JP7729355B2 - 最適化方法、最適化装置、及び最適化プログラム - Google Patents

Description

特許法第３０条第２項適用 ２０２０年１１月１日 ＮＴＴ技術ジャーナル、第３２巻、第１１号、第７７～８３頁 にて公開 ２０２０年１１月１６日 ｈｔｔｐｓ：／／ｗｗｗ．ｒｄ．ｎｔｔ／＿ａｓｓｅｔｓ／ｐｄｆ／ｆｏｒｕｍ／２０２０／Ｄ０５＿ｊ．ｐｄｆ にて公開

開示の技術は、最適化方法、最適化装置、及び最適化プログラムに関する。

現実空間に存在するオブジェクト又は事象をコンピュータ上でモデル化し、コンピュータ上で行ったシミュレーションの結果を現実空間にフィードバックすることは従来から検討されている。現実空間に存在するオブジェクト又は事象をコンピュータ上でモデル化したものを、以下ではデジタルツイン、又はＤＴと記載する。

例えば非特許文献１には、個々の風力発電機のカスタマイズをデジタルツインで行う事例が記載されている。

三井物産戦略研究所 戦略研レポート ２０１７年１月３１日号「２０１７年に注目すべき４つのイノベーション」，https://www.mitsui.com/mgssi/ja/report/detail/__icsFiles/afieldfile/2017/02/09/170131tm.pdf

しかしながら、非特許文献１を含め、従来の技術は１つのオブジェクトのデジタルツインしか考慮されていない。非特許文献１には、前述した風力発電機の他に都市計画等をデジタルツインで実現しようとする試みが存在することも記載されているが、個々のオブジェクトのデジタルツインを作成することしか記載されていない。

現実空間には多数のオブジェクトが存在し、オブジェクト間で相互に影響を与えあっている。これは、デジタルツイン同士で相互に影響を与えあうことも考慮する必要がある事を示している。道路における交通で例示すると、道路はバスなどの公共交通機関、個人の自動車、及び運搬に用いられる乗り物など様々なオブジェクトにより利用される。つまり、自動車のデジタルツイン、及びバスのデジタルツインなどが相互に影響を与える。当然、自動車のデジタルツインは自動車ごとに存在してもいいことから、第一の自動車のデジタルツインが第二の自動車のデジタルツインに影響を与えることも考えられる。このように多種多様なデジタルツインが相互に与えあう影響を考慮しながら、全体として１つ、又は複数の指標を同時に最適化するためには、指標を定めるとともにデジタルツイン間のインタラクションを考慮する必要がある。このような制御は、デジタルツイン間のインタラクションを考慮しなければ実現することが出来ない。

開示の技術は、上記の点に鑑みてなされたものであり、交通を一例としてデジタルツイン間の相互の影響を考慮して所定の指標を最適化する最適化方法、最適化装置、及び最適化プログラムを提供することを目的とする。

本開示の第１態様は、最適化方法であって、第一のユーザの出発時刻、出発地点、及び目的地点を含む第一入力を取得し、第二のユーザの出発時刻、出発地点、及び目的地点を含む第二入力を取得し、前記第一入力と、前記第二入力と、のいずれにも基づき、所定の指標を最適化する前記第一のユーザに提示する経路と前記第二のユーザに提示する経路とをデジタルツイン上で算出し、前記第一のユーザに提示する経路を前記第一のユーザに提示し、前記第二のユーザに提示する経路を前記第二のユーザに提示することを含む処理をコンピュータが実行することを特徴とする。

本開示の第２態様は、最適化装置であって、第一のユーザの出発時刻、出発地点、及び目的地点を含む第一入力を取得し、第二のユーザの出発時刻、出発地点、及び目的地点を含む第二入力を取得する取得部と、前記第一入力と、前記第二入力と、のいずれにも基づき、所定の指標を最適化する前記第一のユーザに提示する経路と前記第二のユーザに提示する経路とをデジタルツイン上で算出し、前記第一のユーザに提示する経路を前記第一のユーザに提示し、前記第二のユーザに提示する経路を前記第二のユーザに提示する最適化部と、を含む。

本開示の第３態様は、最適化プログラムであって、第一のユーザの出発時刻、出発地点、及び目的地点を含む第一入力を取得し、第二のユーザの出発時刻、出発地点、及び目的地点を含む第二入力を取得し、前記第一入力と、前記第二入力と、のいずれにも基づき、所定の指標を最適化する前記第一のユーザに提示する経路と前記第二のユーザに提示する経路とをデジタルツイン上で算出し、前記第一のユーザに提示する経路を前記第一のユーザに提示し、前記第二のユーザに提示する経路を前記第二のユーザに提示する、処理をコンピュータに実行させる。

開示の技術によれば、デジタルツイン間の相互の影響を考慮して所定の指標を最適化する最適化方法、最適化装置、及び最適化プログラムを提供することができる。

本開示の実施形態の概要を説明する図である。 実施形態の概略構成例であり、最適化装置を含む機能構成の例を示すブロック図である。 移動ＭａａＳＤＴの最適化における各機能の一例を示す概略図である。 最適化装置のハードウェア構成を示すブロック図である。 最適化装置による最適化処理の流れを示すフローチャートである。 混雑度の指標値を用いて経路を最適化する場合の最適化例１の流れを示す図である。 移動手段の混雑度の指標値、及び各ユーザにとっての価格の指標値を用いて経路を最適化する場合の最適化例２の流れを示す図である。

以下、開示の技術の実施形態の一例を、図面を参照しつつ説明する。なお、各図面において同一又は等価な構成要素及び部分には同一の参照符号を付与している。また、図面の寸法比率は、説明の都合上誇張されており、実際の比率とは異なる場合がある。

まず、開示の技術の実施形態の概要を説明する。図１は、本実施形態の概要を説明する図である。

本実施形態に係る手法は、複数のデジタルツインを連鎖させて提供する価値を拡張する、街づくりデジタルツインコンピューティング（ＤＴＣ）基盤において用いられることを前提とする。ＤＴＣにおいては、複数のデジタルツインを連鎖させることで、価値の拡張を目指すデジタルツインコンピューティングを想定している。

