開発履歴Project Milestones开发历程개발 이력Hitos del ProyectoJalons du Projet
ニュースUpdates最新动态업데이트NoticiasActualités
最終版データ完成。人口70,265人・全29シナリオへ全面再較正。Final Dataset Complete. Fully Recalibrated to 70,265 Agents / 29 Scenarios.最终版数据完成。全面重新校准为70,265人・全29情景。최종판 데이터 완성. 인구 70,265명·전29시나리오로 전면 재보정.Conjunto de Datos Final Completo. Recalibrado a 70,265 Agentes / 29 Escenarios.Jeu de Données Final Terminé. Recalibré à 70 265 Agents / 29 Scénarios.
国勢調査・観光統計・経済センサスに基づき人口構成（70,265人）と全パラメータを再較正し、A〜G全29シナリオ（各3回平均）を再実行。基準シナリオ生存率18.4%、TENDEN 100%導入時34.9%（約1.9倍）。SSF2026ポスター発表・配布資料はこの最終データに基づく。旧データはアーカイブ・V2バッチレポートで参照可能。 Population composition (70,265 agents) and all parameters recalibrated against census, tourism, and economic-census data; all 29 scenarios A–G re-run (3-run avg). Baseline survival 18.4%, rising to 34.9% (≈1.9×) at 100% TENDEN adoption. The SSF2026 poster and handout are based on this final dataset. Older data remains available in the archive and V2 batch report. 基于国势调查、旅游统计及经济普查数据重新校准人口构成（70,265人）与全部参数，重新运行全29情景A〜G（各3次平均）。基准情景存活率18.4%，TENDEN导入率100%时达34.9%（约1.9倍）。SSF2026海报与发放资料均基于此最终数据。旧数据可在归档与V2批量报告中查阅。 국세조사·관광통계·경제센서스를 기반으로 인구구성(70,265명)과 전 파라미터를 재보정하여 전29시나리오 A〜G(각3회 평균)를 재실행. 기준 시나리오 생존율 18.4%, TENDEN 100% 도입 시 34.9%(약1.9배). SSF2026 포스터·배포자료는 이 최종 데이터에 기반. 이전 데이터는 아카이브·V2 배치 리포트에서 확인 가능. Composición poblacional (70,265 agentes) y todos los parámetros recalibrados con datos censales, turísticos y del censo económico; los 29 escenarios A–G re-ejecutados (promedio de 3). Supervivencia base 18.4%, subiendo a 34.9% (≈1.9×) con 100% de adopción de TENDEN. El póster y folleto SSF2026 se basan en este conjunto final. Los datos anteriores siguen disponibles en el archivo y el informe V2. Composition de la population (70 265 agents) et tous les paramètres recalibrés sur des données de recensement, de tourisme et économiques ; les 29 scénarios A–G réexécutés (moyenne de 3). Survie de référence 18,4 %, atteignant 34,9 % (≈1,9×) à 100 % d'adoption de TENDEN. L'affiche et le prospectus SSF2026 reposent sur ce jeu de données final. Les anciennes données restent disponibles dans l'archive et le rapport V2.
過去の研究アーカイブページ公開・研究構造の整理Past Research Archive Published过往研究存档页面发布과거 연구 아카이브 페이지 공개Publicación del Archivo de Investigación PasadaPublication de l'Archive de Recherche Passée
v1.0 の記録（89,000人・10属性・Kepler.gl）と開発タイムラインを独立ページ（archive.html）に分離。メインサイトは最新の v2.0 情報のみに整理。 v1.0 archive (89,000 agents, 10 types, Kepler.gl) and development timeline separated to archive.html. Main portal now shows v2.0 current research only. 将 v1.0 记录（89,000人·10种属性·Kepler.gl）和开发时间线分离至独立页面（archive.html）。主站仅展示最新 v2.0 信息。 v1.0 기록(89,000명·10속성·Kepler.gl)과 개발 타임라인을 별도 페이지(archive.html)로 분리. 메인 사이트는 최신 v2.0 정보만 표시. El archivo v1.0 y el cronograma de desarrollo se separaron a archive.html. El portal principal ahora muestra solo la investigación actual v2.0. L'archive v1.0 et la chronologie de développement ont été séparées dans archive.html. Le portail principal affiche désormais uniquement les informations v2.0 actuelles.
