ip67_MFDRL_evacuation

第67回土木計画学研究発表会・春大会での発表資料です。「MFD-RL配分モデルを用いた豪雨災害における垂直・水平避難の予測制御」

Transcript

1. 東京⼤学 ⼯学系研究科 社会基盤学専攻 増⽥ 慧樹・⽻藤 英⼆ MFD-RL配分モデルを⽤いた 豪⾬災害における垂直・⽔平避難の予測制御 第67回⼟⽊計画学研究発表会・春⼤会@福岡⼤学 2023年6⽉3⽇ (⼟)
2. • 膨⼤な避難需要．浸⽔深と浸⽔期間が⼤ → ⽔平避難 と 垂直避難 のトレードオフ 避難需要の時間的・空間的分散 出発時刻選択・⽬的地選択問題を避難において扱う ⽔平広域避難のみの場合 ⾼リスク 低リスク 川 背景：都市部 豪⾬災害の垂直避難と⽔平避難 2 ⽔平避難場所 渋滞 容量不⾜ 浸⽔域での ⻑期孤⽴リスク 垂直避難のみの場合 時間的な分散 空間的な分散 ⽔平と垂直を組み合わせる場合
3. 避難を出発時刻選択問題と⾒る（井料ら, 2005） SOの需要分散政策：全ての利⽤者のボトルネック流⼊時刻を，UE状態における ボトルネック流出時刻に⼀致させる 3 累積台数 時刻 UE状態での流⼊曲線 UE状態での流出曲線 ある利⽤者 遅れ時間(流出時刻-流⼊時刻) UEでは利⽤者のスケジュールコスト（希望到着時刻との差）の総和が最⼩ = ボトルネックからの流出時刻は最適化されている 課題：複数ボトルネックの相互作⽤・混雑伝播の解析 O D 1OD, 1ボトルネック → 0にする
4. 避難を制御問題と⾒る (Daganzo&So, 2011) ⾼速道路上のランプでの流⼊制御 → 避難者数・避難時間を最適にする制御 4 被災地 避難先 避難⼈⼝ リンク容量 ! 𝑐! : 下流のボトルネック容量 → 下流側のボトルネック容量と上流からの流⼊量との差分だけ流⼊させる → 上流（被災地）優先．⾼速道路上に待ち⾏列を作らない． 流⼊量 課題：複数OD（多⽅向避難）への拡張． 需要過多の場合混雑レベルが悪化． 𝑟! (𝑡) 𝑞!"# (𝑡)
5. 本研究の⽬的 → 域内垂直避難や出発時刻変更による需要制御の必要性 → 制御対象の複雑さの増⼤ → 避難者の出発時刻・⽬的地選択⾏動とその結果の交通現象の モデルによる予測とそれに基づく予測制御のアプローチ 5 課題：複数OD（多⽅向避難）への拡張． 需要過多の場合混雑レベルが悪化． 1. 災害時の意思決定を正確に記述する垂直/⽔平避難の予測モデル 2. 多⽅向・複数ボトルネック交通の⾼速な予測のための配分モデル
6. 既往研究：避難交通の予測1 避難⾏動モデル 静学的な意思決定を仮定した避難開始時刻選択モデル sequential logit model (Fu and Wilmot, 2004) → 意思決定の1. 動学化と2. 統合的な記述へ発展 6 2. 統合的な記述 飯塚ら(2020), Wong et al. (2020) • 避難開始時刻，⽬的地，経路，交通⼿段等の多次元の意思決定の 相関を考慮したモデリング • Portfolio choice model (Wong et al., 2020) • 時空間ネットワーク上の経路選択 (飯塚ら, 2020) 1. 動学化 浦⽥ら (2016), Rambha et al. (2021) • 将来効⽤を考慮した再帰的な意思決定を仮定 • 静的モデルに⽐べ，時空間的な需要の偏在の予測に有利 Anyideho et al. (2022)