デジタルツイン技術の個々の適用先として、現実空間における人、物（貨物、及び乗り物を含む）の移動の制御、又はリコメンドが挙げられる。例えば、物流、又は人の移動をそれぞれのデジタルツインで予測することができる。予測した結果が、すべてのデジタルツインにおいて所定の指標値（積載量、稼働時間、待ち時間、及び混雑度合いなど）を満たすように各デジタルツインの行動を変えるようなリコメンド、又は制御が可能である。

また、デジタルツインは、街づくりのローカルの観点だけでなく、階層構造をなすターミナルＤＴＣを想定することができる。図１は、駅等を基点としたターミナルＤＴＣを想定したイメージ図である。図１の例は、階層を、全国ターミナルＤＴＣ、広域（首都圏）ターミナルＤＴＣ、及びローカル（ワンマイル）ターミナルＤＴＣとした場合の一例である。このようなターミナルＤＴＣにおいては、飛行機、新幹線、及び電車等の交通網の移動手段における提供価値をデジタルツインの指標値として設定する。また、それぞれのＤＴＣにおける、物流、移動、及び観光に関するデジタルツインを全体又は個々について最適化することが想定される。なお、ターミナルの規模はこれらに限られず大小さまざまであるため、例えば国単位、地方単位、県単位、市又は区単位、及び駅又はビル単位のようにエリア又は規模の大きさに基づいて階層的にデジタルツインを構築してもよい。

なお、デジタルツインの具体例としては、例えば、移動ＭａａＳ（Ｍｏｂｉｌｉｔｙ ａｓ ａ Ｓｅｒｖｉｃｅ）ＤＴ、観光ＤＴ、ＬａａＳ（Ｌｏｇｉｓｔｉｃｓ ａｓ ａ Ｓｅｒｖｉｃｅ）ＤＴ、及びリテイルＤＴが挙げられる。以下、それぞれについて説明する。後述するように対象とするＤＴによって最適化する指標は１つ若しくは複数を選択すればよい。指標の一例を挙げると、収益性、顧客満足度、業務効率性、サービス提供品質、環境影響、社会的な影響度、及び従業員満足度が挙げられる。また、ＢｔｏＣのようにユーザに直接接するような場合、ユーザが受けるタイミング及び嗜好との合致度、ユーザがとろうとしている行動との合致度、ユーザの主観的な快適度、並びにユーザの健康状態度合い等が考えられる。

移動ＭａａＳＤＴでは、対象として、ラストワンマイル、顧客分散、プライシング、及びサブスクリプション等による価値の提供が挙げられる。ラストワンマイルは、例えば駅から自宅まで等のラストワンマイルの移動手段を最適化することである。顧客分散は、例えば電車内等の混雑を分散させることである。プライシングは、混雑の分散におけるプライシングの活用である。サブスクリプション（以下、サブスクと省略記載する）は、目的地の場所を含めたサブスクの応用によって、複数の拠点の利用の配置を最適化することである。指標としては、平均乗車率、混雑度、快適性、ＣＯ２濃度、安全性、エンドユーザが払う価格、及び居室利用率などがあげられる。

観光ＤＴでは、対象として、ベストプライスサブスク、遠隔環境提供、及び遠隔体験最適化等が挙げられる。ベストプライスサブスクは、一次交通と、二次交通とを含むＭａａＳについて、移動手段及び施設等の経由地の混雑度、経由地の確保、並びに経由地のプライシングを含めて観光を最適化することである。なお、一次交通とは、例えば品川から京都まで移動といった駅間の交通を示す。二次交通とは、京都に到着してからの京都内での移動といった駅から目的地までの交通を示す。遠隔環境提供は、遠隔地の環境状態を予測して再現することある。遠隔体験最適化は、例えば遠隔地の移動媒体の操作によるリモートトリップであり、遠隔地での体験を再現することである。指標としては、施設利用者率、平均乗車率、回転率、待ち時間、混雑度、及びＣＯ２濃度のような環境影響などが挙げられる。

ＬａａＳＤＴでは、対象として、支線物流最適化、及びクラウドバッゲージによる価値の提供が挙げられる。支線物流最適化は、日常移動圏内のユーザの荷物をユーザとは別に運ぶ物流の最適化である。クラウドバッゲージは、旅行地に荷物を持たずに向かっても宿泊先に必要品が揃えられている等の物品のシェアリングの最適化である。指標としては、輸送量、積載率、配送までの期間、エンドユーザが支払う価格、ＣＯ２濃度のような環境影響、利用者数、配送内容のユーザごとの適合度が挙げられる。適合度とは、例えば、エンドユーザの行動、嗜好との合致度合いや、旅先で必要であるかの度合いである。

リテイルＤＴでは、対象として、ワンターミナル化、及び倉庫型リテイルによる価値の提供が挙げられる。ワンターミナル化は、例えば一つの駅の店舗に近隣駅の店舗の商品を集約し、近隣の駅及び店舗に行かずに購入可能とする物流の最適化である。倉庫型リテイルは、店舗側が移動媒体によって提供する際に、ユーザの需要に応じて、どのような順番で移動させるのかを決める等の需給を鑑みた物流の最適化である。指標としては、対象エリアの広さ、売上、小売店舗の網羅率、ＣＯ２濃度のような環境影響、配送までの期間、及び品ぞろえが挙げられる。

（第１実施形態）
まず、第１実施形態のポイントを記載する。第１実施形態では、少なくとも複数のユーザのデジタルツインを用いて、複数の移動手段のデジタルツインを含む、デジタルツイン全体としての指標を最適化するよう各ユーザに経路を提示する技術を示す。ここでは最適化する指標として混雑度を挙げる。

第一のユーザと第二のユーザ、第一の移動手段から第三の移動手段があるとする。第一のユーザの行動によって第一の移動手段から第三の移動手段いずれかの混雑度は変化する。つまり、第一のユーザの行動が第二のユーザと移動手段に影響を与えることがわかる。そこで、第一のユーザと第二のユーザの出発地点、目的地点、及び所望の到着時刻（又は出発時刻）を取得し、それぞれ候補となりうる経路を算出する。第一のユーザの経路候補と第二のユーザの経路候補の組み合わせを作成し、各組み合わせごとに各移動手段の混雑度を算出する。全体としての混雑度が最小となるような組み合わせが決定されたら、当該組合せに対応する第一のユーザの経路候補と第二のユーザの経路候補をそれぞれ第一のユーザと第二のユーザに提示する。

