大阪大學 山口研究室
空中計程車（UAM）光害預測
空中計程車（Urban Air Mobility, UAM）的機體會把太陽光反射到街道與窗戶。我開發了一種方法，能在數秒內（而非數小時）預測整座城市的反射光，讓人在實際飛行前就能比較航線與時段。
3 小時 → 1.62 秒
評估時間
1 萬個觀測點、5 秒時間窗；城市完成一次性初始化後的時間（Core i5-13600K + RTX 3090）。
10–54%
RMSE 降低
相較未修正的神經網路預測；Rome、Taipei、New York 共 18 組設定。
+32–91%
高樓密集區的 precision
New York 相對於未修正神經網路預測的相對改善；遮蔽修正會犧牲部分 recall。
問題
UAM 機體的位置與姿態不斷改變，因此反射光的方向，以及哪些建築會擋住它，每一刻都在變化。
以都市尺度做精確的光線追蹤需要數小時。只用神經網路雖然快，但當建築遮住機體時會高估反射光。
方法
我把問題拆成兩部分。考慮幾何資訊的神經網路代理模型（PyTorch 3D-CNN + MLP）學習機體在無遮蔽環境下的反射；只需訓練一次，就能在不同城市共用。
各城市的建築由幾何遮蔽修正處理。可見性事先計算並快取，預測時只需要快速查表。參考資料由 Unreal Engine 5（Nanite／Lumen）模擬產生。
運作方式
城市與飛行資料
3D 建築、UAM 軌跡與姿態、太陽方向、觀測位置
神經網路代理模型
學習無遮蔽環境下的反射光；訓練一次，跨城市共用
遮蔽修正
由建築幾何建立各城市的可見性快取；預測時快速查表
反射光地圖
各地點的反射光曝露，用於比較航線與時段
我的角色
在與指導教授討論研究方向的基礎上，我主導了方法設計、模擬環境、資料處理、模型實作、實驗、評估與論文撰寫。
適用範圍
這是晴天條件下的模擬研究。輸出是相對的曝露指標，尚未與人體不適感或安全門檻進行校準。
論文與發表
- 已發表・出版IEEE SmartComp 2026・義大利墨西拿・pp. 136–143
A Simulation-based Framework for Dynamic Light Pollution Prediction in Urban Air Mobility
Ying Chieh Wang（第一作者）, Tatsuya Amano, Hirozumi Yamaguchi
- 已發表・獲獎日本資訊處理學會研究報告（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（第一作者）, Tatsuya Amano, Hirozumi Yamaguchi
- 已投稿・審查中Journal of Information Processing（JIP）・期刊擴充版
A Geometry-Aware Neural Surrogate for City-Scale Simulation of Light Pollution from Urban Air Mobility
Ying Chieh Wang（第一作者）, Tatsuya Amano, Hirozumi Yamaguchi
- 已接受DPSWS 2026（日本資訊處理學會 DPS 研討會）・Demo／Poster 論文
A Real-Time Urban Air Mobility Simulator Using a Ray-Tracing Surrogate Model
Ying Chieh Wang（第一作者）, Tatsuya Amano, Hirozumi Yamaguchi
獲獎
獎勵發表賞（Encouragement Presentation Award）
日本資訊處理學會 第 105 回 ITS（智慧運輸系統與智慧社區）研究會，2026 年
Surrogate-Based Dynamic Risk Mapping of Light Pollution for Urban Air Mobility