LRFと深層学習を用いた地下街における人流推定手法

カテゴリ: 研究会(論文単位)

論文No: ST18137

グループ名: 【C】電子・情報・システム部門 システム研究会

発行日: 2018/12/15

タイトル(英語): Estimation of people flow in underground malls by LRF and deep neural networks

著者名: 森永 裕矢(富山県立大学),榊原 一紀(富山県立大学),大原 誠(神戸大学),松本 卓也(創発システム研究所),鈴木 義康(日建設計総合研究所),玉置 久(神戸大学)

著者名(英語): Yuya Morinaga(Toyama Prefectural Universtiy),Kazutoshi Sakakibara(Toyama Prefectural University),Makoto Ohara(Kobe University),Takuya Matsumoto(Sohatsu Systems Laboratory Inc.),Yoshiyasu Suzuki(NIKKEN Research Institute),Hisashi Tamaki(Kobe University)

キーワード: 地下街|人流|深層学習|underground mall|people flow|deep neural network

要約(日本語): 都市空間における人の移動に対して，効率的な交通管理や群集の移動予測など様々な観点から研究されてい るが，コンピュータの性能向上やセンシング技術の発展により個人単位での歩行行動の計測・モデリングが現実 的になってきた.このような背景の下，本研究では歩行以外の交通(自転車・自動車など)が少なく，また出入口 が限定されるため歩行経路が比較的取得しやすい地下街に着目し，LRF(Laser Range Finder) を用いて人の移動 軌跡を取得し，そのデータに基づき深層学習による人流の予測を試みる.

要約(英語): Air conditioning systems considering people-flow have much attention, e.g., stopping where there are no people and air conditioning according to the number of people. In order to operate such air conditioning, prediction of people density is important because temperature change of space requires time from the start of the air conditioning. The purpose of this study is to predict crowd density for planning of air conditioning systems using people flow data in an underground mall by machine learning techniques such as deep neural networks. Through some computational example, the validity of the proposed approach is confirmed and its potential for future applications is shown.

原稿種別: 日本語

PDFファイルサイズ: 994 Kバイト