なお、最適化する指標は１つでもいいし複数の指標を同時に最適化してもよい。指標の例としては、収益性を考慮した平均乗車率や居室利用率、顧客満足度を考慮した混雑度や快適性や安全性や価格、環境を考慮したＣＯ２排出や使用電力などが挙げられる。また、後述する最適化手段以外の手法を用いて最適化してもよい。また、ユーザのデジタルツインにかえてユーザ自身が現実空間から入力を行ってもよい。

本開示の第１実施形態に係る最適化装置は、以上のようなＤＴＣに関する想定を考慮して成されている。なお、以下の説明では、上述した移動ＭａａＳＤＴを最適化する場合を例に、デジタルツインの指標値として少なくとも混雑度合いを用いて複数のユーザの経路を最適化する場合について説明する。

図２は、実施形態の概略構成例であり、最適化装置を含む機能構成の例を示すブロック図である。図２には、デジタルツインシステムを最適化する最適化装置１０と、最適化装置１０に各種データを提供する情報処理装置２０と、最適化装置１０によって最適化されたデジタルツインシステムに基づいて動作する機器３０と、が示されている。

最適化装置１０は、少なくとも２つのデジタルツインが含まれるデジタルツインシステムを最適化する装置であり、デジタルツインシステムの最適化の一態様として、複数のユーザのそれぞれの経路に係るデジタルツインを最適化する。

情報処理装置２０は、最適化装置１０に情報を提供する装置であると共に、本実施形態ではタクシー、バス、電車、シェアバイク等の各種の移動手段を制御する装置である。

機器３０は、本実施形態ではユーザが操作する機器であり、例えばスマートフォン、ＰＣ、タブレット端末、ウェアラブル端末等がある。機器３０は、最適化装置１０によって最適化されたデジタルツインシステムから出力される情報に基づいて動作を実行する。また、機器３０は、人に情報を提示するようなデジタルサイネージ等の設置された端末も含み、現実世界の人、モノ、及び環境に影響を与えるものすべてを含む。

最適化装置１０の経路の最適化ために、少なくとも、移動手段の情報（交通機関の運行情報、及び混雑情報等）を有する。また、最適化装置１０は、経路の最適化にあたってユーザの指標値を用いる場合には、ユーザの情報（スケジュール、及び行動モデル等）のユーザに関する情報を有する。最適化装置１０では、それぞれのデジタルツインが、例えば、情報処理装置２０及び機器３０から提供されたデータに基づいて構築され得る。最適化装置１０は、デジタルツインシステムの最適化の結果、移動手段を制御する場合は、移動手段を制御するための情報を出力する。また、最適化装置１０は、各種データを取得する。各種データとしては、移動手段の情報、ユーザの情報、及び施設の情報である。取得する移動手段の情報は、例えば交通トラフィックデータ、配車データ（ルート及び配車車両）、運行情報、並びに混雑情報である。取得するユーザの情報は、ユーザ個人のスケジュール、及びユーザの行動履歴及び位置情報といった個人プロファイルから得られる行動モデルである。取得する施設の情報は、例えば施設の混雑状況、在庫状況、及びプライシング等である。ユーザの情報、及び施設の情報の取得には、例えば状態をセンシングする各種のセンサ（図示省略）を用いることができる。センサには、例えば、人間の体温、脈拍、及び血圧等のバイタルサインの情報を取得する生体情報センサ、人間が利用する装置、及び機器等の情報を取得するセンサ等が含まれ得る。またセンサには、他にも、建物設備に敷設される空調、ＥＶ等設備に混載されるセンサ、ロボット、及びドローン等のフィジカルインフラに装備されているセンサ、又は建物に敷設されているカメラ、若しくはセンサ等が含まれる。

なお、デジタルツインシステムは、最適化装置１０の内部に構築されてもよく、最適化装置１０とは異なる別の装置の内部に構築されてもよい。

ここで、最適化装置１０で実現するデジタルツインの最適化の一例を説明する。図３は、移動ＭａａＳＤＴの最適化における各機能の一例を示す概略図である。図３に示す例では、ユーザ機能、ＭａａＳ最適化機能、及び移動制御機能を有し、ユーザ機能が機器３０、ＭａａＳ最適化機能が最適化装置１０、移動制御機能が情報処理装置２０に対応する。ユーザが、機器３０から所定の入力により、出発時刻、出発地点、及び目的地等を入力して検索をした場合を想定している。このとき、ＭａａＳ経路選定機能においては、交通トラフィックデータ等を用いて、経路候補を生成する。最適化装置１０は、各種デジタルツインを連携させて、情報処理装置２０から移動手段の位置データ及び運行状況等を取得するとともに、情報処理装置２０に対する移動手段の制御を行う（連携ＭａａＳＤＴ）。また、最適化装置１０は、機器３０に対しては経路提示及び価格選択、並びに移動手段の手配等を行う（移動サポート）。

図４は、最適化装置１０のハードウェア構成を示すブロック図である。

図４に示すように、最適化装置１０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１１、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１２、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１３、ストレージ１４、入力部１５、表示部１６及び通信インタフェース（Ｉ／Ｆ）１７を有する。各構成は、バス１９を介して相互に通信可能に接続されている。

ＣＰＵ１１は、中央演算処理ユニットであり、各種プログラムを実行したり、各部を制御したりする。すなわち、ＣＰＵ１１は、ＲＯＭ１２又はストレージ１４からプログラムを読み出し、ＲＡＭ１３を作業領域としてプログラムを実行する。ＣＰＵ１１は、ＲＯＭ１２又はストレージ１４に記憶されているプログラムに従って、上記各構成の制御及び各種の演算処理を行う。本実施形態では、ＲＯＭ１２又はストレージ１４には、デジタルツインシステムを最適化する最適化プログラムが格納されている。また、ストレージ１４には、複数のデジタルツインが構築されていてもよい。

