| Project/Area Number |
16H02907
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Single-year Grants |
|---|
| Section | 一般 |
|---|
| Research Field |
Web informatics, Service informatics
|
|---|
| Research Institution | Chiba University |
|---|
Principal Investigator |
Arai Sachiyo 千葉大学, 大学院工学研究院, 教授 (10372575)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
村木 美貴 千葉大学, 大学院工学研究院, 教授 (00291352)
藤井 秀樹 東京大学, 大学院工学系研究科(工学部), 講師 (00597809)
松香 敏彦 千葉大学, 大学院人文科学研究院, 教授 (30466693)
丸山 喜久 千葉大学, 大学院工学研究院, 准教授 (70397024)
|
|---|
| Research Collaborator |
Nomura Saeko
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Project Status |
Completed (Fiscal Year 2018)
|
| Budget Amount *help |
¥15,210,000 (Direct Cost: ¥11,700,000、Indirect Cost: ¥3,510,000)
Fiscal Year 2018: ¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2017: ¥5,200,000 (Direct Cost: ¥4,000,000、Indirect Cost: ¥1,200,000)
Fiscal Year 2016: ¥5,720,000 (Direct Cost: ¥4,400,000、Indirect Cost: ¥1,320,000)
|
|---|
| Keywords | 逆強化学習 / 強化学習 / 多目的最適化 / 社会シミュレーション / 行動規範 / マルチエージェントシミュレーション / 行動科学 / 最適化 / 敵対的生成ネットワーク / マルチエージェント / メカニズムデザイン / マルチエージェント強化学習 / 多目的強化学習 / 深層強化学習 / ソフトコンピューティング / 機械学習 / 都市計画 / 土木環境システム / 避難行動の規範抽出 / 鉄道運行整理 / 分散深層強化学習 / データ同化 / 対話 / 自然災害 / 認知科学 / エージェント / 人工知能 |
|---|
| Outline of Final Research Achievements |
In this challenge, we defined resilience as a situation in which urban traffic functions robustly and flexibly. To achieve this challenge, we have been researching from the standpoint that it is necessary to cooperate with three software infrastructures, such as information infrastructure, human situation judgment, and legal system.
In particular, we focused on the fact that human actions are the key to reducing secondary disasters. Thus, we proposed a design method for urban transportation system considering human behavior characteristics. Since the norms of human behavior in disasters are influenced by the memory of similar situations in the past, it was confirmed that it is more effective to encourage optimal behavior selection than to provide correct information directly. We also proposed two methods that were introduced a genetic algorithm and a new inverse reinforcement learning as estimation methods of behavior norms from trajectories of human flow.
|
| Academic Significance and Societal Importance of the Research Achievements |
災害時，都市交通機能の停止は，人々の移動手段を奪うが，その後の情報提供や運転再開についての意思決定が重要である．SNSなどによる不確かな情報の錯綜による混乱はもちろん，運営側の運転再開に関する誤った意思決定や避難誘導はさらなる二次災害を引き起こす．本研究の学術的貢献として，災害時の人の意思決定傾向や，情報の局所性，曖昧性を考慮した運営側，あるいは政府による最適な避難誘導案の生成支援が挙げられる．また，社会的意義として，人の意思決定傾向を踏まえた混乱や混雑が生じる状況や場所を予測可能にしたこと，および，本結果に基づいた法の見直しの根拠を与えることを可能にした点を挙げる．
|