7. 既往研究：避難交通の予測2 配分モデル • リンクベースの交通配分モデルが開発されてきた e.g., NETVAC, MASSVAC, REMS, RouteSim, OREMS × ⼤規模ネットワークでの⾼速な計算 × シミュレーションによる最適化計算 7 = Macroscopic Fundamental Diagramを⽤いて 混雑表現をゾーン単位に縮約 ◦ 計算性 • 災害時の⾮定常な交通に適⽤した研究はない Yildirimoglu et al. (2014) Yildirimoglu et al. (2014), Knoop et al. (2015), Kim et al. (2018) • ゾーンベースの配分モデル
8. 既往研究のまとめと本研究の⽬的 → 避難者の出発時刻・⽬的地選択⾏動とその結果の交通現象の モデルによる予測とそれに基づく予測制御のアプローチ 8 課題：複数OD（多⽅向避難）への拡張． 需要過多の場合混雑レベルが悪化． 1. 災害時の意思決定を正確に記述する垂直/⽔平避難の予測モデル 2. 多⽅向・複数ボトルネックNWの⾼速な予測のための配分モデル → 再帰構造を持つ複数⽇・⽬的地の出発時刻・⽬的地選択モデル → Macroscopic Fundamental Diagramによるゾーンベース配分 （既往）静学モデル → 意思決定の1. 動学化と2. 統合的な記述へ発展 （既往）リンクベース配分モデル → ゾーンベース配分モデルによる⾼速化
9. 垂直・⽔平避難の予測制御モデル 9 𝑠. 𝑡. 𝒙 𝑡 = & 𝒙(𝑡) 𝒙 𝑡 + 𝑘 + 1 = 𝑓 𝒙 𝑡 + 𝑘 , 𝒖 𝑡 + 𝑘 MFD-RL配分モデルによる将来予測 交通混雑の予測 argmin 𝒖 [𝑧" , 𝑧# ]T 多⽬的最適化 被害と混雑のバランスを考慮しながら，最適な⽔平避難補助⾦額𝑢!$ を決定 𝒛𝟏 : 被災リスク最⼩化 𝒛𝟐 : 渋滞（待ちステップ）最⼩化 避難者の⾏動予測 動的避難開始時刻・⽬的地選択モデル ? ゾーン ⽬的1 ⽬的2 制御変数：各時刻・ゾーンの⽔平避難補助⾦額𝑢!$ ⽔平避難補助⾦ = (浸⽔域⼈⼝)*(浸⽔深)*(浸⽔時間)
10. 避難者の⾏動予測：動的避難開始時刻・⽬的地選択モデル 10 効⽤関数： 𝑢 𝑠$%" 𝑠$ = 𝑣 𝑠$%" 𝑠$ ; 𝜽 + max Ε > &'$ ( 𝛽&)$𝑢 𝑠&%" 𝑠& 将来の効⽤ 時空間ネットワーク上の経路選択⾏動として記述 • 動学的な意思決定を仮定した経路選択モデル (Discounted Recursive Logit model)の適⽤ • 避難開始時刻と⽬的地選択の統合的なモデリング
11. モデルのパラメータ推定 データ：東京都江東区での，巨⼤台⾵による河川氾濫を想定した 避難⾏動SP調査 調査対象 調査時点で江東区に居住している430名 調査⽅法 Webによるアンケート調査 調査期間 1. 2022年3⽉2⽇〜4⽇ 2. 2023年1⽉5⽇〜13⽇ 回答票数 調査期間1 247名（回答率92.5%） 調査期間2 110名（回答率67.5%） 11
