼此不相離太遠。因此，在混亂預測的演算中，不將一個一個的人區別出來作為處理單位，而是將行動一致的人們構成的群體作為處理單位，藉此能夠減少演算對象並減少演算量。

相較於不形成群體而單獨行動的人們，以群體行動的人們的移動速度較慢。具體言之，例如，群體全體的移動速度有向群體內移動速度最慢的人物收斂的傾向。而且，與群體無關的他人鮮少有插入該群體的狀況。

因此，以群體作為處理單位時，資訊修正部12定義群體的佔有區域，並定義該群體的移動速度。例如，資訊修正部12，使用包含於群體資訊中的人物移動特性資訊，設定人物的佔有區域。例如，資訊修正部12，將以人物移動特性資訊所示位置為中心的區域設定為該人物移動特性資訊所對應之人物的佔有區域。考慮人類的標準體格，事先設定該區域的大小及形狀。另外，資訊修正部12，在人物移動特性資訊表示屬性為孩童的情況下，可以將該人物移動特性資訊所對應的人物的佔有 區域的大小設定為預設值的一半或者3分之2。而且，資訊修正部12，將包含屬於一個群體的人物全員的佔有區域的區域，定義為該群體的佔有區域，並將之包含於群體移動特性資訊中。而且，例如，資訊修正部12，將群體內移動速度最慢的人物的移動速度定義為該群體的移動速度，並將之包含於群體移動特性資訊中。資訊修正部12，使用該群體的群體資訊中包含的人物移動特性資訊來特定群體內的人物的移動速度即可。或者，資訊修正部12，亦可將群體內的人物的移動速度的平均值定義為該群體的移動速度。

然後，資訊修正部12，因應混亂度分析部14已算出的混亂度，修正如上述定義為群體移動特性資訊的群體的佔有區域及群體的移動速度。例如，資訊修正部12，當混亂度越高，則修正使得群體的佔有區域縮小。而且，資訊修正部12，當混亂度越高，則修正使得群體的移動速度變慢。

第8A~8D圖為，說明混亂預測部13進行套用格子自動機(Cellular automaton)法的演算的情況下，資訊修正部12執行的處理的示意圖。

混亂預測部13，在依據格子自動機(Cellular automaton)法執行混亂預測模擬的情況下，混亂預測部13，以配置為稱之為格子的格子狀之區域為基準執行演算。此時，如第8A~8D圖所示，因應混亂度的群體移動特性資訊的修正，以紙面上橫方向及縱方向的2個垂直的方向排列的格子單位控制演算對象。

例如，第8A圖為各人單獨行動的情況下的例。在 此情況下，資訊修正部12，把一個一個的格子分配給各人也就是各群體作為佔有區域。如此一來，資訊修正部12，把各人當作是不與他人協調行動，並且1個群體只有1人的情況來處理。

而且，複數人屬於1個群體的情況下，資訊修正部12，首先，將屬於群體的人物的數量之格子組合的任意形狀分配給該群體，作為該群體的佔有區域。並且，如以下使用第8A~8D圖所作的說明，資訊修正部12因應混亂度修正其形狀。

第8B圖為混亂度小(在第1混亂閾值以下)時，4人一起群體行動的情況下的例子。在此情況下，資訊修正部12，將紙面的橫1列連結的4個格子分配給該群體，作為佔有區域。如此一來，資訊修正部12，把4人當作是朝向相同移動方向排為橫1列並且集體行動的情況來處理。亦即，群體的佔有區域為，在紙面中的橫方向和縱方向的2個方向中，將格子沿著接近與群體的移動方向直交的方向的橫方向排列的形狀。

而且，第8C圖為，混亂度為大於第1混亂閾值但小於第2混亂閾值的中程度時，4人一起群體行動的情況下的例子。在此情況下，資訊修正部12，將紙面的縱2列×橫2列連結的格子分配給該群體，以作為佔有區域。如此一來，資訊修正部12把4人當作是朝向相同移動方向集體行動的情況來處理。

而且，第8D圖為混亂度大(為第2混亂閾值以上)時，4人一起群體行動的情況下的例。在此情況下，資訊修正部12將紙面的縱1列連結的4個格子分配給該群體，以作為佔有區域。如此一來，資訊修正部12把4人當作是朝向相同 移動方向以縱1列集體行動的情況來處理。亦即，群體的佔有區域為，紙面中橫方向和縱方向的2個方向當中，將格子沿著接近群體移動方向的縱方向排列的形狀。

