| 研究課題/領域番号 |
21K14260
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分22050:土木計画学および交通工学関連
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
Pang Yanbo 東京大学, 空間情報科学研究センター, 特任助教 (60870178)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2023年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2022年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2021年度: 2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
|
|---|
| キーワード | 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 |
|---|
| 研究開始時の研究の概要 |
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。
|
| 研究成果の概要 |
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、シミュレーションの再現性と信頼性を向上させました。主な成果は以下の2点です。
1. 全国擬似人流データの作成と提供：エージェントベースモデリングを用いて、全国の典型的な平日の1日の人流を再現するデータセットを作成し提供しました。2. 生成系AIモデル「MobilityGPT」の開発：大規模な移動データを基にした生成系AIモデルを開発し、都市計画や交通管理に貢献しました。これらの成果はデジタルツインやスマートシティの計画に役立ちます。
|
| 研究成果の学術的意義や社会的意義 |
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。
|
