Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
IP66_EvacuationLearning
Search
SatokiMasuda
November 18, 2024
Research
0
41
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
ip71_contraflow_reconfiguration
stkmsd
0
96
kanazawa2024
stkmsd
0
40
hksts2024
stkmsd
0
42
IP70_counterfactual_machine_learning
stkmsd
0
39
ip68_LocationGame
stkmsd
0
35
ip67_MFDRL_evacuation
stkmsd
0
37
CPIJ2024_DisasterLocationGame
stkmsd
0
58
jasdis-HospitalEvacuation
stkmsd
0
44
TRC30-CombinatorialReconfiguration
stkmsd
0
30
Other Decks in Research
See All in Research
SSII2025 [SS1] レンズレスカメラ
ssii
PRO
2
1k
引力・斥力を制御可能なランダム部分集合の確率分布
wasyro
0
230
SSII2025 [TS1] 光学・物理原理に基づく深層画像生成
ssii
PRO
4
4.2k
生成的推薦の人気バイアスの分析:暗記の観点から / JSAI2025
upura
0
250
SatCLIP: Global, General-Purpose Location Embeddings with Satellite Imagery
satai
3
260
MIRU2025 チュートリアル講演「ロボット基盤モデルの最前線」
haraduka
15
7.4k
Creation and environmental applications of 15-year daily inundation and vegetation maps for Siberia by integrating satellite and meteorological datasets
satai
3
220
数理最適化と機械学習の融合
mickey_kubo
16
9.2k
AI エージェントを活用した研究再現性の自動定量評価 / scisci2025
upura
1
140
AIグラフィックデザインの進化:断片から統合(One Piece)へ / From Fragment to One Piece: A Survey on AI-Driven Graphic Design
shunk031
0
350
論文紹介:Not All Tokens Are What You Need for Pretraining
kosuken
0
130
SSII2025 [TS2] リモートセンシング画像処理の最前線
ssii
PRO
7
3k
Featured
See All Featured
Designing for Performance
lara
610
69k
Fireside Chat
paigeccino
39
3.6k
Testing 201, or: Great Expectations
jmmastey
45
7.6k
The World Runs on Bad Software
bkeepers
PRO
70
11k
Reflections from 52 weeks, 52 projects
jeffersonlam
351
21k
YesSQL, Process and Tooling at Scale
rocio
173
14k
10 Git Anti Patterns You Should be Aware of
lemiorhan
PRO
656
61k
Automating Front-end Workflow
addyosmani
1370
200k
Design and Strategy: How to Deal with People Who Don’t "Get" Design
morganepeng
131
19k
We Have a Design System, Now What?
morganepeng
53
7.8k
Chrome DevTools: State of the Union 2024 - Debugging React & Beyond
addyosmani
7
830
Navigating Team Friction
lara
189
15k
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