ＲＯＭ１２は、各種プログラム及び各種データを格納する。ＲＡＭ１３は、作業領域として一時的にプログラム又はデータを記憶する。ストレージ１４は、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）又はＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記憶装置により構成され、オペレーティングシステムを含む各種プログラム、及び各種データを格納する。

入力部１５は、マウス等のポインティングデバイス、及びキーボードを含み、各種の入力を行うために使用される。

表示部１６は、例えば、液晶ディスプレイであり、各種の情報を表示する。表示部１６は、タッチパネル方式を採用して、入力部１５として機能しても良い。

通信インタフェース１７は、他の機器と通信するためのインタフェースである。当該通信には、例えば、イーサネット（登録商標）若しくはＦＤＤＩ等の有線通信の規格、又は、４Ｇ、５Ｇ、若しくはＷｉ－Ｆｉ（登録商標）等の無線通信の規格が用いられる。以上が最適化装置１０のハードウェア構成である。

次に、最適化装置１０の各機能構成について説明する。各機能構成は、ＣＰＵ１１がＲＯＭ１２又はストレージ１４に記憶された最適化プログラムを読み出し、ＲＡＭ１３に展開して実行することにより実現される。図２に示すように、最適化装置１０は、機能構成として、取得部１０１、候補生成部１０２、算出部１０３、及び最適化部１０４を有する。

取得部１０１は、第一のユーザの第一入力、及び第二のユーザの第二入力を取得する。第一入力及び第二入力のユーザの入力内容は、ユーザごとの出発時刻、出発地点、及び目的地を少なくとも含む。なお、第一のユーザ又は第二のユーザは一以上のユーザであり、複数であってもよい。また、第一入力及び第二入力は、第一のユーザ及び第二のユーザが操作する任意の機器３０から取得されてもよいし、ユーザの操作によらずに自動で取得されてもよい。図面では機器３０を１つに表示しているが、当然、ユーザごとに機器３０があってもよい。機器３０は例えばスマートフォンやタブレットなどのモバイルデバイスやパソコンなどが挙げられる。また、出発時刻に代えて所望の到着時刻を含んでもよい。

候補生成部１０２は、第一入力及び第二入力に基づき、第一のユーザに関する経路候補と、第二のユーザに関する経路候補との候補組み合わせを生成する。候補組み合わせは、例えば、出発時刻、出発地点、及び目的地から、移動手段の情報を参照して、利用可能な移動手段による経路候補をユーザごとに抽出することにより生成すればよい。経路候補は、出発地と目的地との組み合わせから、途中の可能な複数の移動手段の組み合わせを生成する。出発時刻、及び到着時刻の違いにより、さらに移動手段の組み合わせのバリエーションは生成できる。例えば、「バス→タクシー→自転車」、「電車→徒歩」、「地下鉄→シャトルバス」などの複数の移動手段の組み合わせである。また、これらの移動手段は、上述した階層構造の層ごとの移動手段であり得る。

算出部１０３は、候補生成部１０２で生成された候補組み合わせについて、少なくとも移動手段の時間ごとの混雑度を指標値として算出する。移動手段は、候補組み合わせの経路候補に含まれる移動手段である。混雑度は、例えば第一のユーザが当該移動経路に含まれる移動手段を用いる時刻と、第二のユーザが当該移動経路に含まれる移動手段を用いる時刻とを少なくとも用いて算出する。移動手段を用いる時刻とは、ユーザが経路候補に含まれる移動手段に乗車する予定の時刻である。混雑度は、例えば予め取得しておいた混雑情報に含まれる現在及び過去の移動手段の該当時刻の混雑の状況を元に算出すればよい。
ユーザが移動経路に含まれる移動手段を用いる時刻は、特定の時刻に定めず、各ユーザの行動の制約条件の中で、出発時刻をずらし、各出発時刻の中での候補を複数生成する。その上で、各ユーザの移動経路の組み合わせを生成することで、１日の中での混雑の推移を算出して指標値を算出することも可能である。

最適化部１０４は、候補組み合わせについて移動手段の時間ごとに推定された混雑度の指標値に基づいて、候補組み合わせの中で最適な組み合わせの経路の各々を、第一のユーザに提示する経路と第二のユーザに提示する経路として算出する。ここで算出する経路の各々は、混雑度を最適化する経路の各々をデジタルツイン上で算出する。最適化部１０４は、算出した第一のユーザに提示する経路を第一のユーザが操作する任意の機器３０に出力し、算出した第二のユーザに提示する経路を第二のユーザが操作する任意の機器３０に出力する。混雑度を最適化する経路の各々が、本開示の所望の指標を最適化する第一のユーザに提示する経路と第二のユーザに提示する経路との一例である。

次に、最適化装置１０の作用について説明する。

図５は、最適化装置１０による最適化処理の流れを示すフローチャートである。ＣＰＵ１１がＲＯＭ１２又はストレージ１４から最適化プログラムを読み出して、ＲＡＭ１３に展開して実行することにより、最適化処理が行なわれる。

ステップＳ１００において、ＣＰＵ１１は、取得部１０１として、第一のユーザの第一入力、及び第二のユーザの第二入力を取得する。第一入力及び第二入力は、第一のユーザ及び第二のユーザが操作する任意の機器３０から取得されてもよいし、ユーザの操作によらずに自動で取得されてもよい。

ステップＳ１０２において、ＣＰＵ１１は、候補生成部１０２として、ステップＳ１００で取得された第一入力及び第二入力に基づき、第一のユーザに関する経路候補と、第二のユーザに関する経路候補との候補組み合わせを生成する。

ステップＳ１０４において、ＣＰＵ１１は、算出部１０３として、ステップＳ１０２で生成された候補組み合わせについて、少なくとも移動手段の時間ごとの混雑度を指標値として算出する。移動手段は、候補組み合わせの経路候補に含まれる移動手段である。

