データ流通市場の歩き方

株式会社日本データ取引所の公式ブログです。

【イベントレポート】エスカレーターから花火大会まで!?:マルチエージェント・シミュレーションのビジネス活用事例──第5回データ流通市場の歩き方(後編)

第5回データ流通市場の歩き方イベントバナー

 

ビジネス・アカデミア、それぞれの現場から「マルチエージェント・シミュレーション(MAS)」の実践者を招いて行われたミニシンポジウム「エスカレーターから花火大会まで!? マルチエージェント・シミュレーションのビジネス活用事例」。

前編では滋賀大学データサイエンス教育研究センター准教授の松島裕康さんが、MAS研究の実状とその社会利用、そしてデータサイエンスとシミュレーションの結びつきが持つ可能性について解説くださいました。

後編では株式会社構造計画研究所の北上靖大さんより、MASのビジネス活用事例についてお話しいただいたのち、お二人による座談を行います

 

前編記事

blog.j-dex.co.jp

 

 

意思決定を支援する

北上靖大(株式会社構造計画研究所

北上です。私は株式会社構造計画研究所の社会デザイン・マーケティング部門で、社会シミュレーションを企業や社会の課題解決につなげる取り組みを行っています。具体的には、大規模な避難安全の検証や次世代モビリティ導入に向けての課題などについて、主に社会シミュレーションを用いた技術コンサルティングを提供しています。他にも「artisoc Cloud」というクラウドを用いたMASプラットフォームを開発しており、社会シミュレーションの普及や現場への実装の促進を目指しています。

 

mas.kke.co.jp

 

さて、本日はMASのビジネス活用事例についてお話しさせていただきます。まずは、当社がどのようなソリューションを提供しているのかというところから、具体的な事例やわたしのMASに対する考えへと繋げていければと思います。

 

当社は建物の構造設計から始まった会社で、超高層の免震・制振といった設計を手がけております。こうした災害に強い街づくりの支援から徐々に領域を広げ、現在ではシミュレーションを使った製造業向けの解析等の支援や、電波解析のような情報通信に関連する技術コンサルティング業務も行っています。このように、工学的手法に立脚して社会を構成するモノやしくみなどの様々な課題を解決することに取り組んでいます。今日はこうした取り組みの中でも特に「意思決定に対する支援」についてご紹介できればと思います。

 

では、意思決定支援とは具体的に何をするのでしょうか。当社ではひとりひとりの「人」の考えや行動 に基づく社会現象の モデリング&シミュレーション によって、 顧客の課題を解決する施策の評価等の支援を行っています。「ひとりひとりが何を考えているのか」「どんな価値観を持って行動しているのか」「それら個人が集団になるとどんな挙動をするのか」といった、わたしたちの社会の振る舞いをモデリング・シミュレーションすることにより、どんな制度や施策が適しているのかが議論しやすくなり、意思決定のポイントについて理解が深まります。

複雑な社会を理解する

北上

わかりやすい事例として、渋滞の発生をシミュレーションで確認してみましょう。このモデルは、1. 前の車を追いかける、2. 車間距離が短くなったら減速する、2. 車間距離が長くなったら加速する、という3つの単純なルールで構成されています。そしてここに、それぞれの車の速度のバラつきや減速・加速のタイムラグといった、現実の運転を反映する要素を追加します。するとどうでしょう。ある車の速度が落ちると後ろの車は車間距離が詰まるので減速し、さらに後ろの車も同じように減速します。このように減速が伝播しながらタイムラグが増幅されていくことによって、渋滞が引き起こされるんですね。

 

他には、災害のメカニズムも重要な検討対象です。風水害や地震といった自然災害が多く発生していますが自然現象からの直接被害だけではなく、停電で工場や物流が止まり社会活動全体が停止するといった、三次災害・複合的な被害も重大です。こうした大災害のメカニズムは必然的に非常に複雑な要素間の関係を伴いますし、時間的・空間的にも広範囲な検討が必要です。このように、人間が全体像をイメージすることが難しい複雑な関係を、MASを用いて読み解くことで、適切な災害対策が可能になるかもしれません。

