2024年3月10日～14日にアテネ（ギリシャ）／オンライン（ハイブリット）にて開催された「The Thirteenth International Conference on Intelligent Systems and Applications（INTELLI 2024）」に本研究室より、大倉 博貴さん（修士2年）、清水 雅之さん（修士2年）、千坂 知也さん（修士2年）、阿部 晃平さん（修士1年）が参加し、研究発表を行いました。
「The Thirteenth International Conference on Intelligent Systems and Applications（INTELLI 2024）」
◆ Hiroki Okura, Soichiro Yokoyama, Tomohisa Yamashita, Hidenori Kawamura :Analysis of Weather Information and Road Surface Images for Snow Removal Dispatch Prediction
Abstract:
This study focuses on addressing the challenges associated with decision-making in winter road snow removal operations, aiming to alleviate the burden on snow removal personnel. Specifically, we propose a system that collects and visualizes information on road weather data and snow conditions to support decision-making by responsible personnel. Additionally, by sharing the collected information, we aim to facilitate the sharing of premonitions about changes in decision-making among snow removal personnel, reducing the need for physical inspections. In this paper, we discuss the utilization of the collected information, presenting a module proposal that utilizes deep learning to quantify the snow coverage in images captured by fixed-point cameras. We also explore the analysis of data for the introduction of a predictive function for snow removal operations.
除雪出動予測のための気象情報と路面画像の分析
概要：
この研究は、冬の道路除雪作業における意思決定に関連する課題に取り組み、除雪作業員の負担を軽減することを目指しています。具体的には、道路の気象データや積雪状況に関する情報を収集し、責任者の意思決定を支援するシステムを提案しています。さらに、収集した情報を共有することで、除雪作業員間で意思決定の変化に関する予知を促進し、物理的な検査の必要性を減らすことを目指しています。
本論文では、収集した情報の活用について議論し、固定カメラでキャプチャされた画像の中の積雪範囲を定量化するために深層学習を利用したモジュール提案を行います。また、除雪作業の予測機能を導入するためのデータ分析についても探求します。
発表原稿は、下記リンクthink mindのwebサイトに掲載されています。
https://www.thinkmind.org/index.php?view=article&articleid=intelli_2024_1_30_60009
◆ Masayuki Shimizu, Soichiro Yokoyama, Tomohisa Yamashita, Hidenori Kawamura : A Proposal of Road Network Hierarchization Method Based on Betweenness Centrality for Application to Vehicle Routing Problems
Abstract:
In this study, we propose a road network hierarchization method for pathfinding that takes into account drivers’ avoidance of narrow roads. The proposed method identifies nodes with high betweenness centrality, one of the centrality measures in network analysis, to connect disconnected subnetworks within each hierarchical level. To validate the effectiveness of the proposed method, multiple driver preferences regarding narrow roads are prepared, and computational experiments are conducted on a road network covering a 14 km square area in central Sapporo. Compared to performing pathfinding without hierarchical networks, the calculation time of individual pathfinding was reduced to 4-6% with the previous method and to 3-6% with the proposed method. Additionally, by using the proposed method, the average cost of routes improved compared to the previous method, and even when compared to the minimum cost paths, the worsening of route costs was about 4-9%. From the above, the superiority of the proposed method, which connects disconnected subnetworks using betweenness centrality, was confirmed.
配送計画問題への適用にむけた媒介中心性に基づく道路ネットワーク階層化手法の提案
概要：
本研究では、ドライバーの細街路への忌避を考慮した経路探索のための道路ネットワーク階層化手法を提案する．提案手法は，ネットワーク分析における中心性指標の1つである媒介中心性の高いノードを特定し，各階層内において切断されたサブネットワークを接続する．提案手法の有効性を検証するために，細街路への忌避を持つ複数のドライバーの選好を用意し，札幌中心部の14km四方の道路ネットワークを用いて計算機実験を行った．階層化ネットワークを用いない経路探索と比較して，個々の経路探索の計算時間は，従来手法では4～6％、提案手法では3～6％に短縮された．
また，提案手法を用いることで，経路の平均コストが従来手法よりも改善され，最小コスト経路と比較しても経路コストの悪化は4～9%程度であった．
以上より、切断されたサブネットワークを結合する提案手法の優位性が確認された．
発表原稿は、下記リンクthink mindのwebサイトに掲載されています。
https://www.thinkmind.org/index.php?view=article&articleid=intelli_2024_1_40_60014
◆ Tomoya Chisaka, Soichiro Yokoyama, Tomohisa Yamashita, Hidenori Kawamura: Evaluation of Request Order Decision Strategy in the Selection of Substitute Employees for Shift Management Tasks
Abstract:
In workplaces with shift-based schedules, managers are burdened with the task of modifying work schedules when absences occur. In this process, known as schedule adjustment due to employee absenteeism, the manager must select a replacement employee (substitute employee) from those originally scheduled to be off duty on the day of the absence. Within this methodology, a task arises where the manager needs to request substitute attendance from employees who were originally scheduled to be off duty. The order in which these requests are made to employees is crucial as it directly impacts the burden on both the manager and the employees. This paper proposes a strategy for determining the order of requests based on the probability of acceptance by employees. A simulation model is constructed, and evaluations are conducted for multiple parameter sets. The results of the verification indicate that, when prioritizing the reduction of the understaffed workforce, an ascending request strategy is effective. On the other hand, if prioritizing the manager’s burden is essential, a descending request strategy proves to be effective.
