大阪大学 山口研究室
空飛ぶクルマ（UAM）の光害予測
空飛ぶクルマ（Urban Air Mobility, UAM）は、機体に反射した太陽光を街の道路や窓へ届けてしまいます。この反射光を都市全体で数時間ではなく数秒で予測する手法をつくり、運航前に航路や時間帯を比較できるようにしました。
3時間 → 1.62秒
評価時間
1万観測点・5秒間の評価。都市の初回初期化後の時間（Core i5-13600K + RTX 3090）。
10–54%
RMSEを削減
補正前のニューラル予測と比較。Rome・Taipei・New Yorkの18設定。
+32–91%
高層密集地での適合率
New Yorkでの補正前ニューラル予測に対する相対改善。遮蔽補正により再現率の一部とトレードオフがあります。
課題
UAMの機体は位置も姿勢も常に変わるため、反射光の向きや、それを遮る建物も刻々と変化します。
都市規模で正確にレイトレーシングすると数時間かかります。ニューラルネットワークだけでは高速ですが、建物で機体が隠れている場合に反射光を過大に予測してしまいます。
アプローチ
問題を2つに分けました。幾何情報を考慮したニューラルサロゲート（PyTorchの3D-CNN + MLP）が、遮蔽のない環境での機体の反射を学習します。学習は一度だけで、都市間で共用できます。
都市ごとの建物は幾何学的な遮蔽補正で扱います。可視性を事前にキャッシュしておくため、予測時は高速な参照だけで済みます。参照データはUnreal Engine 5（Nanite / Lumen）のシミュレーションで生成しました。
仕組み
都市・飛行データ
3D建物、UAMの軌跡と姿勢、太陽の方向、観測位置
ニューラルサロゲート
遮蔽のない環境での反射光を学習。一度学習すれば都市間で共用。
遮蔽補正
建物形状から都市ごとの可視性キャッシュを作成。予測時は高速に参照。
反射光マップ
地点ごとの反射光曝露。航路や時間帯の比較に利用。
自身の役割
指導教員との議論を踏まえ、手法の考案・設計から、シミュレーション環境、データ処理、モデル実装、実験、評価、論文執筆までを主導しました。
適用範囲
晴天条件でのシミュレーション研究です。出力は相対的な曝露指標であり、人の不快感や安全基準との対応づけはまだ行っていません。
論文・発表
- 発表・出版済みIEEE SmartComp 2026・イタリア メッシーナ・pp. 136–143
A Simulation-based Framework for Dynamic Light Pollution Prediction in Urban Air Mobility
Ying Chieh Wang（筆頭著者）, Tatsuya Amano, Hirozumi Yamaguchi
- 発表済み・奨励発表賞情報処理学会研究報告 高度交通システムとスマートコミュニティ（ITS）・Vol. 2026-ITS-105, No. 38, pp. 1–8・2026年5月
Surrogate-Based Dynamic Risk Mapping of Light Pollution for Urban Air Mobility
Ying Chieh Wang（筆頭著者）, Tatsuya Amano, Hirozumi Yamaguchi
- 投稿済み・査読中Journal of Information Processing（JIP）・論文誌（拡張版）
A Geometry-Aware Neural Surrogate for City-Scale Simulation of Light Pollution from Urban Air Mobility
Ying Chieh Wang（筆頭著者）, Tatsuya Amano, Hirozumi Yamaguchi
- 採択済みDPSWS 2026（第34回マルチメディア通信と分散処理ワークショップ）・デモ・ポスター論文
A Real-Time Urban Air Mobility Simulator Using a Ray-Tracing Surrogate Model
Ying Chieh Wang（筆頭著者）, Tatsuya Amano, Hirozumi Yamaguchi
受賞
奨励発表賞
情報処理学会 第105回 高度交通システムとスマートコミュニティ（ITS）研究会（2026年）
Surrogate-Based Dynamic Risk Mapping of Light Pollution for Urban Air Mobility