 

ここまで見てきたように、わたしたちの社会とは様々な要素が相互に影響し合うことで成立しているシステムです。加えて近年は情報通信技術の発達に伴い、その繋がりがより複雑かつ広範囲になっています。また現代はライフスタイルの視点でも、多様な価値観を尊重する社会へと移行しつつあり、その複雑性を増大させているといえるでしょう。こうした社会の中では、様々な解を示すことで望ましい姿を模索していくことが重要なのだと思います。そして、そこで求められる方法の一つがシミュレーションなのでしょう。

 

社会実装のための多様なアプローチ

北上

このようにMASを捉えてみると、それはリアルとデジタルをつなぐ箱庭(人工社会)だといえるかもしれません。わたしたちはこの人工社会を読み解くことで、相似的にリアルな社会課題の解決策を見出していきたいと思っています。

 

www2.kke.co.jp

 

ここまで、社会課題とMASがいかに繋がるのかを紹介してきましたが、当社はこの分野に1990年代後半から継続的に取り組んでいます。その一つがシミュレーションのためのツールや環境の整備で、2000年に「KK-MAS」という国産のマルチエージェントシミュレーターをリリースしました。2006年にはその発展版である「artisoc 」を、2020年には「artisoc Cloud」としてクラウド版のツールを開発しました。この「artisoc Cloud」はウェブブラウザ上で手軽にモデルの作成が可能なマルチエージェントシミュレーターであり、クラウドを利用することで大量並列計算による高度なシミュレーションやデータの共有ができるという特徴があります。

 

mas.kke.co.jp

 

他には学会や研究会といった成果発表の機会提供にも努めており、人工社会に関する教科書等の出版や、MASの関連情報を収集するウェブサイト「MASコミュニティ」の運営など、知見の整理と発信も模索しています。

 

mas.kke.co.jp

mas.kke.co.jp

社会の未知を探索する

北上

では、MASを用いた当社の具体的な事例をご紹介しましょう。まずは、防災に関する事例からです。こちらは東京大学生産技術研究所の加藤孝明先生と共同研究を行った、首都直下地震に伴う大規模火災における避難の検討です。1923年の関東大震災では火災による大きな被害がありました。現代の都市で首都直下地震が発生した場合、火災による逃げまどいがどのように発生するか、そして時間帯・風向き・火元の分布といった様々な火災のパラメータの組み合わせでどのような条件が重なると被害が拡大するのかを検討しました。

 

次は、鎌倉市から委託を受けて実施した津波の避難検討の事例です。鎌倉市は観光地で多くの観光客も訪れるため、人をよりスムーズに避難させるにはどのような施策が適しているか、主にソフト対策を主眼として検討を行いました。

 

構造計画研究所ニュースリリース「地域特性を考慮した津波避難の施策検討支援~ 鎌倉市の導入事例 ~ 」

 

こちらは広域での避難検討の事例です。30km〜50kmといった県全体に及ぶ広域で避難が行われた場合、ほとんどの方が車で避難することとなり、交通渋滞をはじめとしたリスクが懸念されます。そこで、シミュレーションを用いてスムーズな避難の検討を行いました。他にも河川の氾濫など、様々な災害に対して適切な避難の検討を行っています。

 

シミュレーションの様々な活用法

北上

他にも社会における情報発信や啓蒙活動にMASを利用した事例をご紹介します。これまでエスカレーターでは、片側は立つライン、もう片側は歩くラインという片側空けの利用が暗黙の了解となってきました。しかし、エスカレーターでの歩行は接触等の事故の危険もあり、安全な移動のために立ち止まってのエスカレーター利用を促す取り組みが進められています。このエスカレーターの片側空けの利用は、急ぐ人が効率よく利用できるようにとの配慮によるはずですが、全体として見た場合、そもそも本当にこれは効率のいい乗り方なのでしょうか。エスカレーターにおける交通効率をシミュレーションを用いて確かめてみました。

 

mas.kke.co.jp

www3.nhk.or.jp

 