ステップＳ１０６において、ＣＰＵ１１は、最適化部１０４として、候補組み合わせの中で最適な組み合わせの経路の各々を、第一のユーザに提示する経路と第二のユーザに提示する経路として算出する。経路の各々は、候補組み合わせについて移動手段の時間ごとに推定された混雑度の指標値に基づいて算出する。

ステップＳ１０８において、ＣＰＵ１１は、最適化部１０４として、算出した第一のユーザに提示する経路を第一のユーザが操作する任意の機器３０に出力し、算出した第二のユーザに提示する経路を第二のユーザが操作する任意の機器３０に出力する。

以下、最適化装置１０における移動ＭａａＳＤＴの適用例１及び適用例２について説明する。適用例においては、第一のユーザがユーザＡ、第二のユーザがユーザＢ、及びユーザＣの複数であると想定する。図６の適用例１は、混雑度の指標値を用いて経路を最適化する場合である。図７の適用例２は、移動手段の混雑度の指標値、及び各ユーザにとっての価格の指標値を用いて経路を最適化する場合である。価格は移動手段を利用した場合の価格とする。

（移動ＭａａＳＤＴの適用例１）
図６の適用例１について説明する。［１］まず、ユーザＡ、ユーザＢ、及びユーザＣから入力（出発時刻、出発地点、及び目的地）を取得する。［２］入力から、移動手段の情報（運行情報）を参照し、ユーザＡの経路候補（ｉ＝Ａ１～Ａｎ）、ユーザＢの経路候補（ｊ＝Ｂ１～Ｂｎ）、ユーザＣの経路候補（ｋ＝Ｃ１～Ｃｎ）をそれぞれ抽出し、経路候補の候補組み合わせＴ（Ｔｉｊｋ）を生成する。なお、ｎの数はそれぞれのユーザで独立した数である。候補組み合わせＴは、（Ａ１，Ｂ１，Ｃ１）の経路候補であれば候補組み合わせＴ１１１（Ｔｉｊｋ）と生成できる。ここで、各経路候補（Ａｉ，Ｂｊ，Ｃｋ）には、移動手段ａ、移動手段ｂ、及び移動手段ｃが含まれ得る。また、他の移動手段ｄ、移動手段ｅ、及び移動手段ｆでもよく、これらの移動手段はユーザごとに組み合わせが変わってもよい。［３］次に、経路候補に含まれる移動手段の時間ごとの利用状況を予測し、混雑度の指標値を算出する。移動手段の利用状況では、移動手段の情報を用いて、混雑予測、利用時間予測、及び待ち時間予測、等を行い、これらを組み合わせて混雑度の指標値を算出する。［４］移動手段の時間ごとに算出した混雑度の指標値から、候補組み合わせＴｉｊｋの組み合わせについてｉｊｋを独立に変化させて、候補組み合わせＴｉｊｋの全体指標値を算出する。［５］候補組み合わせＴｉｊｋのうち混雑度の指標値が最適となる候補組み合わせＴ’ｉｊｋを導出する。［６］候補組み合わせＴ’ｉｊｋの経路をユーザＡ、ユーザＢ、及びユーザＣにそれぞれ提示する。例えば、候補組み合わせＴ’ｉｊｋが（Ａ７，Ｂ３，Ｃ５）であれば、ユーザＡに経路Ａ７、ユーザＢに経路Ｂ３、ユーザＣに経路Ｃ５を提示することにより、経路推薦を行う。

（移動ＭａａＳＤＴの適用例２）
図７の適用例２について説明する。適用例２については、適用例１の事例と比較して差分の部分について説明する。適用例２では、［４］において候補組み合わせＴｉｊｋのｉｊｋを独立に変化させて、混雑度の全体指標値、及びユーザＡ～Ｃそれぞれの価格の指標値を算出する。［５］候補組み合わせＴｉｊｋのうち混雑度の指標値、及び価格の全体指標値のそれぞれが最適となる候補組み合わせＴ’ｉｊｋを導出する。なお、混雑度の指標値、及び価格の指標値を組み合わせる場合について説明したが、これに限定されるものではない。指標値は、例えば、移動時間、運用コスト、及び消費エネルギーなどを考慮してもよく、また、各ユーザで異なる指標値を用いてもよい。

以上説明したように本開示の第１実施形態の最適化装置１０によれば、デジタルツイン間の相互の影響を考慮して所定の指標を最適化することができる。

次に、複数の指標値を組み合わせた場合の相互最適化に関する手法について説明する。

オフィス商業向けの街づくりＤＴＣでは、複数のデジタルツインによって構成される。各デジタルツインは特定の状態（ｘ）において、優先すべき、又は最も良い状態かを判断する指標値を一つ以上もつ。例えば、エネルギー制御最適化であれば、電力量、快適性、及びＣｏ２濃度を指標値とすることができる。移動手段の運転最適化であれば、電力量、待ち時間、及び混雑度を指標値とすることができる。

例えば、街区において、１つのデジタルツインを最適な状態にする場合には、１つのデジタルツインの状態を独立に予測し、元も良い状態を選択すればよい。しかし複数のデジタルツインが最適な状態を維持するためには、互いに与える影響を考慮し、相互に最適な状態を選択する必要がある。相互に最適な状態を選択する方法としては、次の３つの方法が挙げられる。

方法１は、１つのデジタルツインにおいて発生する未来の状態の候補から、他のデジタルツインの状態を予測し、各候補の状態における指標値の合計が最大になる候補を選択する方法である。方法２は、１つのデジタルツインの指標値が最大になるようにした場合に他のデジタルツインの状態とその指標値が、当該指標値にあらかじめ定められた制約条件内に収まるように状態を変更して、候補を選択する方法である。方法３は、マルチエージェント強化学習を行い、すべての状態が最適になる状態を算出して候補を選択する方法である。以下では、方法１及び方法２の手法の具体例を説明する。

