| Project/Area Number |
21K14260
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 22050:Civil engineering plan and transportation engineering-related
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
Pang Yanbo 東京大学, 空間情報科学研究センター, 特任助教 (60870178)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2023: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2022: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2021: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
|
|---|
| Keywords | 人の流れ / エージェントシミュレーション / データ基盤 / 人間参加型機械学習 / 生成系AI / 擬似人流 / 深層学習 / 強化学習 / 対話型機械学習 |
|---|
| Outline of Research at the Start |
近年、数多く人流シミュレーションに関する研究が行われてきたが、行動モデルの訓練や結果の評価には、依然、高価かつ入手しにくい携帯電話データに依存し、 事前にデータが入手できない未曾有の場面に対して、高精度な人流を再現・予測できない問題が残っている。そこで、本研究では、シミュレーションモデルと人間の知能を組み合わせて、シミュレーションの再現性と信頼性を向上するために仕組みを提案 する。そこでは、人間の評価をエージェントモデルへフィードバックすることで、シミュレ ーション精度の向上を図る。 この成果は、これまで不可能だった状況の人流を再現することを可能とし、社会インフラデータの整備に貢献する。
|
| Outline of Final Research Achievements |
In this study, we combined simulation models and human intelligence to improve the reproducibility and reliability of simulations. The main achievements are as follows: 1. Creation and provision of nationwide pseudo-people mobility data: Using agent-based modeling and multi-source open data, we created and provided a dataset that replicates a typical weekday people flow across Japan. 2. Development of the generative AI model "MobilityGPT": We developed a generative AI model based on large-scale mobility data, contributing to urban planning and traffic management.
These achievements aid in the design of efficient transportation networks and quick evacuation planning during disasters.
|
| Academic Significance and Societal Importance of the Research Achievements |
学術的意義:本研究は、シミュレーションモデルと人間の知能を融合させた新手法により、エージェントベースモデリングと生成系AIモデルの精度向上を実現した。特に、生成系AIモデル「MobilityGPT」は大規模な移動データに基づき、複雑な人間の行動パターンの再現を可能にし、都市情報学や交通工学に新たな知見を提供した。
社会的意義:全国擬似人流データの提供により、詳細な移動パターンの情報が得られ、政策の感度分析や商業施設の配置計画、大規模災害時の避難シミュレーションなどの研究や施策に活用可能となった。デジタルツインやスマートシティにも寄与し、社会全体の持続可能性向上に貢献する。
|