シミュレーションでは20m程度のエスカレーターを想定し、左側が立ち止まるライン、右側が歩くラインとしてモデルを構成しました。実際にこれを動かしてみると、個々人を見れば当然、歩く人の方が早いのですが、実はこの歩く人の割合はラッシュ時であっても全体の4割以下程度です。全体として見ると、全員が立ち止まって利用した方が輸送効率が高くなることがわかります。このように、MASを用いて俯瞰的な視点で社会問題を眺めることで、個の選択が全体に与える影響をわかりやすく可視化して理解に役立てることができます。

 

こうした新たな視点の提供や情報発信も社会シミュレーションの大きな役割のひとつだと思っているので、引き続きMASの多様な社会実装に取り組んでいきたいです。私の発表は以上です。

 

上島邦彦(株式会社日本データ取引所)

ありがとうございました。複雑な利害関係や環境条件といった、人間が十分に取り扱えない現象のような検討が必要な時に、MASが俯瞰的な視点を提供しうるという見解が興味深かったです。そこに産業利用の鍵があるのですね。

 

松島さんの発表では、実データを用いて平時の現実を理解し、そこから非常時をシミュレーションするという手法が紹介されていましたよね。でもそれだけではなく、より抽象的な事例において「何を考えていくべきか」「そのためには何のデータが必要になるか」といった探索のためにもシミュレーションが活かされているわけですね。今後の広がりを感じさせるお話で、とても面白いです。ありがとうございました。

 

シミュレーションに必要なデータとは

上島

さて、ビジネスとアカデミアという異なる視点からのお話でしたが、人間が扱えないスケールの事象や、複雑な関係性から立ち現れる現象を検討する際に役立つ、という見解は一致しているように思えました。避難訓練・天災・犯罪・イベントといった、現実世界で気軽に試しづらいケースを考える際にも有効だと。エスカレーターのシミュレーションは、文化や慣習という変えがたいものに対する想像を導いてくれる点で魅力的でした。

 

MASの実践は大きく2段階から成ると言えるでしょうか。まずは平時の現象からパターンを抽出し、メカニズムを解明することで、それらをモデルとして表現する段階。そしてそのモデルを使ってシミュレーションを行う段階、と。その先に、モデルのルールやパラメータを変えて、実社会における制度設計や政策立案が可能になると。

 

これらを踏まえてお二方に伺いたいのは、「MASにはどんなデータが必要でしょうか」。もちろん、表現したい現象の複雑さやシミュレーションの目的によって様々かとは思いますが、「この事例ではこんなデータが使えました」「こんなデータあればよかったのに」といったことでもかまいませんので。

 

松島裕康(滋賀大学データサイエンス教育研究センター 准教授)

単純な例では、人流シミュレーションには人の動きのデータが必要ですよね。花火大会の人流を研究した時は、実際にGPSロガーを持った人を10〜20人くらい紛れ込ませて位置や移動速度のデータを取りました。ただそれでも目的に合わせて必要なデータは異なるので、何が必要でそもそも何が使えるのかを関係者と相談をしながら詰めていくこと自体が重要なのかなと思います。

 

上島

ある組織がどんなデータを持っていて、それがどのくらい重要かを全員が理解しているわけではないので、手持ちのカードと目的のすり合わせが必要だと。ところで、GPSロガーのデータって10人くらいでも十分なものなのでしょうか。

 

松島

もちろんたくさんデータを集めれば、より細かいところまで見えるかもしれません。しかし、まずは荒くてもデータを取って再現モデルをつくってみる。その上でデータの取り方やモデリングの仕方を再度検討する、というやり方の方がスピーディかと思います。もちろん他にも、例えば避難訓練であれば扉の開閉数や観客の誘導の有無といった、環境条件も重要なパラメータになります。

 

上島

北上さんはいかがでしょう。例えば「artisoc Cloud」を使いたいという相談があったとしたら、どんなデータをおすすめしますか。

 

