2023 Fiscal Year Annual Research Report
| Project/Area Number |
21K14260
|
|---|
| 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
|
| 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 |
|---|
| Outline of Annual Research Achievements |
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させる仕組みを提案しました。具体的には、人間の評価をエージェントモデルに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り、非集計な携帯電話データを使用した場合と同等の精度を達成することを目標としました。最終年度に実施した研究の成果として、以下の2点が挙げられます：
1. 全国擬似人流データの作成と提供：これまでに構築したエージェントベースモデリングとシミュレーション手法を用いて、全国の人口に対して安定した精度を持つ「全国擬似人流データ」を作成し提供しました。このデータセットは、オープンな調査データと低廉な価格で入手可能な商業データを活用しており、全国の典型的な平日の1日中の擬似人流を再現しています。 これにより、断片的な位置情報だけでなく、どのような人々が、どのような目的で、いつ、どのような交通手段で、どこからどこへ移動するかといった情報を提供することが可能となりました。
2. 生成系AIモデル「MobilityGPT」の開発：都市の情報基盤における人々の移動行動の正確な予測と対応を目的として、大規模な移動データを基盤にした生成系AIモデル「MobilityGPT」を開発しました。このモデル（Generative Pre-trained Transformer, GPT）は、ディープラーニングや自然言語処理（NLP）の領域で顕著な可能性を示しており、複雑な人間の行動パターンの再現も期待されています。
これらの成果は、都市計画や交通管理において極めて重要です。より正確な移動パターンの予測により、効率的な交通ネットワークの設計や、災害時の迅速な避難計画の策定が可能となります。また、環境負荷の低減や持続可能な都市開発に寄与することが期待されます。
|
