文献

J-GLOBAL ID：202302256344935653   整理番号：23A3148795

大規模MASシミュレーションにおけるHuman and Car path predictionへの深層学習の適用可能性の検討

著者 (3件)： 竹下紘太 (明治大) ,  江口健太郎 (明治大) ,  宮島敬明 (明治大)
資料名： 電子情報通信学会技術研究報告(Web)  (IEICE Technical Report (Web))
巻： 123  号： 190(AI2023 1-36)  ページ： 50-55 (WEB ONLY)  発行年： 2023年09月05日 
JST資料番号： U2030A  ISSN： 2432-6380  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 都市の自然災害による犠牲者を最小限にするためには,避難経路の最適化が重要である。津波や地震などの災害時の避難のシミュレーションに,マルチエージェントシミュレーション(MAS)が利用されている。各エージェントは各々が設定されたルールにしたがって自律的に経路決定を行うが,そのルールは非常に複雑化している。我々は,大規模条件下および災害避難時などの状況下での避難のシミュレーションの高精度化を目指し,各エージェントの経路決定に深層学習の応用を目指している。本研究報告では,MAS法を用いた避難シミュレーションの概要に触れた後に,適用するニューラルネットワークの内部構造とその適用可能性について述べる。予備評価として,PECNetの内部構造の解析のために,考慮する周辺人数と,学習回数の変化に応じた精度と実行時間を評価した。結果として,考慮する周辺人数および学習回数の増加に伴い精度は向上したが,学習回数の増加は訓練時の実行時間の増加を招くことがわかった。(著者抄録)

シソーラス用語： 人間行動 ,  可視化 ,  *歩行者 ,  交通混雑 ,  行動科学 ,  *マルチエージェントモデル ,  機械学習 ,  ニューラルネットワーク ,  *避難 ,  交通流 ,  計算機シミュレーション ,  *マルチエージェントシミュレーション ,  群衆シミュレーション ,  *交通流シミュレーション ,  深層学習 ,  *避難シミュレーション ,  計算機利用 ,  利用
準シソーラス用語： エージェントベースモデル ,  人流シミュレーション ,  人流解析

分類 (2件)： 計算機シミュレーション  (JE11000H) ,  都市問題,都市防災  (RD01030O)

引用文献 (9件)：

• A. L and M. L. L. Wijerathne: “On a mass evacuation simulator with complex autonomous agents and applications”, Journal of Earthquake and Tsunami, 10, 05, p. 1640021 (2016).
• A. M. L. Enrique: “Enhancements and applications of a scalable multi-agent based large urban area evacuation simulator with emphasis on the use of cars”, IPSJ Transactions on Advanced Computing Systems, 8, 4, pp. 50-60 (2015).
• S. A. K.-H. L. E. A. J. M. A. G. Karttikeya Mangalam, Harshayu Girase: “It is not the Journey but the Destination: Endpoint Conditioned Trajectory Prediction”, IPSJ Transactions on Advanced Computing Systems, 8, 4, pp. 50-60 (2020).
• N. Daniel, A. Larey, E. Aknin, G. Osswald, J. Caldwell, M. Rochman, M. Collins, G. Yang, N. Arva, K. Capocelli, M. Rothenberg and Y. Savir: “A deep multi-label segmentation network for eosinophilic esophagitis whole slide biopsy diagnostics”.
• A. Bhattacharyya, M. Hanselmann, M. Fritz, B. Schiele and C. Straehle: “Conditional flow variational autoencoders for structured sequence prediction”, CoRR, abs/1908.09008, (2019).

タイトルに関連する用語 (6件)： 大規模 ,  MAS ,  シミュレーション ,  CAR ,  深層学習 ,  適用可能性