Lock in $30 Savings on PRO—Offer Ends Soon! ⏳
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
IP66_EvacuationLearning
Search
SatokiMasuda
November 18, 2024
Research
0
47
IP66_EvacuationLearning
第66回土木計画学研究発表会・秋大会の発表資料です。「異質性に着目した強化学習に基づく動的避難目的地選択モデル」
SatokiMasuda
November 18, 2024
Tweet
Share
More Decks by SatokiMasuda
See All by SatokiMasuda
ieee2025
stkmsd
0
8
ip71_contraflow_reconfiguration
stkmsd
0
130
kanazawa2024
stkmsd
0
52
hksts2024
stkmsd
0
52
IP70_counterfactual_machine_learning
stkmsd
0
54
ip68_LocationGame
stkmsd
0
39
ip67_MFDRL_evacuation
stkmsd
0
51
CPIJ2024_DisasterLocationGame
stkmsd
0
72
jasdis-HospitalEvacuation
stkmsd
0
54
Other Decks in Research
See All in Research
論文紹介: ReGenesis: LLMs can Grow into Reasoning Generalists via Self-Improvement
hisaokatsumi
0
140
生成AI による論文執筆サポート・ワークショップ ─ サーベイ/リサーチクエスチョン編 / Workshop on AI-Assisted Paper Writing Support: Survey/Research Question Edition
ks91
PRO
0
120
音声感情認識技術の進展と展望
nagase
0
400
論文読み会 SNLP2025 Learning Dynamics of LLM Finetuning. In: ICLR 2025
s_mizuki_nlp
0
350
「リアル×スキマ時間」を活用したUXリサーチ 〜新規事業を前に進めるためのUXリサーチプロセスの設計〜
techtekt
PRO
0
170
AI in Enterprises - Java and Open Source to the Rescue
ivargrimstad
0
1k
AWSで実現した大規模日本語VLM学習用データセット "MOMIJI" 構築パイプライン/buiding-momiji
studio_graph
2
1k
空間音響処理における物理法則に基づく機械学習
skoyamalab
0
110
Thirty Years of Progress in Speech Synthesis: A Personal Perspective on the Past, Present, and Future
ktokuda
0
120