本ポータルサイト公開Portal Site Launch门户网站正式上线포털 사이트 공개Lanzamiento del PortalLancement du Portail
「学術的威厳」と「圧倒的UI」を融合したサイバー・ブルータリズムデザインのポータルを開設。 Launched a cyber-brutalist portal merging academic gravitas with overwhelming visual impact. 开设了融合"学术威严"与"压倒性UI"的赛博粗野主义设计门户网站。 "학술적 위엄"과 "압도적 UI"를 융합한 사이버 브루탈리즘 디자인의 포털을 개설. Se abrió un portal de diseño cyber-brutalista que fusiona gravitas académica con impacto visual abrumador. Ouverture d'un portail cyber-brutaliste fusionnant la rigueur académique et un impact visuel écrasant.
減災アプリ「TENDEN」公開TENDEN Disaster Mitigation App Launched减灾应用「TENDEN」正式发布감재 앱 「TENDEN」 공개Lanzamiento de la App TENDENLancement de l'App TENDEN
シミュレーションの知見から生まれた PWA 型避難支援アプリ（v7.1）。30言語・AI+要配慮者2ルート・経路の自律分散・オフライン（設定で有効化）。ハザードマップ逆説を踏まえ、AI最適ルートを各端末が独立に分散させ特定経路への集中を避ける自律分散が核心機能。 A PWA evacuation support app born from simulation insights. 4 languages, self-dispersing routes, offline-ready. Its core feature — derived from the hazard-map paradox — is autonomous route dispersal: each device independently varies the AI-optimal route to avoid concentration on a single path. 源自模拟研究知见的 PWA 型避难支援应用。支持4种语言、路线自主分散、离线可用。考虑到灾害地图悖论，各终端独立分散 AI 最优路线、避免人群集中于特定路线的自主分散是其核心功能。 시뮬레이션 지견에서 탄생한 PWA형 대피 지원 앱. 4언어·경로 자율 분산·오프라인 대응. 위험 지도 역설을 고려하여 AI 최적 경로를 각 단말이 독립적으로 분산시켜 특정 경로 집중을 피하는 자율 분산이 핵심 기능. App PWA de apoyo a la evacuación nacida de los conocimientos de la simulación. 4 idiomas, rutas autodispersantes, lista sin conexión. Su función central — derivada de la paradoja del mapa de peligros — es la dispersión autónoma de rutas: cada dispositivo varía de forma independiente la ruta óptima de IA para evitar la concentración en una sola vía. Une app PWA d'aide à l'évacuation née des résultats de la simulation. 4 langues, itinéraires auto-dispersants, prête hors ligne. Sa fonctionnalité centrale — dérivée du paradoxe de la carte des risques — est la dispersion autonome des itinéraires : chaque appareil fait varier indépendamment l'itinéraire optimal de l'IA pour éviter la concentration sur un seul chemin.
同調行動モデルの高度化Advanced Herd Behavior Modeling从众行为模型高度化동조 행동 모델 고도화Modelado Avanzado de Comportamiento de ManadaModélisation Avancée du Comportement de Meute
Social Force Model の拡張として、群集心理によるパニック伝染と危険な同調行動を正確に表現するシミュレーションに到達。 Extended the Social Force Model to accurately reproduce panic contagion and dangerous herd behavior in crowd psychology. 作为Social Force Model的扩展，实现了精确再现群体心理引发的恐慌传染和危险从众行为的模拟。 Social Force Model의 확장으로서, 군중 심리에 의한 패닉 전염과 위험한 동조 행동을 정확히 재현하는 시뮬레이션에 도달. Como extensión del Social Force Model, se logró reproducir con precisión el contagio de pánico y el peligroso comportamiento de manada en psicología de masas. En extension du Social Force Model, on a atteint une simulation reproduisant précisément la contagion de panique et les comportements grégaires dangereux.