12. モデルのパラメータ推定 12 浸⽔深の⼤きい場所 の効⽤が⼩さい ⾃宅の効⽤は⼤きいが， 浸⽔域低層階の住⼈は 相対的に⼩さい 主観氾濫確率の⾼まり により避難効⽤上昇 ⾃宅近くの避難場所 が選ばれる傾向 ⽔平避難促進の⽅が 多くの補助⾦が必要
13. 垂直・⽔平避難の予測制御モデル 13 𝑠. 𝑡. 𝒙 𝑡 = & 𝒙(𝑡) 𝒙 𝑡 + 𝑘 + 1 = 𝑓 𝒙 𝑡 + 𝑘 , 𝒖 𝑡 + 𝑘 MFD-RL配分モデルによる将来予測 交通混雑の予測 argmin 𝒖 [𝑧" , 𝑧# ]T 多⽬的最適化 被害と混雑のバランスを考慮しながら，最適な⽔平避難補助⾦額𝑢!$ を決定 𝒛𝟏 : 被災リスク最⼩化 𝒛𝟐 : 渋滞（待ちステップ）最⼩化 避難者の⾏動予測 動的避難開始時刻・⽬的地選択モデル ゾーン ⽬的1 ⽬的2 ゾーンベースの配分モデルによる⾼速化 ゾーン ？ 制御変数：各時刻・ゾーンの⽔平避難補助⾦額𝑢!$ ⽔平避難補助⾦ = (浸⽔域⼈⼝)*(浸⽔深)*(浸⽔時間)
14. MFD-RL配分モデルの⼿順 (1/6) 14 1) 避難⾏動モデルにより出発時刻と⽬的地を決定 ゾーンA ゾーンB
15. MFD-RL配分モデルの⼿順 (2/6) 15 1) 避難⾏動モデルにより出発時刻と⽬的地を決定 2) ゾーンA内の⾞両台数からゾーンAからの流出交通量を計算 ゾーンA ゾーンB ゾーン内の⾞両台数が多く混雑している 場合，ゾーンから流出できる台数が制限 される → 流出ゾーン内の混雑の考慮 ？ ⾞両台数 流出量 可能流⼊交通量
16. MFD-RL配分モデルの⼿順 (3/6) 16 3) ゾーンAB間の最⼤リンク容量を計算 ゾーンA ゾーンB ゾーン間のリンク容量が⼩さければ ゾーンから流出できる台数は制限される → 橋などのボトルネックの考慮 1) 避難⾏動モデルにより出発時刻と⽬的地を決定 2) ゾーンA内の⾞両台数からゾーンAからの流出交通量を計算 流出量 境界リンク容量 ⾞両台数 ？ 可能流⼊交通量
17. MFD-RL配分モデルの⼿順 (4/6) 17 3) ゾーンAB間の最⼤リンク容量を計算 1) 避難⾏動モデルにより出発時刻と⽬的地を決定 2) ゾーンA内の⾞両台数からゾーンAからの流出交通量を計算 流出量 境界リンク容量 ⾞両台数 4) ゾーンB内の⾞両台数からゾーンBへの可能流⼊交通量を計算 ゾーンA ゾーンB ゾーン内の⾞両台数が多く混雑して いる場合，ゾーンへ流⼊できる台数 が制限される → 流⼊ゾーン内の混雑の考慮 ？ 可能流⼊交通量
18. MFD-RL配分モデルの⼿順 (5/6) 18 3) ゾーンAB間の最⼤リンク容量を計算 1) 避難⾏動モデルにより出発時刻と⽬的地を決定 2) ゾーンA内の⾞両台数からゾーンAからの流出交通量を計算 流出量 境界リンク容量 ⾞両台数 4) ゾーンB内の⾞両台数からゾーンBへの可能流⼊交通量を計算 5) 2)MFDによる流出台数 3)境界リンクの容量 4)MFDによる可能流⼊台数 のうち，最⼩のものがゾーン間交通量 可能流⼊交通量