Mamba-in-Mamba: Centralized Mamba-Cross-Scan in Tokenized Mamba Model for Hyperspectral Image Classification
satai
3
280
説明可能な機械学習と数理最適化
kelicht
2
700
cvpaper.challenge 10年の軌跡 / cvpaper.challenge a decade-long journey
gatheluck
3
1k
Featured
See All Featured
Practical Tips for Bootstrapping Information Extraction Pipelines
honnibal
25
1.6k
Navigating Team Friction
lara
191
16k
For a Future-Friendly Web
brad_frost
180
10k
Refactoring Trust on Your Teams (GOTO; Chicago 2020)
rmw
35
3.3k
Designing for humans not robots
tammielis
254
26k
GitHub's CSS Performance
jonrohan
1032
470k
Designing Dashboards & Data Visualisations in Web Apps
destraynor
231
54k
The Power of CSS Pseudo Elements
geoffreycrofte
80
6.1k
Exploring the Power of Turbo Streams & Action Cable | RailsConf2023
kevinliebholz
36
6.2k
Fireside Chat
paigeccino
41
3.7k
Code Review Best Practice
trishagee
74
19k
Performance Is Good for Brains [We Love Speed 2024]
tammyeverts
12
1.3k
Transcript
ҟ࣭ੑʹணͨ͠ڧԽֶशʹجͮ͘ ಈతආతબϞσϧ ˓ ૿ా ܛथ ౦ژେֶֶܥݚڀՊ ະདྷ גࣜձࣾ๛ాதԝݚڀॴ Ӌ౻
ӳೋ ౦ژେֶֶܥݚڀՊ 12 ަ௨ωοτϫʔΫੳηογϣϯ 2022.11.12 16:45-18:15 ୈ9ձ ୈճܭըֶݚڀൃදձɾळେձ!ླྀٿେֶ
ආͷωοτϫʔΫσβΠϯɾ੍ޚ 2 ࡂ࣌ʹಥൃతͳधཁ͕ൃੜ͠ɺωοτϫʔΫ༰ྔΛա ةݥେ ةݥத ةݥখ
ආͷωοτϫʔΫσβΠϯɾ੍ޚ Øࡂ࣌ͷใఏڙσβΠϯ Øࡂؒͷආ܇࿅ͷ࠷దઃܭ 3 બͷҟ࣭ੑΛ׆༻ͨ͠ආަ௨ͷΈ߹Θͤ࠷ద ةݥେ ةݥத ةݥখ ใͷֶशաఔͱߦಈม༰ΛϞσϧԽ͠ɺ੍ޚʹ׆༻͢Δ
ֶशաఔͷදݱ – ڧԽֶश ΤʔδΣϯτ͕ڧԽֶशΛߦ͏ͱ͢Δͱɺ ߦಈͱใुͷ֫ಘΛ܁Γฦ͠ɺ࠷దͳํࡦΛֶश͍ͯ͘͠ → ʮඇආʯঢ়ଶʹ͋Δ࣌ɺظใु͕࠷ߴ͍ঢ়ଶભҠΛֶश 4 ࣌ؒ ֶशᶃ
ආޮ༻ 𝑣 ආ ᶄ Ұํɺਓؒڥ͔Β࠷దํࡦΛֶͳ͍͜ͱɺֶशΛ٫ ͢Δ͜ͱ͕͋Δɻ
ֶशաఔͷදݱ – day-to-dayͷܦ࿏બ ܦ࿏બߦಈʹؔ͢Δ࣮ݧ࣮ࣨݧͷݚڀ͕ߦΘΕ͖ͯͨ • ܁Γฦ͠ʹΑΔश׳Խ Bogers, Bierlaire, Hoogendoorn (2007)