北上

そうですね。シミュレーションの抽象度によるかと思います。抽象的なシミュレーションの場合はデータを取ること自体が難しいので、まずは仮定したルールからシミュレーションを行い、その結果を分析することが一般的です。一方で現実に合わせた具体的なシミュレーションでは、現実を模したモデルをつくらなくてはならないので、大量のデータが必要になるかと思います。これは要するに、現実の施策のテストベッドとしてモデルを使うような場合ですね。こうした解像度のモデルをつくるにはある程度個々人の行動原理をモデルにできるようなデータがあると有用かもしれません。

 

松島

北上さんのおっしゃるように、個々人の行動原理まで見えるデータがあると人工社会をシミュレーションする上で有用だと思います。そもそも人の行動のモデリングは難しいので、行動パターンが見えるデータが取得できれば、新たな手法やサービスに繋がるでしょうね。

 

上島

お二方のお話をまとめると、必要なデータは3通りが考えられますね。まずは環境の「状態」に関する情報。次に、環境の中で起きる現象の「挙動」に関する情報。最後に、その現象を引き起こすエージェントの意思や行動原則など、「ルール」に関する情報。これらが揃うことで、現実に即した人工社会をシミュレーションできると言えるのではないかと思いました。

 

適切なシミュレーションのための事前設計

上島

実際の分析事例は、どのような相談から始まるのでしょうか。

 

北上

松島さんもおっしゃっていましたが、クライアントが抱えている課題から出発してデータやモデルを検討していくケースが多いですね。そしてここで重要なのがモデリングのメリハリです。クライアントの課題を解決するためにはどこの解像度を上げ、どこを捨象すべきかを注意深く意思決定していきます。全体をつくり込むとデータ量もコストも膨大になってしまうので、課題・目的に即してバランス良くモデルを設計することが大切です。

 

上島

毎食フルコースを食べるわけにはいかないので、一番食べたいのは何か、どれくらいお腹が空いているのか、どんな栄養が必要なのか、といった判断基準を設けるわけですね。

 

北上

それにデータが膨大になると分析や解釈も難しくなりますので、シミュレーションした結果の分析まで見越してデータを揃えています。

 

上島

松島さんはシミュレーション結果の解釈に困ったことはありますか。

 

松島

わたしも北上さんと同じく、事前に気を付けて調整するので実際にはあまり無いですね。モデリングを可能な限りシンプルにして、シミュレーション後の評価軸も事前に目星をつけておくことで、混乱は避けられると思います。もしそれでも不明な結果が出た場合は、シミュレータにバグがなかったか、あるいはそれは現実に起こりうる事象なのかといった検証を行います。

 

上島

逆にいえば、実際のシミュレーションに移る前に、クライアントや共同研究者の方と「どこに着目したいのか、何を知りたいのか」を見極めておく必要があるわけですね。

 

松島

そうですね、対話を重ねながらどんなデータやモデルが適しているかを探ることで、シミュレーションを洗練させていきます。

 

上島

データ分析の中には、データを単独で再集計しパッケージ化して納品、といった分業的なやり方も多いですが、MASはクライアントとの共同作業に近いのですね。

 

共に探索し、共に納得する

上島

ビジネスの現場では、クライアントとどのように合意形成しているのでしょうか。MASでは分析だけではなくその前提となる要件定義、ひいてはそれをすり合わせるためのコンサルティングのフェーズが非常に重要だと感じました。ヒアリングの頻度や期間など、おおまかな目安はあるのでしょうか。北上さんいかがでしょう。

 

北上

ケースバイケースではありますが、やはり課題の全体像とマイルストーンを描いて、それに従ってプロジェクト単位に切り分けながらコミュニケーションを深めていくことが多いですかね。

 

上島

かなり抽象的なレベルから、クライアントと一緒に課題の解像度を高めていくわけですね。そうしますと、プロジェクトの期間もかなり長くなるのではないでしょうか。

 

北上

クライアントとの対話の中で徐々に課題が見つかっていくので、期間もかなりバラつきがありますね。

 

上島

クライアントがつまずきがちな部分、あるいは進めるのが難しい依頼などはありますか。

 