19. MFD-RL配分モデルの⼿順 (6/6) 19 3) ゾーンAB間の最⼤リンク容量を計算 1) 避難⾏動モデルにより出発時刻と⽬的地を決定 2) ゾーンA内の⾞両台数からゾーンAからの流出交通量を計算 流出量 境界リンク容量 ⾞両台数 4) ゾーンB内の⾞両台数からゾーンBへの可能流⼊交通量を計算 5) 2)MFDによる流出台数 3)境界リンクの容量 4)MFDによる可能流⼊台数 のうち，最⼩のものがゾーン間交通量 6) 決定したゾーン間交通量をゾーン間移動の交通容量とみなし，point queueモデルにより各agentを移動させる 可能流⼊交通量
20. MFD-RL配分モデルによる計算⾼速化 20 • 江東区を2km四⽅メッシュに分割し，ゾーン間の交通流動を記述→⾼速計算 ゾーン内⾞両台数 流出交通量 ゾーンで集計 交通流マイクロシミュレーション MFD-RL配分モデル 6 秒 ※ 2604エージェントに対する江東区の避難計算 150秒 • Macroscopic Fundamental Diagram (MFD)を⽤いた集計的な混雑表現 実時間の⾼速な予測制御を可能に
21. 垂直・⽔平避難の予測制御モデル 21 𝑠. 𝑡. 𝒙 𝑡 = & 𝒙(𝑡) 𝒙 𝑡 + 𝑘 + 1 = 𝑓 𝒙 𝑡 + 𝑘 , 𝒖 𝑡 + 𝑘 MFD-RL配分モデルによる将来予測 交通混雑の予測 argmin 𝒖 [𝑧" , 𝑧# ]T 多⽬的最適化 被害と混雑のバランスを考慮しながら，最適な⽔平避難補助⾦額𝑢!$ を決定 避難者の⾏動予測 動的避難開始時刻・⽬的地選択モデル ⽔平避難補助⾦ ゾーン ⽬的1 ⽬的2 ゾーンベースの配分モデルによる⾼速化 ゾーン 𝒛𝟏 : 被災リスク最⼩化 𝒛𝟐 : 渋滞（待ちステップ）最⼩化 制御変数：各時刻・ゾーンの⽔平避難補助⾦額𝑢!$ = (浸⽔域⼈⼝)*(浸⽔深)*(浸⽔時間)
22. 対象地：東京都江東区 22 • 荒川の氾濫による⼤規模⽔害の懸念 1km N 1 2 3 4 5 6 7 8 9 南部地域の被害が⽐較的⼩さい
23. 2019年台⾵19号での広域避難の課題 • 埼⽟県加須市 23 渋滞の発⽣・懸念により ⽔平広域避難が失敗 https://www.nikkei.com/article/DGXMZO64877960S0A011C2CC1000/ https://www.tokyo-np.co.jp/article/1896 • 東京都江⼾川区 2019.10.13
24. 予測制御の結果：⽔平避難促進のトレードオフ 24 • 以上の配分計算を繰り返し⽤いてパレート解を得る 探索戦略：粒⼦群最適化（近傍構造の仮定を必要としない） 総被災リスク ⼀⻫⽔平避難は混雑レベル⾼ = (浸⽔域⼈⼝)*(浸⽔深)*(浸⽔時間) [10*] 総待ちステップ =混雑 [10+] 全地域・全時刻に⽔平避難補助⾦5000円 ⽐較：⼀⻫⽔平避難 混雑
25. 予測制御の結果：⽔平避難促進のトレードオフ 25 • 以上の配分計算を繰り返し⽤いてパレート解を得る 探索戦略：粒⼦群最適化 総被災リスク Myopic制御は局所的・現在の状況のみ 参照するため効率が悪い解 = (浸⽔域⼈⼝)*(浸⽔深)*(浸⽔時間) [10*] 総待ちステップ =混雑 [10+] 𝑢!" = # 𝑢#$% 0 if ゾーン𝑖が⾮混雑 if ゾーン𝑖が混雑 ⽐較：Myopic制御 悪化 悪化 局所的・現在の情報のみ利⽤