25シナリオ・計242試行の感度分析完了。ハザードマップ逆説を発見。25-Scenario Sensitivity Analysis Complete. Hazard-Map Paradox Discovered.25情景共242次试验的灵敏度分析完成。发现灾害地图悖论。25시나리오 총 242회 감도 분석 완료. 위험 지도 역설 발견.Análisis de Sensibilidad de 25 Escenarios Completo. Paradoja del Mapa de Peligros Descubierta.Analyse de Sensibilité de 25 Scénarios Complète. Paradoxe de la Carte des Risques Découvert.
BASE(50試行)を含む計242試行の感度分析が完了。リードタイム(A群±31.4pp)と人口密度(B群±32.1pp)が最大変動要因と判明。最大の発見：ナビゲーション能力パラメータ（ハザードマップ認知率）100%の D1 シナリオ(35.8%)が0%の D5(41.9%)を 6.1pp 下回る「均一な経路情報による集中の罠」をデータ上で確認。 Sensitivity analysis of 242 total runs (including BASE 50) complete. Lead time (Group A ±31.4pp) and population density (Group B ±32.1pp) identified as dominant factors. Key discovery: navigation-capability parameter (hazard-map awareness) at 100% (D1: 35.8%) is 6.1pp lower than 0% (D5: 41.9%) — a Braess-like "uniform-route-information congestion trap" observed in simulation data. 包含BASE（50次）在内共242次试验的灵敏度分析完成。前置时间（A组±31.4pp）和人口密度（B组±32.1pp）被确认为最大变动因素。最大发现：灾害地图认知率100%的D1情景（35.8%）比认知率0%的D5（41.9%）低6.1pp——确认了"信息过多导致的拥堵陷阱"。 BASE(50회) 포함 총 242회 감도 분석 완료. 리드타임(A그룹 ±31.4pp)과 인구 밀도(B그룹 ±32.1pp)가 최대 변동 요인으로 판명. 최대 발견: 위험 지도 인지율 100%의 D1 시나리오(35.8%)가 인지율 0%의 D5(41.9%)를 6.1pp 밑도는 "정보 과잉에 의한 혼잡 함정" 확인. Análisis de sensibilidad de 242 ejecuciones totales (incluyendo BASE 50) completado. Tiempo de alerta (Grupo A ±31.4pp) y densidad poblacional (Grupo B ±32.1pp) identificados como factores dominantes. Descubrimiento clave: concienciación del mapa de peligros al 100% (D1: 35.8%) es 6.1pp inferior al 0% (D5: 41.9%) — una "trampa de congestión por exceso de información" similar a Braess. Analyse de sensibilité de 242 exécutions totales (dont BASE 50) terminée. Temps d'alerte (Groupe A ±31,4pp) et densité de population (Groupe B ±32,1pp) identifiés comme facteurs dominants. Découverte clé : 100% de sensibilisation à la carte des risques (D1 : 35,8%) est 6,1pp inférieur à 0% (D5 : 41,9%) — un "piège de congestion par surinformation" similaire à Braess.
89,000人のマルチエージェント化成功89,000-Agent Simulation Achieved89,000人多智能体化成功89,000명 멀티에이전트화 성공Simulación de 89,000 Agentes LogradaSimulation de 89 000 Agents Réussie
鎌倉の想定避難者である89,000もの独立したエージェントをブラウザ上で並列計算させることに成功。 Successfully achieved parallel computation of 89,000 independent agents — Kamakura's estimated evacuation population — rendered live in the browser. 成功在浏览器上实现了对89,000名独立智能体（镰仓假定避难人数）的并列计算。 가마쿠라의 예상 대피 인원인 89,000명의 독립 에이전트를 브라우저 상에서 병렬 계산하는 데 성공. Se logró la computación paralela de 89,000 agentes independientes — la población estimada de evacuación de Kamakura — renderizados en vivo en el navegador. Réalisation du calcul parallèle de 89 000 agents indépendants — la population d'évacuation estimée de Kamakura — rendus en direct dans le navigateur.
