Pang 特任研究員の論文”Development of people mass movement simulation framework based on reinforcement learning”がElsevier社のTransportation Research Part C (Impact Factor in 2019: 6.077)に掲載されました！
本研究は、強化学習を用いて人の流れシミュレーションのエージェントモデルを提案しました。とくに、携帯端末の位置情報を逆強化学習で学習することで、行動の好み・選好を意思決定モデルとして学習し、エージェントを現実の人間に近い行動を導き出せるようにしました。具体的には、東京都10万人を対象とする1日の動きをシミュレーションし、1kmメッシュ人口ベースの相関係数では平均0.8以上、交通手段別利用者数ベースの相関では平均0.6の精度を実現しました。
In this study, we developed an RL-based agent model for people’s daily travel behavior in cities and generate synthetic trajectories to replicate people mass movement. By introducing inverse reinforcement learning, we recovered human travel behavior preferences that can capture the spatio-temporal pattern and context features of human mobility from real GPS trajectories. We simulated the daily movements of 100,000 people in Tokyo and achieved an average accuracy of over 0.8 for the correlation coefficient based on the 1km mesh population and 0.6 for the correlation coefficient based on the number of users by means of transportation.
https://doi.org/10.1016/j.trc.2020.102706
Yanbo Pang, Takehiro Kashiyama, Takahiro Yabe, Kota Tsubouchi, Yoshihide Sekimoto (2020), Development of people mass movement simulation framework based on reinforcement learning. Transport. Res. Part C: Emerg. Technol., (117) (2020), 102706
おめでとうございます！！