• ϕΠζϧʔϧʹΑΔೝͷߋ৽ Jha, Madanat, Peeta (1998) • Horowitz (1984) – ֶशʹΑΔཱྀ֮ߦ࣌ؒͷܗΛදݱ 5 𝑢!" = 𝛽#!$% $ & "'( 𝑤& 𝑇!& + 𝜖!" աڈͷཱྀߦ࣌ؒͷॏΈ͖ฏۉ 𝑤& ͷઃఆʹΑΓ͞·͟·ͳදݱ͕Մೳɻ ex) ͍ۙաڈͷܦݧ΄ͲॏΈ͚ ü ॏΈ 𝑤& ੳऀ͕ઃఆ͢Δ ü ࡂ܇࿅ຖ܁Γฦ͞ΕΔֶशͰͳ͍ ຊݚڀͰ𝑤! Λ٫ͱଊ͑ɺೝֶशաఔΛද͢ॏཁͳ ύϥϝʔλͱͯ͠ਪఆ͢Δ
ຊݚڀͷয త ใͷֶशͱ٫Λߟྀͨ͠ආωοτϫʔΫ੍ޚ nڧԽֶशɾday-to-dayͷܦ࿏બͷֶश • աڈͷܦݧ֎෦ใʹΑΔ֮ߦಈنൣܗ Øֶशִ͕͍ؒ߹ͷɺֶशͱ٫ͷهड़ͱ༧ଌ͕ඞཁ n ආߦಈͷੳ •
܇࿅ใఏڙલޙͷҙมԽͷੳ ØޮՌͷ࣋ଓͷੳ͕ෆՄܽ ࡂكগࣄΏֶ͑शͱ٫ΛϞσϦϯά͠ɺ࣮ݧσʔλʹΑΔ ύϥϝʔλਪఆͰֶशաఔͷಛΛ໌Β͔ʹ͢Δɻ 6
ֶशաఔͷදݱ 7 ࣌ؒ ֶशᶃ 𝑣) ࣌ؒͱͱʹޮՌݮ ٫ ආޮ༻ 𝑣
ආ
ֶशաఔͷදݱ 8 ࣌ؒ ੳ࣌ 𝑣) ࣌ؒͱͱʹޮՌݮ ٫ ආޮ༻ 𝑣 ආ
ֶशᶃ
ֶशաఔͷදݱ 9 ආޮ༻ 𝑣 ආ ࣌ؒ ੳ࣌ 𝑣) 𝜆 𝑣避難
= 𝑣" +𝜆𝛿学習 ֶशޮՌൈ͖ͷ ޮ༻ͷ֬ఆ߲ ֶशܦݧ͕͋Ε ͳ͚Εͷม ֶशᶃ
ֶशաఔͷදݱ 10 ࣌ؒ ੳ࣌ 𝑣) 𝜆 ਅͷޮՌ 𝑣避難 = 𝑣"
+𝜆𝛿学習 ֶशޮՌൈ͖ͷ ޮ༻ͷ֬ఆ߲ ֶशܦݧ͕͋Ε ͳ͚Εͷม ආޮ༻ 𝑣 ආ ܦݧΛ୯७ʹઆ໌มʹؚΊΔ͚ͩͰ ֶशͷޮՌΛաখධՁͯ͠͠·͏ ֶशᶃ
ֶशաఔͷදݱ – ఏҊ 11 ࣌ؒ ֶशᶃ ̅ 𝜆 ආޮ༻ 𝑣
ආ ੳ࣌ ୯Ґ࣌ؒ 𝑣)
ֶशաఔͷදݱ – ఏҊ 12 ࣌ؒ 𝑣) ̅ 𝜆 ආޮ༻ 𝑣
ආ ੳ࣌ 𝛾 ̅ 𝜆 𝛾* ̅ 𝜆 𝛾+ ̅ 𝜆 ੳ࣌Ͱͷ ֶशᶃͷޮՌ 𝑣避難 = 𝑣" +𝛾# ̅ 𝜆𝛿学習① ֶशᶃ͕͋Ε ͳ͚Εͷม ٫ͷఔΛද͢ม𝛾Λಋೖ ֶशᶃ ୯Ґ࣌ؒ
ֶशաఔͷදݱ ʻԾఆʼ • ԿֶशΛ܁Γฦͯ͠ɺͦͷޮՌ ̅ 𝜆Ͱݻఆ • ֶशͷִؒ΄΅ҰఆͰɺwaveؒͰ٫ 𝛾ͰޮՌ͕ݮ͢Δ 13
𝑣避難 = 𝑣" +𝛾!$% ̅ 𝜆𝛿&'() % + 𝛾!$* ̅ 𝜆𝛿&'() * + 𝛾!$# ̅ 𝜆𝛿&'() # + ⋯ = 𝑣" + ̅ 𝜆 * +,% ! 𝛾!$+𝛿+ • ਪఆରɺ ̅ 𝜆ʢֶशʹΑΔޮՌʣͱ 𝛾ʢ٫ʣ શ 𝑥 wave͋Δͱ͖ɺwave 𝑥ޙͷޮ༻ͷ֬ఆ߲ɺ
ֶशσʔλͷऔಘ • ෳwaveͷߦಈσʔλ͕͋Ε٫܇࿅ޮՌͷਪఆ͕Մೳ 14 ࠞࡶใ ආ܇࿅ ආ܇࿅ ආ܇࿅ ࠞࡶใ ਁਫใ
ආ܇࿅ ࠞࡶใ ਁਫใ ආߦಈ SPௐࠪᶃ 2022/3/2 ~ 4 ආߦಈ SPௐࠪᶄ 2022/3/11 ~ 15 ආߦಈ SPௐࠪᶅ 2022/3/25 ~ 29 ආߦಈ SPௐࠪᶆ 2022/4/14 ~ 20 ࠞࡶใ ਁਫใ 272໊
܇࿅ͱใఏڙͷ༷ࢠ 15 1 2 3 ᶃେౡஸஂ ϋβʔυใ ྟւ෦ͷ΄͏͕ਫ ʹରͯ҆͠શͱ͍͏ ͷײͱҧ͏ɻ
ॳΊͯͬͨɻ ਁਫҬʹॅΉߴྸঁੑ
ආతબϞσϧ – 2ͭͷಈֶੑ 16 ࣗ ආॴ A ආॴ B wave1
wave2 ࡂ࣌ ಈతࢄબϞσϧ ආܦݧ ࡂؒ ޮ༻ͷߋ৽ 𝑝 𝑠!"# 𝑠! = 𝑒 # $ % 𝑠!"# 𝑠! ; 𝜽 "&'! ("#$ ∑ ("#$ % ∈* (" 𝑒 # $ % 𝑠!"# + 𝑠! ; 𝜽 "&'! ("#$ % 𝑣!"# = 𝑣$ + 𝜆 % %,&' % 𝛾%(%, 𝛿% wave間 wave