第8A~8D圖中係以4人的情況為例進行說明，但若為不同的人數亦然。

像這樣，資訊修正部12，因應混亂度修正群體的佔有區域之大小及形狀等。

接著，資訊修正部12判斷是否已評估相關分析部11所通知的所有的群體資訊(步驟ST350)。資訊修正部12針對已通知的所有的群體資訊，都已執行取得步驟ST300中的群體資訊以作為評估對象的處理的情況下，即為已針對所有的群體資訊進行評估。

資訊修正部12尚未對所有的群體資訊進行評估的情況下(步驟ST350中[否])，資訊修正部12的處理回到步驟ST300。此時，資訊修正部12，執行從未評估的群體資訊當中抽出1群體份的群體資訊作為評估對象的處理，作為步驟ST300的處理。

另一方面，資訊修正部12已針對所有的群體資訊進行評估的情況下(步驟ST350中[是])，資訊修正部12，將產生的已修正群體移動特性資訊通知混亂預測部13，結束使用步驟ST300中所通知的群體資訊的處理。

另外，相關分析部11通知了下一筆群體資訊的情況下，資訊修正部12再度從步驟ST300開始處理。

第9圖為表示混亂預測部執行之處理的流程圖。

首先，混亂預測部13，使用資訊修正部12所通知的群體移動特性資訊，預測模擬各群體的移動狀況。然後，混亂預測部13，將資訊修正部12通知了群體移動特性資訊的群體的一者設定為評估對象，在模擬結果中尋找進入混亂預測對象區域的群體(步驟ST400)。

接著，混亂預測部13，判斷在尋找的結果中，是否有被設定為評估對象的群體所對應的群體、且在模擬結果中已經進入混亂預測對象區域的群體(步驟ST410)。

存在已進入混亂預測對象區域的群體的情況下(步驟ST410中[是])，混亂預測部13，追加該群體的群體移動特性資訊作為對於混亂預測處理的輸入資料(步驟ST420)。

另一方面，不存在已經進入混亂預測對象區域的群體的情況下(步驟ST410中[否])，混亂預測部13的處理移行到後述的步驟ST430。

接著，混亂預測部13，判斷是否已對資訊修正部12所通知的所有的群體移動特性資訊進行評估(步驟ST430)。混亂預測部13已經針對已通知的所有的群體移動特性資訊執行步驟ST400中的評估對象設定處理的情況下、即為已經對所有的群體移動特性資訊進行評估。

混亂預測部13尚未針對所有的群體移動特性資訊進行評估的情況下(步驟ST430中[否])，混亂預測部13的處理回到步驟ST400。此時，混亂預測部13，將未評估的群體移動特性資訊當中的1群體份的群體移動特性資訊設定為評估對象，作為步驟ST400的處理。

另一方面，混亂預測部13已針對所有的群體移動特性資訊評估的情況下(步驟ST430中[是])，混亂預測部13執行混亂預測處理(步驟ST440)。在此混亂預測處理中，混亂預測部13，使用步驟ST400~ST430的處理中作為向混亂預測處理的輸入資料的群體移動特性資訊，依據使用社會力模型或者格子自動機(Cellular automaton)法等的多元代理人模擬等的周知的演算手法，執行預測處理。藉此，混亂預測部13，算出混亂預測對象區域內的人們的動作、在實施形態1中的各群體的動作。

如上述，混亂預測部13以群體為對象執行混亂預測的演算。此演算的結果為混亂預測結果。

接著，混亂預測部13，將群體移動特性資訊向混亂預測處理輸入時所使用的群體中的一者設定為評估對象，在步驟ST440的混亂預測處理結果，尋找從混亂預測對象區域離開的群體(步驟ST450)。

接著，混亂預測部13，判斷在尋找結果中，是否有在步驟ST450中設定為評估對象的群體對應的群體、且從混亂預測對象區域離開的群體(步驟ST460)。

存在從混亂預測對象區域離開的群體的情況下(步驟ST460中[是])，混亂預測部13，將該群體的群體移動特性資訊從向混亂預測處理的輸入資料中剔除(步驟ST470)。