方法１では、例えば、ＤＴがａ～ｅまで存在する場合、以下［１］～［３］を行う。

［１］まずＤＴ（ａ）について、未来の状態の候補と、各状態におけるａの指標値を抽出する。未来の状態の候補は、例えば、日時、場所、直前のイベントに連なって発生する状態をモデル化、あるいはルール化したものから抽出する。状態候補ｘに対しては、指標値ａ（ｘ）が算出される。状態候補ｙに対しては、指標値ａ（ｙ）が算出される。状態候補ｚに対しては、指標値ａ（ｚ）が算出される。
［２］ＤＴ（ａ）の状態候補ｘ，ｙ，ｚ及び各指標値を前提として、その他のＤＴの状態（ＤＴ（ｂ）、ＤＴ（ｃ）、ＤＴ（ｄ）、及びＤＴ（ｅ））と、その状態における指標の値を算出する。例えばＤＴ（ｂ）についてであれば、状態候補ｘ’に対して指標値ｂ（ｘ’）、状態候補ｙ’に対して指標値ｂ（ｙ’）、状態候補ｚ’に対して指標値ｂ（ｚ’）が算出される。ＤＴ（ｃ）、ＤＴ（ｄ）、及びＤＴ（ｅ）についても同様に指標値を算出すればよい。
［３］そして、以下のように、状態ａ（１）～ａ（ｎ）において発生する各状態の指標値の和Ｔ（ｘ）～Ｔ（ｚ）を算出し、指標値の和が最大になる状態を選択する。
Ｔ（ｘ）＝ａ（ｘ）×ｐ＋ｂ（ｘ’）×ｑ＋ｃ（ｘ’’）×γ＋・・・
Ｔ（ｙ）＝ａ（ｙ）×ｐ＋ｂ（ｙ’）×ｑ＋ｃ（ｙ’’）×γ＋・・・
Ｔ（ｚ）＝ａ（ｚ）×ｐ＋ｂ（ｚ’）×ｑ＋ｃ（ｚ’’）×γ＋・・・
この際に、各ＤＴの重要度に応じて、パラメータ（ｐ、ｑ、及びγ等）を付与する。以上が方法１の説明である。

方法２では、例えば、ＤＴがａ～ｅまで存在する場合、以下［１］～［７］を行う。

［１］まず、ＤＴ（ａ）における指標値ａ（ｓ）が最大になる状態ｓを算出する。
［２］ＤＴ（ａ）が状態ｓの時のその他のＤＴの指標値を算出する。ＤＴ（ａ）が状態ｓの時の各ＤＴの指標値＝｛ａ（ｓ），ｂ（ｓ’），ｃ（ｓ’’），・・・｝と算出される。
［３］各指標値に対して、あらかじめ設定されている制約条件内に値が収まっているかを確認する。この時、状態ｓにおいて制約条件に収まっているＤＴを記録しておく。
［４］制約条件に収まらないＤＴが発生した場合は、該当のＤＴと、ＤＴ（ａ）との間で強化学習を行い、ＤＴ（ａ）と、当該ＤＴの両立が可能な状態（ｔ）を導出する。
［５］ＤＴ（ａ）の状態を（ｔ）として、［２］を再度実施する。
［６］ここでは、［２］～［５］を繰り返し、すべてのＤＴが制約条件内に収まる状態（ｕ）が算出された場合に繰り返しを停止する。ただし、［２］～［５］をｎ回繰り返しても終了しない場合は、繰り返しを停止する。
［７］停止時点の状態（ｕ）を選択する。すべてのＤＴが制約条件内に収まらなかった場合、あらかじめ定められた各ＤＴの重要度を元に、重要度が高いＤＴが制約条件内に収まっている状態（ｕ）を選択する。以上が方法２の説明である。

ここで述べた方法において設定する指標値の制約条件は、最適化される時刻によっても変化する。上記の説明は、異なる指標値に対して、最適化される時刻を揃えた、場合について、それぞれが制約条件の範囲に入るかどうかを検証する例である。しかし、最適化される時刻は、すべての指標値に対して揃えない場合も考えられる。例えば、一日のなかで複数回、一時的に快適性を確保する制御を行い、瞬時的に省エネルギーを損なったとしても、例えば一日や一カ月トータルでの省エネルギー最適化が行われるようにする。これにより、時間的な積分値で見たときの各指標値の最適化、という考え方を適用することもできる。

加えて、方法１、及び方法２において実施する未来状態の予測に関しては次の考慮をすることもできる。すなわち、ある時刻において、指標値の未来予測をする場合、その指標値の変化に寄与する説明変数を有限の数だけ選択して、その説明変数の数と種類は予測する未来の時点まで変化しないことを仮定しているのが通常である。しかし、予測する未来の時刻が現在の時刻から離れるほど、途中の外乱による新たな説明変数の寄与が発生したり、関連する説明変数の重みが変化し、予測を行った時点で考慮した説明変数だけでは未来予測の精度を担保することができなくなることがある。そういう場合でも対応が可能なように、他の事例の要因分析から、予測が外れた場合に寄与する説明変数を抽出しておきそのノウハウをデータベース化しておく。そして、上記の、異なる説明変数の影響が外乱や重みの変化で生じたときにすぐ参照し、予測モデルの再構築を短時間で行い、予測を修正する、ということが考えられる。これにより、全体最適化の確度向上にも寄与できる。

以下、ＤＴＣの活用シーン別に異なる指標値を用いる実施形態について説明する。

（第２実施形態）
第２実施形態は、ＤＴＣをＭａａＳサブスクに活用する場合の実施形態である。第２実施形態では、デジタルツインの指標値として、街区の指標値、及び移動手段の指標値を用いる。なお、第２実施形態以降は、第１実施形態と同様の構成及び作用により各処理を行えばよい。なお、ＭａａＳサブスクとは、現実空間における所定のエリアに存在する店舗やオフィスなどを利用したりディスカウントを受けたりすることを、店舗やオフィスの利用料、及び対象のエリアまでの移動経路にかかる費用を含めて契約するものである。一般的には定額であるが、従量制としてもよい。