26. 予測制御の結果：ピーク時間の混雑緩和 • ⼀⻫避難，Myopic制御，予測制御の混雑（総待ちステップ数）⽐較 26 ⼀⻫避難の 待ちステップ 予測制御の 待ちステップ Myopic制御の 待ちステップ ピーク時刻の混雑は，⼀⻫避難>Myopic制御>予測制御 総待ちステップ 時間
27. 既往研究：ボトルネックの流⼊と流出 井料 (2005)の知⾒：ボトルネック流⼊時刻を流出時刻に⼀致→SO達成 27 SOの需要分散政策：全ての利⽤者のボトルネック流⼊時刻を，UE状態における ボトルネック流出時刻に⼀致させる 累積台数 時刻 UE状態での流⼊曲線 UE状態での流出曲線 ある利⽤者 遅れ時間(流出時刻-流⼊時刻) O D 1OD, 1ボトルネック → 0にする （再掲）
28. 既往研究：ボトルネックの流⼊と流出 • MFDの各ゾーンにおいて流⼊と流出の関係を考える 28 ゾーンA • 流⼊＞流出の場合，ゾーン内⾞両密度が増加し，流出量・可能流⼊量 が低下 → 予測制御において，流⼊量と流出量のバランスが取られたか 流出量・可能流⼊量 ⾞両台数
29. 各ゾーンの流出量と流⼊量の差 29 予測制御 Myopic 制御 リスク⼤のゾーン4,5において，流出量と流⼊量の差異が ⼩さくなっている → 流出⼊のバランスが改善された 流⼊ ‒ 流出 時間
30. 既往研究：上流と下流の関係 Daganzo & So (2011)の知⾒： 上流（被災地）優先 30 被災地 避難先 避難⼈⼝ リンク容量 !! ": 下流のボトルネック容量 → 下流側のボトルネック容量と上流からの流⼊量との差分だけ流⼊させる → 上流（被災地）優先．⾼速道路上に待ち⾏列を作らない． 流⼊量 !! (#) %!"# (#) （再掲）
31. 各ゾーンの避難出発時刻分布 31 予測制御 Myopic 制御 予測制御で上流の時間的な優先は⾒られない 上流の避難需要が増加 下流の避難需要が低下 上流のために下流の道路容量を空ける = 空間的優先 避難者数 時間
32. 制御の内容：避難需要を垂直⽅向に分散 • Myopic制御と予測制御の⽔平/垂直避難のバランスを確認 32 台⾵上陸までの時間 [時間前] (⽔平避難者数) ー (垂直避難者数) ピーク時刻前に垂直避難が卓越 → 垂直⽅向に需要が分散され混雑緩和 予測制御 Myopic制御
33. 制御の内容：避難需要を垂直⽅向に分散 • 予測制御の制御変数（⽔平補助⾦額） 33 予測制御の 制御変数 ピーク時刻前に⽔平避難 補助⾦が0 → 垂直避難促進 補助⾦額 時間
34. 結論 • 豪⾬災害における垂直・⽔平避難の予測制御モデルを提案 → 出発時刻・⽬的地選択の災害制御を実ネットワークへ拡張 • Recursive Logitモデルに基づく，動的な避難出発時刻・⽬的地選択モデル → 避難⾏動の予測 • MFDによるゾーンベースの配分モデル → ⼤幅な⾼速化 • ⼤規模・予測なしの⽔平避難 = 混雑悪化 → 現在の局所的な情報のみ⽤いる制御 = まだ⾮効率 → 予測制御により，上流・下流と⽔平・垂直の需要を分散させ， 混雑を抑制することが可能 34 今後の課題 • 避難施設容量の空間分布によって最適制御の解の性質は⼤きく異なる → 施設配置問題と制御を同時に考える必要 • ⼟地利⽤と避難⾏動の相互作⽤の推定