另一方面，不存在從混亂預測對象區域離開的群體的情況下(步驟ST460中[否])，混亂預測部13的處理移行至後述的步驟ST480。

接著，混亂預測部13，判斷是否已對步驟ST440的混亂預測處理中的輸入資料所使用的所有的群體移動特性資訊進行評估(步驟ST480)。混亂預測部13已經針對混亂預測處理中的輸入資料所用的所有的群體移動特性資訊執行步驟ST450中的設定為評估對象的處理的情況下，即為已經對所有的群體移動特性資訊進行評估。

混亂預測部13尚未對所有的群體移動特性資訊進行評估的情況下(步驟ST480中[否])，混亂預測部13的處理回到步驟ST450。此時，混亂預測部13，將未評估的群體移動特性資訊設定為評估對象，作為步驟ST450的處理。

另一方面，混亂預測部13已針對所有的群體移動特性資訊進行評估的情況下(步驟ST480中[是])，混亂預測部13，將混亂預測結果通知混亂度分析部14及顯示裝置3，結束使用步驟ST400中所通知的群體移動特性資訊的處理。藉此，顯示裝置3中顯示表示混亂預測結果的影像。

另外，資訊修正部12已通知下一筆群體移動特性資訊的情況下，混亂預測部13再度從步驟ST400開始處理。

第10圖為表示混亂度分析部14執行之處理的流程圖。

首先，混亂度分析部14，將混亂預測部13所通知的混亂預測結果以混亂預測對象區域的評估區域為單位進行分割(步驟ST500)。第11圖為表示步驟ST500的處理的示意圖。如第11圖中的虛線所示，混亂度分析部14，將混亂預測對象區域分割為複數評估區域。混亂度分析部14主要在例如交 叉路口及轉角等的人物的移動改變的部分，分割混亂預測對象區域。

接著，混亂度分析部14，計算各評估區域內存在的群體數，算出各評估區域的混亂度(步驟ST510)。混亂度分析部14，例如將每單位面積中的群體個數作為評估區域的混亂度來處理。或者，混亂度分析部14亦可將群體的佔有區域的合計面積相對於評估區域的面積之比例作為混亂度來處理。

混亂度分析部14，將已算出的混亂度通知資訊修正部12，結束使用步驟ST500中通知的混亂預測結果的處理。

另外，混亂預測部13已通知下一筆混亂預測結果的情況下，混亂度分析部14再度從步驟ST500開始處理。

另外，以上說明混亂預測裝置1適用於大量人潮聚集的活動舉辦時的情況，混亂預測裝置1亦可適用於其他的情況。例如，混亂預測裝置1亦可被使用於作為災害發生時預測混亂的裝置。

而且，以上說明資訊修正部12是在步驟ST310中產生群體移動特性資訊，並在之後的處理中修正群體移動特性資訊。但是，為了以群體為對象進行混亂預測的演算，資訊修正部12至少具有產生群體移動特性資訊的第2特性資訊產生部的功能即可，不具有修正已產生的群體移動特性資訊的功能亦可。在此情況下，亦可省略混亂度分析部14。

如上述，本實施形態1的混亂預測裝置1，將人物分為群體，使用表示群體移動情況的群體移動特性資訊作為輸 入資料，以群體為對象進行混亂預測的演算，因此，能夠定義演算對象以實現接近人們實際上的行動之演算，進而執行混亂預測的演算。

而且，資訊抽出部10，產生包含將影像進行圖像處理後所得到的移動速度的人物移動特性資訊，資訊修正部12，使得屬於相同群體的人物所對應的人物移動特性資訊所表示的移動速度的平均值、以及包含屬於該群體的人物的佔有區域的佔有區域包含於該群體的群體移動特性資訊中。像這樣，能夠將進行圖像處理的裝置利用作為感測器2。

而且包括：混亂度分析部14，其使用混亂預測部13的演算結果算出混亂度；資訊修正部12，使用已算出的混亂度，修正已產生的群體移動特性資訊；混亂預測部13使用經過資訊修正部12修正過的群體移動特性資訊。藉此，容易進行配合混亂的疏密程度的混亂預測。

而且，資訊修正部12進行修正使得混亂度越高則縮小群體的佔有區域。藉此，能夠容易地因應混亂的疏密進行考慮到群體可得到的佔有區域之大小的混亂預測。

而且，混亂預測部13，執行採用格子自動機(Cellular automaton)法的演算，資訊修正部12將屬於群體的人物的數量的格子組合的形狀分配給該群體，作為群體的佔有區域。藉此，產生知群體移動特性資訊具有適於在執行採用格子自動機法的混亂預測的情況下的形式。