シフト管理業務における代替出勤者の選定における依頼順決定戦略の評価
概要：
シフト制の職場においては、従業員の欠勤が発生した際に、管理者が勤務表を修正する負担を負わなければならない。この従業員の欠勤による勤務表修正では、管理者は当該欠勤日に出勤をしていない従業員の中から代わりに出勤する従業員（代替従業員）を選定する必要があり、そのとき出勤予定のない従業員に代替出勤の依頼を行う必要がある。代替出勤依頼では、依頼の順序が管理者と従業員の両方の負担に直接影響するため重要である。本論文では、従業員の依頼の受諾確率に基づいて依頼の順序を決定する戦略を提案し、シミュレーションモデルを用いて、複数のパラメータセットに対して評価を行った。実験により、未充足人数の低減を優先する場合、受諾確率の昇順依頼戦略が有効であることを示した。一方、管理者の負担を優先する場合、受諾確率の降順依頼戦略が有効であることを示した。
発表原稿は、下記リンクthink mindのwebサイトに掲載されています。
https://www.thinkmind.org/index.php?view=article&articleid=intelli_2024_1_50_60016
◆ Kohei Abe, Soichiro Yokoyama, Tomohisa Yamashita, Hidenori Kawamura: Generation of Captions Highlighting the Differences between a Clothing Image Pair with Attribute Prediction
Abstract:
Detailed information for comparisons between products is necessary in consumers’ product purchasing process, especially during the information search and choice evaluation phases. However, conventional product descriptions, which are the main source of information, tend to focus only on the product in question, and thus do not adequately express the differences between products. To solve this problem, garments are treated as target products, and a caption-generation method that emphasizes the differences between pairs of garment images using a deep-learning model for image caption-generation is proposed and its effectiveness verified. The proposed method selects and outputs captions that express differences in features from a set of captions generated for input-garment image pairs. Subject experiments confirmed that the proposed method accurately represented the feature differences between garments and provided useful information for consumers to compare garments. In particular, the proposed method is highly effective for garment pairs with similar features.
属性推定を用いた衣服画像ペア間の差異を強調したキャプションの生成
概要：
消費者の商品購入過程において，特に情報探索および選択肢の評価の段階では，商品間の比較のための詳細な情報が必要である．しかし，主要な情報源である従来の商品紹介文は，対象商品のみに焦点を当てて作成されるため，商品間の違いを十分に表現できない傾向がある．この問題を解決するため，本研究では特に衣服を対象とし，画像キャプション生成を行う深層学習モデルを用いた，衣服画像ペアの差異を強調するキャプション生成手法を提案し，その有効性を検証した．この手法では，入力された衣服画像ペアに対して生成されたキャプション集合の中から，特徴の差異を表現したキャプションを選択し出力する．被験者実験により ，提案手法が衣服間の特徴の差異を正確に表現し，消費者の衣服比較に有益な情報を提供することが確認された．特に，特徴が類似している衣服ペアにおいて，提案手法の有効性が高いことが確認された．
発表原稿は、下記リンクthink mindのwebサイトに掲載されています。
https://www.thinkmind.org/index.php?view=article&articleid=intelli_2024_1_20_60007
——————————
研究内容にご興味がありましたら、お気軽にお問い合わせください。
お問い合わせ： http://harmo-lab.jp/contact
学会の様子等は、後日メルマガでもご紹介させていただきます。
メルマガの配信をご希望の方は下記よりご登録ください。
http://harmo-lab.jp/mailmagazine