| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2020-03-06 11:20 強化学習に着想を得た人の移動モデルの検討 ○岩井佑太郎・藤原明広（千葉工大）  IN2019-118 |
|
| 抄録 | （和） | 強化学習とは，エージェントが行動した結果として環境からの報酬 を繰り返し観測し，報酬の期待が高い行動を選択する機械学習の 枠組みである． 一方，人の移動パターンの統計的性質を満たす移動モデルが検討さ れてきた．しかし，強化学習に基づいた人の移動モデルの生成法に ついては十分に検討されていない． 本研究では，サンフランシスコにおけるタクシーの移動データを 利用することで，客の乗車位置分布と運賃やガソリン代の報酬を 与えることで行動選択を学習した移動モデルを生成する方法を提案 する． 強化学習のアルゴリズムとして$epsilon$-greedy法を用いた． 探索パラメータ$epsilon$を変化させることで学習の度合いを比較 した．その結果，タクシーの移動に暗黙の探索が含まれている ことより，$epsilon=0$の時が最も累積報酬が高いことが分かった． 強化学習を用いた移動モデル生成法の一般化についても考察する． |
| （英） | Reinforcement learning is a machine learning framework that an agent repeatedly observes reward from environment as a result of action to choose actions with high reward expectations. On the other hand, mobility models that satisfy the statistical properties of human mobility patterns have been proposed. However, a method of generating a mobility model based on reinforcement learning has not been sufficiently studied. In this paper, a dataset containing mobility traces of taxi cabs in San Francisco is used to propose a method of generating a mobility model that learns action selection by giving rewards, such as fare and gasoline charge, and also the distribution of passengers' positions. The $epsilon$-greedy method was used as the reinforcement learning algorithm. The degree of learning was compared by changing the search parameter $epsilon$. As a result, it was found that the cumulative reward was highest when $epsilon=0$ because the taxi movement included an implicit search. The generalization of the mobility model generation method using reinforcement algorithm was also considered. |
|
| キーワード | （和） | 人の移動モデル / 強化学習 / データ同化 / / / / / |
| （英） | Human mobility models / Reinforcement learning / Data assimilation / / / / / | |
| 文献情報 | 信学技報, vol. 119, no. 461, IN2019-118, pp. 237-242, 2020年3月. | |
| 資料番号 | IN2019-118 | |
| 発行日 | 2020-02-27 (IN) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | IN2019-118 |
|
| 研究会情報 | |
| 研究会 | NS IN |
| 開催期間 | 2020-03-05 - 2020-03-06 |
| 開催地（和） | Royal Hotel 沖縄残波岬 |
| 開催地（英） | Royal Hotel Okinawa Zanpa-Misaki |
| テーマ（和） | 一般 |
| テーマ（英） | General |
| 講演論文情報の詳細 | |
| 申込み研究会 | IN |
| 会議コード | 2020-03-NS-IN |
| 本文の言語 | 日本語 |
| タイトル（和） | 強化学習に着想を得た人の移動モデルの検討 |
| サブタイトル（和） | |
| タイトル（英） | Considering a human mobility model inspired by reinforcement learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 人の移動モデル / Human mobility models |
| キーワード(2)（和/英） | 強化学習 / Reinforcement learning |
| キーワード(3)（和/英） | データ同化 / Data assimilation |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 岩井 佑太郎 / Yuutaro Iwai / イワイ ユウタロウ |
| 第1著者 所属（和/英） | 千葉工業大学 (略称： 千葉工大) Chiba Institute of Technology (略称： CIT) |
| 第2著者 氏名（和/英/ヨミ） | 藤原 明広 / Akihiro Fujihara / フジハラ アキヒロ |
| 第2著者 所属（和/英） | 千葉工業大学 (略称： 千葉工大) Chiba Institute of Technology (略称： CIT) |
| 講演者 | 第1著者 |
| 発表日時 | 2020-03-06 11:20:00 |
| 発表時間 | 20分 |
| 申込先研究会 | IN |
| 資料番号 | IN2019-118 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | no.461 |
| ページ範囲 | pp.237-242 |
| ページ数 | 6 |
| 発行日 | 2020-02-27 (IN) |
[研究会発表申込システムのトップページに戻る]