而且，資訊修正部12進行下述修正：當混亂度在第1混亂閾值以下的情況下，在格子排列直交的2方向當中， 將格子沿著接近與群體移動方向直交方向的方向排列的形狀作為該群體的佔有區域，混亂度在大於前記第1混亂閾值的第2混亂閾值以上的情況下，格子排列直交的2方向當中，將格子沿著接近群體移動方向的方向排列的形狀作為該群體的佔有區域。藉此，能夠容易地因應混亂的疏密進行考慮到群體可得到的佔有區域之大小的混亂預測。

實施形態2.

實施形態2中，說明考慮人物持有大件行李等移動狀況等的情況。

另外，實施形態2中的混亂預測裝置1及包含混亂預測裝置1的混亂預測系統的構成與第1圖相同。對於具有與實施形態1相同或者相當功能的構成，標示以相同的符號，並省略或簡略其說明。以下使用第12圖及第13圖，以其與實施形態1的相異點為中心，說明實施形態2的混亂預測裝置1。

第12圖為表示持有行李等的人物移動的情況的圖。

行走的人物在空間內所佔用的區域，在持有像行李箱那麼大的行李的時候，和並非如此的時候是不同的。而且，行走的人物的移動速度在持有像行李箱那麼大的行李的時候，和並非如此的時候也是不同的。以下，將如同行李箱這樣的大小與人物相當的行李，稱之為大件行李。

因此，資訊抽出部10，產生人物移動特性資訊，將表示持有大件行李事實的資訊包含於持有大件行李的人物的人物移動特性資訊中。是否持有大件行李，可以構成為由感測器2的 圖像處理來判斷，並取得作為計測資料。

而且，資訊修正部12，考慮到持有大件行李的事實，定義群體的佔有區域及移動速度。具體言之，資訊修正部12，針對持有大件行李的人物，使得佔有區域沿著移動方向成倍，以定義該人物所屬群體的佔有區域。而且，資訊修正部12，針對持有大件行李的人物，進行使其移動速度變慢等的調整，以定義該人物所屬群體的移動速度。

另外，針對推著輪椅、手推車、嬰兒車或者平板車的人物，也會發生與上述持有大件行李的情況相同的現象。因此，可以如同上述的大件行李一樣地處理輪椅、手推車、嬰兒車或者平板車。亦即，資訊抽出部10，產生人物移動特性資訊，將表示推著輪椅、手推車、嬰兒車或者平板車之事實的資訊包含於推著輪椅、手推車、嬰兒車或者平板車的人物的人物移動特性資訊中。而且，資訊修正部12考慮推著輪椅、手推車、嬰兒車或者平板車的事實，定義群體的佔有區域及移動速度。

而且，混亂預測部13依據格子自動機(Cellular automaton)法執行混亂預測模擬的情況下，資訊修正部12對於大件行李也是分配一個格子。藉此，人物持有的大件行李被當作是與該人物隣接行動的物件來處理。

第13A及13B圖為，說明混亂預測部13執行使用格子自動機(Cellular automaton)法的演算的情況下，資訊修正部12所定義的群體的佔有區域之圖。

第13A及第13B圖中，表示1個人的人物形成1個群體 的情況。

第13A圖表示人物未持有大件行李的情況。此時，資訊修正部12分配一個格子作為該人物所屬群體的佔有區域。

第13B圖表示人物持有大件行李的情況。此時，資訊修正部12，連同行李的份，分配兩個格子作為該人物所屬群體的佔有區域。

另外，推著輪椅、手推車、嬰兒車或者平板車的人物的情況下之格子的分配也是一樣。

除了考慮大件行李、輪椅、手推車、嬰兒車或者平板車等的影響之外，實施形態2的混亂預測裝置1進行與實施形態1的混亂預測裝置1相同的處理。

如上述，本實施形態2的混亂預測裝置1，考慮到持有大件行李的事實、並考慮到推著輪椅、手推車、嬰兒車或者平板車的事實等，定義人物的佔有區域以及該人物所屬群體的佔有區域。因此，本實施形態2的混亂預測裝置1，除了實施形態1所示的效果之外，其實現之混亂預測，還能夠反映出持有大件行李的人物、以及推著輪椅、手推車、嬰兒車或者平板車的人物對於混亂造成的影響。

