2022 Fiscal Year Research-status Report
Real-world application of agent based model created from BCMP queueing networks and machine learning
| Project/Area Number |
21K11774
|
|---|
| Research Institution | Shizuoka Institute of Science and Technology |
|---|
Principal Investigator |
水野 信也 静岡理工科大学, 情報学部, 教授 (60714524)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Keywords | 閉鎖型BCMP待ち行列ネットワーク / マルコフ連鎖 / 最適化 / 複数窓口 / シミュレーション / 遺伝アルゴリズム / 並列計算 |
|---|
| Outline of Annual Research Achievements |
2022年度においては、閉鎖型BCMP待ち行列ネットワークの最適化への適用と複数窓口化が大きな成果である。閉鎖型BCMP待ち行列ネットワークについては、2021年度において大規模計算環境の構築を行った。閉鎖型待ち行列ネットワークは、従来から膨大の計算量のため、最適化モデルを構築することが難しいと言われていたが、21年度の大規模計算環境を利用することで、最適化モデルを構築することが可能となった。22年度では最適化への適用を行い、実社会に応用できる規模での計算が可能となった。今までの計算は拠点の窓口数は1に限定したが、それを複数窓口に拡張して、より実社会モデルに適用できる形となった。複数窓口に対する計算には、再帰計算が必要となり、単一の窓口モデルと比べ、複雑な計算が必要である。複数窓口に対する大規模計算環境も構築ができ、十分大きな窓口数に対しても対応できるようになった。この複数窓口計算環境を利用して、閉鎖型BCMP待ち行列ネットワークの複数窓口に対する最適化を実施できるようになった。
また連続時間型マルコフ連鎖を利用した、WiFiログを利用した人々の密集を避けるような最適化モデルを発表した。新型コロナウイルス蔓延に対して、社会では人々の密集を避けるような取り組みがされてきた。しかしながら、ショッピングモールなどの施設では、客の動線を容易に変更はできない。そのため、滞在時間を制約付きのパラメタとして、滞在時間を変動させることで、施設内での人々の密集を避けるようなモデルを提案することができた。このモデルは、エージェント・ベースドモデルでの表現も可能であり、本研究テーマの重要な位置付けとなっている。このようなモデルをMCMCなどのシミュレーションモデルと連携して、定常分布が仮定されている場合に、人の動線を最適化するような推移確率を算出するモデルが可能となる。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
閉鎖型BCMP待ち行列ネットワークの大規模計算環境については、複数窓口を含めた計算が可能となり、より実社会に適用しやすいモデルとなった。今まで困難であると言われていた閉鎖型待ち行列ネットワークの最適化モデルへの適用についても、本研究の大規模計算環境を活用することで、色々な観点での最適化が可能となっている。今回設定した最適化の目的関数は平均系内人数の標準偏差であった。最適化アルゴリズムは遺伝アルゴリズムを用いて、遺伝子数と世代数に対する収束も注意深く確認をした。
エージェント・ベースドモデルの基となる連続時間型マルコフ連鎖を利用したWiFiログを用いた密集を避けるための最適化も可能となっている。マルコフ連鎖と閉鎖型待ち行列ネットワークの特性を活かした社会実装モデルを実装する技術要素が出来上がってきており、現在の進捗は順調と考えている。現在本件に関する論文を投稿中であり、継続して対応していく。
|
| Strategy for Future Research Activity |
今後の研究の推進方策として、一つ目に閉鎖型BCMP待ち行列ネットワークの最適化の社会実装がある。今までの研究で、複数窓口の最適化モデルの構築が可能となり、社会実装の準備ができた。社会実装の例として、現在普及が広がっているEVチャージステーションの最適化モデルがある。これは日本だけでなく、世界で今後必要となるモデルであり、大きなインパクトがあると考えている。EVの普及率や利用状況などの統計情報を利用して、より現実的なEVチャージステーション最適化モデルを考案していく。
２つ目に、マルコフ連鎖や閉鎖型待ち行列ネットワークにおいて、エージェント・ベースドモデルを構築し、理論値では得られない動的な情報を取得するプラットフォームが必要である。その中でMCMCや強化学習の手法を利用し、施設内での移動を最適化された推移確率を求めていくことで、施設初期設計に寄与することができる情報を提供することができる。
上記の２つの課題を優先的に実施し、実社会に対応したモデルを提案し、今後の閉鎖型BCMP待ち行列ネットワークの一つの社会実装モデルとして完成をしていく。
|
| Causes of Carryover |
新型コロナウイルスの影響があり、国際会議参加やインタビューの機会が制限されたため、予算執行の計画にズレが生じた。研究論文も複数本投稿しているが、22年度での採択とならず、23年度での採択を目指し、論文掲載費などに利用する予定である。
|