第２実施形態の事例として、ユーザがサテライトオフィスの作業場所を検索するシーンを想定した場合を例に説明する。まず、一以上のユーザからの入力、及びユーザの情報から、ユーザに適したサテライトオフィスの候補として街区ａ及び街区ｂが抽出される。ユーザの情報には予め取得された行動予測、嗜好予測、及びサテライトオフィスの利用傾向等が含まれる。指標値は、抽出された街区ａ及び街区ｂについて、街区ａの指標値、及び街区ｂの指標値をそれぞれ算出する。また、指標値は、他のユーザの経路候補に含まれる移動手段も考慮して、移動手段の指標値を算出する。経路候補は、ユーザがＡ、Ｂ、Ｃ・・・といる場合には、ユーザごとの経路候補は（Ａ１～Ａｎ、Ｂ１～Ｂｎ、Ｃ１～Ｃｎ）となる。移動手段の指標値は、混雑度、移動時間、消費エネルギー等、又はこれらの組み合わせによる移動手段に係る指標値を算出すればよい。そして、これらの指標値を組み合わせた全体指標値を最適化する。これにより、リモートワーク等におけるサテライトオフィス利用の全体最適化を図ることができる。

複数の指標の最適化は複数のＤＴの最適化に用いてもよい。例えば、ＭａａＳＤＴとＬａａＳＤＴを同時に最適化することが考えられる。この場合、ＭａａＳＤＴの指標として平均乗車率、快適性、及び混雑度のうち少なくともいずれか１つを選択する。また、ＬａａＳＤＴの指標として輸送量、積載率、配送期間、価格、及びＣＯ２のうち少なくともいずれか１つを選択する。そして、選ばれた指標全体としての最適化を行えばよい。この最適化を行うことで、物流配送と顧客配送を滞りなく行いつつエネルギー総量を最小化するということが可能となる。また、エンドユーザのデジタルツインとＭａａＳＤＴを同時に最適化することも考えられる。例えば、エンドユーザのデジタルツインと行動との合致度、並びに、欲しい物や必要な物及び嗜好を統合した、エンドユーザのデジタルツインと要求との合致度のうち少なくともいずれか１つを選択した指標がある。また、ＭａａＳＤＴの平均乗車率、快適性、及び混雑度、のうち少なくともいずれか１つを選択した指標がある。これらの選ばれた指標全体としての最適化を行うことで、エンドユーザの行動を妨げることなく移動手段の効率運用を行うことが可能となる。

（第３実施形態）
第３実施形態は、ＤＴＣを観光サブスクに活用する場合の実施形態である。なお、観光サブスクとは、現実空間における所定のエリアを観光する際に用いる１次交通、２次交通を含む移動手段と観光施設やホテルといった利用施設の利用料を含めて、所定の単位で契約するものである。一般的には定額であるが、従量制としてもよい。所定の単位は、現実空間における所定の領域であったり、共通するテーマをもつ施設であってもよい。第３実施形態では、デジタルツインの指標値として、目的地の指標値、及び移動手段の指標値を用いる。第３実施形態の事例として、ユーザの旅行の旅程パターンの提供を想定した場合を例に説明する。まず、複数のユーザ（例えば、ユーザＭ及びユーザＮ）からの入力、及びユーザの情報から、ユーザの目的地候補を抽出する。ユーザの情報には、他のユーザの旅行における過去の行動履歴を用いることができる。次に、目的地候補を含む旅程パターンについて、各ユーザの旅程パターンの候補組み合わせを生成する。旅程パターンには、目的地候補Ａ～Ｎが含まれ、目的地候補を経由する移動手段がある。そこで、目的地候補ごとの目的地の指標値、及び目的地候補を経由する移動手段ごとの移動手段の指標値を算出する。移動手段については、候補組み合わせを生成して、候補組み合わせに含まれる移動手段の指標値を算出すればよい（指標値の種類は第２実施形態と同様である）。そして、これらの指標値を組み合わせた全体指標値を最適化する。これにより、複数のユーザの、出発地点と、行動予測から旅程パターンを組み立て、旅程パターンに含まれる目的地Ａ～Ｎと、そこまでの経路が混雑せず、かつ、効率的に移動可能な旅程パターンをユーザに提供する。また、目的地又は移動手段の指標値に価格を用いれば低価格な旅程パターンの提供も可能である。

（第４実施形態）
第４実施形態は、ＤＴＣをノーバッゲージトリップに活用する場合の実施形態である。第４実施形態では、デジタルツインの指標値として、物品の指標値を用いる。第３実施形態の事例として、ユーザの旅行先で必要な物品を揃えることを想定した場合を例に説明する。ユーザの目的地候補の抽出、及び旅程パターンの生成をする点は第３実施形態と同様である。ここで、旅程パターンから、複数ユーザの旅程パターンと当該旅程パターンに対応付けられる必要物品リストの組み合わせを生成する。必要物品リストの組み合わせに含まれる各物品について物品の指標値を算出する。物品の指標値の算出には物品の需要予測等を用いればよい。そして各物品の全体指標値の和が最も高い状態を抽出し、当該状態によるユーザへのサービスを提供する。

また、上記各実施形態に限らず、ＤＴＣは態様なシーンでデジタルツインを連鎖させて活用しうる。例えば、ターミナルの近隣店舗の商品を１店舗へ集約するリテイルＤＴのワンターミナル化への活用、及び遠隔体験最適化への活用が挙げられる。

なお、上記各実施形態でＣＰＵがソフトウェア（プログラム）を読み込んで実行した最適化処理を、ＣＰＵ以外の各種のプロセッサが実行してもよい。この場合のプロセッサとしては、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）等の製造後に回路構成を変更可能なＰＬＤ（Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ）、及びＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）等の特定の処理を実行させるために専用に設計された回路構成を有するプロセッサである専用電気回路等が例示される。また、最適化処理を、これらの各種のプロセッサのうちの１つで実行してもよいし、同種又は異種の２つ以上のプロセッサの組み合わせ（例えば、複数のＦＰＧＡ、及びＣＰＵとＦＰＧＡとの組み合わせ等）で実行してもよい。また、これらの各種のプロセッサのハードウェア的な構造は、より具体的には、半導体素子等の回路素子を組み合わせた電気回路である。

また、上記各実施形態では、最適化プログラムがストレージ１４に予め記憶（インストール）されている態様を説明したが、これに限定されない。プログラムは、ＣＤ－ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｋ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＤＶＤ－ＲＯＭ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、及びＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）メモリ等の非一時的（ｎｏｎ－ｔｒａｎｓｉｔｏｒｙ）記憶媒体に記憶された形態で提供されてもよい。また、プログラムは、ネットワークを介して外部装置からダウンロードされる形態としてもよい。