而且，資訊抽出部10，針對持有大小與人物相當的行李之人物，產生佔有區域沿著移動方向成倍的人物移動特性資訊。藉此，能夠考慮到移動時持有大小與人物相當的行李的人物。

而且，資訊抽出部10，針對推著輪椅、手推車、嬰兒車或者平板車的人物，產生佔有區域沿著移動方向成倍的 人物移動特性資訊。藉此，能夠考慮在移動時推著輪椅、手推車、嬰兒車或者平板車的人物。

另外，本案發明在其發明的範圍內，可以進行各實施形態的自由組合、或者各實施形態的任意構成要素的變形、或者在各實施形態中的任意的構成要素的省略。

【產業上的利用可能性】

如上述，本發明的混亂預測裝置，能夠定義演算對象以實現接近人們實際上的行動之演算，而進行混亂預測的演算，所以適用於預測在大量人潮聚集的活動舉辦時，到達活動會場的移動路徑中的混亂狀況。

Claims (9)

1. 一種混亂預測裝置，其包括：第1特性資訊產生部，產生表示各個人物的移動情況的人物移動特性資訊；相關分析部，使用前記人物移動特性資訊，基於位置的接近度及行動的類似度，就各個行動一致的群體將人物進行群體區分；第2特性資訊產生部，就前記相關分析部的群體區分所形成的各個群體，產生表示群體的移動情況的群體移動特性資訊；及混亂預測部，使用群體移動特性資訊，以群體為對象進行混亂預測的演算。
2. 如申請專利範圍第1項所記載的混亂預測裝置，前記第1特性資訊產生部產生包含將影像進行圖像處理所得到的移動速度的人物移動特性資訊；前記第2特性資訊產生部將後述資訊包含於該群體的群體移動特性資訊中：屬於相同群體的人物所對應的人物移動特性資訊所表示的移動速度的平均值、包含屬於該群體的人物的佔有區域之佔有區域。
3. 如申請專利範圍第1項所記載的混亂預測裝置，前記第1特性資訊產生部，針對持有大小與人物相當的行李的人物，產生佔有區域沿著移動方向成倍的人物移動特性資訊。
4. 如申請專利範圍第1項所記載的混亂預測裝置，前記第1特性資訊產生部，針對推著輪椅、手推車、嬰兒車或者平 板車的人物，產生佔有區域沿著移動方向成倍的人物移動特性資訊。
5. 如申請專利範圍第1項所記載的混亂預測裝置，包括：混亂度分析部，使用前記混亂預測部的演算結果，算出混亂度；資訊修正部，使用已算出的混亂度，修正前記第2特性資訊產生部所產生的群體移動特性資訊；前記混亂預測部使用經過前記資訊修正部修正過的群體移動特性資訊。
6. 如申請專利範圍第5項所記載的混亂預測裝置，前記資訊修正部進行修正使得混亂度越高則縮小群體的佔有區域。
7. 如申請專利範圍第5項所記載的混亂預測裝置，前記混亂預測部執行採用格子自動機(Cellular automaton)法的演算；前記第2特性資訊產生部，將屬於群體的人物的數量的格子組合的形狀分配給該群體，作為群體的佔有區域。
8. 如申請專利範圍第7項所記載的混亂預測裝置，前記資訊修正部進行下述修正：混亂度在第1混亂閾值以下的情況下，在格子排列直交的2方向當中，將格子沿著接近與群體移動方向直交方向的方向排列的形狀作為該群體的佔有區域；混亂度在大於前記第1混亂閾值的第2混亂閾值以上的情況下，格子排列直交的2方向當中，將格子沿著接近群體移動方向的方向排列的形狀作為該群體的佔有區域。
9. 一種混亂預測方法，其包括：第1特性資訊產生步驟，第1特性資訊產生部產生表示各個人物的移動情況的人物移動特性資訊；相關分析步驟，相關分析部使用前記人物移動特性資訊，基於位置的接近度及行動的類似度，就各個行動一致的群體將人物進行群體區分；第2特性資訊產生步驟，第2特性資訊產生部，就前記相關分析部的群體區分所形成的各個群體，產生表示群體的移動情況的群體移動特性資訊；及混亂預測步驟，混亂預測部，使用群體移動特性資訊，以群體為對象進行混亂預測的演算。