北上

「MASを使うことで正確な予測ができる」と考えてご依頼いただく場合も多いのですが、ここまでご紹介したとおり、実際のMASはどちらかというと複雑な事象の中で何が起きているのかを理解するような使い方が多いかもしれません。予測が目的であれば別な手法のほうが適している場合もあります。MASの特徴を共有しながらどう活かしていくかを一緒に考えることが重要ですね

 

上島

「明日雨が降るか」を予測するだけなら別の手法でもいいけれど、その背景にある気象と社会の関係性、あるいは「ゲリラ豪雨がなぜその場所で発生するのか」といった局所的なメカニズムを理解したい場合はMASが適している、というわけですね。

 

北上

はい、全体の構造の仮説を検討することに向いていると思います。

 

上島

MASはクライアントの課題や取得できるデータに合わせて臨機応変に対応ができる反面、そうした前提認識が明確化できないと進めづらいのかなと思いました。松島さんは共同研究の際などに困った経験はございますか。

 

松島

課題が不明瞭だと難しいのは確かですね。クライアントの方々に見えている専門的な悩みや所感というのはわたしたちにはわからないので。課題というスタート地点を共有することではじめて一緒に検討ができるようになるのだと思っています。

 

上島

面白いですね。データ分析では具体的な結果、あるいは逆に抽象的な提言を求められるケースが少なくありません。しかしMASではその間にある「過程」の部分を時間をかけて理解していき、答えに納得感を得ることが重要なんですね。だからクライアントも単なるサービスの受け手ではなく、一連の「過程」を一緒に体験するという姿勢を持って、MASについての知見を深めることで、よりよい協同関係が築けそうです。

ちなみに、MAS入門者に向けたおすすめの書籍やサイト、資料などはございますか。

 

北上

先程もご紹介しましたが、当社運営のウェブサイト「MASコミュニティ」などは参考にしていただけると思います。当社では課題へのアプローチを一緒に考えていくスタンスで業務を進めているので、気軽にお声掛けいただければ嬉しいですね。

 

mas.kke.co.jp

 

松島

構造計画研究所さんのサイトや書籍は非常に綺麗にまとまっているので、わたしもおすすめです。あと「artisoc」も教育機関向けのものが無料で使えますから、本やサイトを参考にしながらいじってみるといいんじゃないでしょうか。

マルチエージェント・シミュレーションのこれから

上島

最後に、お二人が研究や業務のなかで感じているMASの応用可能性について展望を伺います。「この分野とMASは親和性があるんじゃないか」「このデータがあるとこんなことができそうだ」といった直感的なものでかまいません。

 

松島

もう行われているのかもしれませんが、ブロックチェーン技術とは親和性がありそうだと感じます。プロックチェーンは情報の変動の軌跡をネットワークで相互監視することで保証するわけですよね。こうしたネットワーク構築の仕方やその運営のためのリソースの取り方は、MASにおけるネットワークのシミュレーションなどと親和性がありそうだなと思っています。

 

上島

技術の性質は相性がよさそうですよね。北上さんはいかがでしょう。

 

北上

私は個人の活動が社会全体にフィードバックされるところに、MASの面白さの一端があると思っているので、街づくりの領域で新しい展開ができるといいなと。例えば、都市活動とエネルギー消費の関係などは興味深い介入点になるかもしれません。特にスマートシティ開発などは新しいテクノロジーを求めていますから、親和性は高そうです。

 

上島

近年はメタバースやデジタルツインといった、実社会を大量のデータと計算資源で理解・再現する研究が脚光を浴びています。MASは最初から大量のデータがなくてもシンプルなモデルを通じて現象を探索できるので、都市の複雑な関係性を再現する第一歩になりうる分野なのかもしれませんね。

 

わたしも当初は、MASは抽象的で複雑なことをやっていると思い込んでいました。でも今日のお話で、課題と実社会のあいだを繋げるための適切な解像度をデータから導いていくことを重視しているんだな、と認識を新たにできました。本日はありがとうございました。

 

編集:瀬下翔太

協力:森実南

企画・制作:「データ流通市場の歩き方」編集部