waveؒ ֶशύϥϝʔλͷਪఆ 17 wave1避難者 wave1非避難者 推定値 t値 推定値 t値 非避難効用の変化
(出発時刻選択) 48h前固有項 0.362 2.08* 0.224 0.73 24h前固有項 0.344 1.85 0.862 2.25* 12h前固有項 -0.303 -1.28 -1.541 -1.89 6h前固有項 -1.236 -3.39** 2.173 2.08* 目的地効用の変化 ハザードマップ内 -0.683 -1.40 -1.128 -1.59 避難訓練参加 (自宅選択時) -0.580 -1.05 0.004 0.01 目的地の混雑情報 (非自宅選択時) -0.433 -1.38 -2.017 -2.86** 記憶率 0.143 0.48 0.321 1.20 サンプル数 100 144 初期対数尤度 -723.9 -290.0 最終対数尤度 -682.2 -197.8 尤度比 0.058 0.318 修正済尤度比 0.047 0.290 *:5%有意, **1%有意 • wave1Ͱආ͢Δͱճͨ͠ਓͱͦ͏Ͱͳ͍ਓʹ͚ͯਪఆ ආͷબ͕ݩ͔ Β͍ਓɺ܇࿅ ࢀՃͷޮՌ͕ೝΊ ΒΕͳ͍͕ɺࠞࡶ Λආ͚Α͏ͱ͢Δ ̅ 𝜆 𝛾 忘却率
waveؒ ֶशύϥϝʔλͷਪఆ 18 EMクラス1 EMクラス2 推定値 t値 推定値 t値 非避難効用の変化
(出発時刻選択) 48h前固有項 11.871 0.10 -0.053 -0.30 24h前固有項 0.369 2.14* 0.237 1.11 12h前固有項 -8.180 -0.15 0.143 0.63 6h前固有項 8.740 0.15 -2.449 -5.46** 目的地効用の変化 ハザードマップ内 -2.144 -2.28* 0.847 1.41 避難訓練参加 (自宅選択時) -1.902 -2.20* -0.629 -0.74 目的地の混雑情報 (非自宅選択時) -3.598 -3.09** 0.028 0.08 記憶率 1 4.15** 0.213 1.17 サンプル数 100 初期対数尤度 -723.9 最終対数尤度 -571.7 尤度比 0.210 修正済尤度比 0.188 *:5%有意, **1%有意 Ϋϥε1 = • ਁਫ͢Δॴʹߦ͖ͨ ͘ͳ͍ • ܇࿅ࢀՃʹΑΓආ ޮ༻্͕ঢ͢Δ • ࠞࡶ͢Δॴʹߦ͖ͨ ͘ͳ͍ ͱֶश͢Δൣ Ϋϥε2 = ใఏڙʹײ͕ͳ͍ • wave1Ͱආ͢Δͱճͨ͠ਓͷதʹҟ࣭ੑ͕͋Δͱߟ͑ɺજ ࡏΫϥεϞσϧͰਪఆ ̅ 𝜆 𝛾 忘却率
ආ܇࿅ࢀՃʹΑΔආޮ༻ͷมԽ 19 ࣌ؒ ආ܇࿅ᶃ ආ܇࿅ᶄ 𝑣) ආޮ༻ 𝑣 ආ 2िؒ
−3.60 -0.63 Ϋϥε1 Ϋϥε2
ࠞࡶใఏڙʹΑΔతޮ༻ͷมԽ 20 ࣌ؒ ใఏڙᶃ ใఏڙᶄ ආޮ༻ 𝑣 ආ 2िؒ −1.90
0.03 Ϋϥε1 Ϋϥε2
·ͱΊ üكগࣄʹର͢Δֶशͱ٫ͷաఔΛϞσϧԽ ü࣮ݧσʔλʹΑΔύϥϝʔλਪఆͰ܇࿅ͱใͷֶशաఔΛੳ üใఏڙܦݧʹର͢Δֶशͷఔͱɺ٫ͷ͞ʹҟ࣭ੑ͕ ͋Δ͜ͱΛ໌Β͔ʹͨ͠ ࠓޙͷํੑ Øใఏڙʹର͢ΔԠͷҟ࣭ੑΛར༻ͯ͠ɺආަ௨ͷधཁɾܦ ࿏ɾతͷ࠷ద੍ޚൃల Ø٫ͷԾఆͷ؇ →
ܦա࣌ؒͷߏԽɺม͝ͱʹҟͳΔ٫ͷઃఆ 21