以上の各実施形態に関し、更に以下の付記を開示する。

（付記項１）
メモリと、
前記メモリに接続された少なくとも１つのプロセッサと、
を含み、
前記プロセッサは、
第一のユーザの出発時刻、出発地点、及び目的地点を含む第一入力を取得し、
第二のユーザの出発時刻、出発地点、及び目的地点を含む第二入力を取得し、
前記第一入力と、前記第二入力と、のいずれにも基づき、所定の指標を最適化する前記第一のユーザに提示する経路と前記第二のユーザに提示する経路とをデジタルツイン上で算出し、
前記第一のユーザに提示する経路を前記第一のユーザに提示し、
前記第二のユーザに提示する経路を前記第二のユーザに提示する
ように構成されている最適化装置。

（付記項２）
最適化処理を実行するようにコンピュータによって実行可能なプログラムを記憶した非一時的記憶媒体であって、
第一のユーザの出発時刻、出発地点、及び目的地点を含む第一入力を取得し、
第二のユーザの出発時刻、出発地点、及び目的地点を含む第二入力を取得し、
前記第一入力と、前記第二入力と、のいずれにも基づき、所定の指標を最適化する前記第一のユーザに提示する経路と前記第二のユーザに提示する経路とをデジタルツイン上で算出し、
前記第一のユーザに提示する経路を前記第一のユーザに提示し、
前記第二のユーザに提示する経路を前記第二のユーザに提示する
非一時的記憶媒体。

１０ 最適化装置
２０ 情報処理装置
３０ 機器
１０１ 取得部
１０２ 候補生成部
１０３ 算出部
１０４ 最適化部

Claims (7)

1. デジタルツインシステム全体が異なる制御の複数のデジタルツインで構成されており、
   前記複数のデジタルツインは、ユーザの移動に関するデジタルツイン及び物流に関するデジタルツインの組み合わせで構成されており、
   前記ユーザとの関わりにおける複数の所定の指標としては、ユーザが受けるタイミング及び嗜好との合致度、ユーザがとろうとしている行動との合致度、ユーザの主観的な快適度、並びにユーザの健康状態度合いの何れかを少なくとも用い、
   第一のユーザの位置情報と、第二のユーザの位置情報と、のいずれにも基づき、前記デジタルツインシステム全体において全体として１つ又は前記複数のデジタルツインで異なり得る前記複数の所定の指標を最適化する前記第一のユーザに提示する経路と前記第二のユーザに提示する経路とを算出し、
   前記第一のユーザに提示する経路を前記第一のユーザに提示し、
   前記第二のユーザに提示する経路を前記第二のユーザに提示する
   ことを含む処理をコンピュータに実行させる最適化方法。
2. 前記算出は、
   移動手段の指標値として、前記第一のユーザに関する経路候補と、前記第二のユーザに関する経路候補と、前記第一のユーザの位置情報と、前記第二のユーザの位置情報と、を少なくとも用いて算出された前記移動手段の安全性を用いている、請求項１記載の最適化方法。
3. 前記第一のユーザに関する経路候補と、前記第二のユーザに関する経路候補とには、所定の層ごとの複数の移動手段が含まれ、
   前記算出は、前記複数の移動手段のそれぞれについて推定された安全性を用いている、請求項２に記載の最適化方法。
4. 最適化の対象の指標値として、前記移動手段の指標値とユーザの指標値とを少なくとも含み、
   前記算出は、
   前記最適化の対象の指標値のすべてが最適化されるように行うか、又は前記最適化の対象の指標値の少なくとも一つが最適化され、かつ指標値にあらかじめ設定されている制約条件を満たすように行う請求項２又は請求項３に記載の最適化方法。
5. 前記算出は、
   前記最適化の対象の指標値に、前記第一のユーザ及び前記第二のユーザでそれぞれ異なる指標値を用いる、請求項４に記載の最適化方法。
6. デジタルツインシステム全体が異なる制御の複数のデジタルツインで構成されており、
   前記複数のデジタルツインは、ユーザの移動に関するデジタルツイン及び物流に関するデジタルツインの組み合わせで構成されており、
   前記ユーザとの関わりにおける複数の所定の指標としては、ユーザが受けるタイミング及び嗜好との合致度、ユーザがとろうとしている行動との合致度、ユーザの主観的な快適度、並びにユーザの健康状態度合いの何れかを少なくとも用い、
   第一のユーザの位置情報と、第二のユーザの位置情報と、のいずれにも基づき、前記デジタルツインシステム全体において全体として１つ又は前記複数のデジタルツインで異なり得る前記複数の所定の指標を最適化する前記第一のユーザに提示する経路と前記第二のユーザに提示する経路とを算出し、
   前記第一のユーザに提示する経路を前記第一のユーザに提示し、
   前記第二のユーザに提示する経路を前記第二のユーザに提示する最適化部、
   を含む最適化装置。
7. デジタルツインシステム全体が異なる制御の複数のデジタルツインで構成されており、
   前記複数のデジタルツインは、ユーザの移動に関するデジタルツイン及び物流に関するデジタルツインの組み合わせで構成されており、
   前記ユーザとの関わりにおける複数の所定の指標としては、ユーザが受けるタイミング及び嗜好との合致度、ユーザがとろうとしている行動との合致度、ユーザの主観的な快適度、並びにユーザの健康状態度合いの何れかを少なくとも用い、
   第一のユーザの位置情報と、第二のユーザの位置情報と、のいずれにも基づき、前記デジタルツインシステム全体において全体として１つ又は前記複数のデジタルツインで異なり得る前記複数の所定の指標を最適化する前記第一のユーザに提示する経路と前記第二のユーザに提示する経路とを算出し、
   前記第一のユーザに提示する経路を前記第一のユーザに提示し、
   前記第二のユーザに提示する経路を前記第二のユーザに提示する
   処理をコンピュータに実行させる最適化プログラム。