v2.0 への移行開始。4属性・62,299人・動的津波モデルへ全面再設計。v2.0 Transition Begins. Full redesign to 4 types / 62,299 agents / dynamic tsunami model.v2.0 迁移开始。全面重新设计为4种属性/62,299人/动态海啸模型。v2.0으로의 전환 시작. 4속성 · 62,299명 · 동적 쓰나미 모델로 전면 재설계.Inicio de la transición a v2.0. Rediseño completo a 4 tipos / 62,299 agentes / modelo tsunami dinámico.Début de la transition v2.0. Refonte complète vers 4 types / 62 299 agents / modèle tsunami dynamique.
エージェント属性を10種から4種（一般来訪客52,268/地域住民6,246/現地就業者1,960/プロ誘導員320）へ再設計。Tobler歩行速度関数・Klüpfelモデル・Social Force Modelを実装。浸水域を静的→動的（Goto-Muhari経験式）に刷新。 Agent types redesigned from 10 to 4 (General Visitors 52,268 / Residents 6,246 / Local Workers 1,960 / Professional Guides 320). Implemented Tobler walking speed function, Klüpfel model, Social Force Model. Updated inundation model from static to dynamic (Goto-Muhari empirical formula). 智能体属性从10种重新设计为4种（一般来访者52,268 / 地区居民6,246 / 当地就业者1,960 / 专业引导员320）。实装 Tobler 步行速度函数、Klüpfel 模型、Social Force Model。将淹水范围从静态更新为动态（Goto-Muhari经验公式）。 에이전트 속성을 10종에서 4종(일반 방문객 52,268 / 지역 주민 6,246 / 현지 취업자 1,960 / 전문 유도원 320)으로 재설계. Tobler 보행 속도 함수·Klüpfel 모델·Social Force Model 구현. 침수 모델을 정적→동적(Goto-Muhari 경험식)으로 혁신. Tipos de agentes rediseñados de 10 a 4 (Visitantes Generales 52,268 / Residentes 6,246 / Trabajadores Locales 1,960 / Guías Profesionales 320). Implementadas funciones de velocidad Tobler, modelo Klüpfel y Social Force Model. Modelo de inundación actualizado de estático a dinámico (fórmula empírica Goto-Muhari). Types d'agents redessinés de 10 à 4 (Visiteurs Généraux 52 268 / Résidents 6 246 / Travailleurs Locaux 1 960 / Guides Professionnels 320). Implémentation de la fonction de vitesse Tobler, du modèle Klüpfel et du Social Force Model. Modèle d'inondation mis à jour de statique à dynamique (formule empirique Goto-Muhari).
プロジェクト始動。計算機の中の鎌倉の誕生。Project Launch. Kamakura Born Inside a Computer.项目启动。计算机中的镰仓诞生。프로젝트 시작. 컴퓨터 속 가마쿠라 탄생.Inicio del Proyecto. Kamakura Nace en un Ordenador.Lancement du Projet. Kamakura Naît dans un Ordinateur.
「なぜ次の大地震での鎌倉は救われないのか？」という個人的な切迫感から、オープンなシミュレーション構築を決意。 Driven by the urgent personal question "Why won't Kamakura be saved in the next major earthquake?" — committed to building an open simulation. 出于"为何下一次大地震时镰仓无法得救？"这一个人紧迫感，决心构建开放的模拟器。 "다음 대지진에서 가마쿠라는 왜 구해지지 않는가?"라는 개인적 절박감으로부터, 오픈 시뮬레이션 구축을 결의. Impulsado por la urgente pregunta personal "¿Por qué Kamakura no se salvará en el próximo gran terremoto?" — comprometido a construir una simulación abierta. Poussé par la question personnelle urgente "Pourquoi Kamakura ne sera-t-elle pas sauvée lors du prochain grand séisme ?" — engagement à construire une simulation ouverte.