| 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 | 2024-03-03 17:00 マルチエージェント強化学習を用いた門司港花火大会における人流誘導の検討 ○宮﨑和也・木山真人・尼崎太樹・岡本利章（熊本大）  IBISML2023-45 |
|
| 抄録 | （和） | イベントなどにおける事故を受け，人流誘導の重要性が増している．近年，シミュレーションに強化学習を適用する研究がある．強化学習エージェントはシミュレータから現在の状態を受け取り，失敗と成功を繰り返しながら報酬が最大となるような行動を学習する．本研究では，マルチエージェント強化学習の手法であるMA-DDPG(Multi-Agent Deep deterministic policy gradient)を人流誘導に適用する．さらにMA-DDPGにおけるactorに対し行動価値関数を学習させる手法を提案する．そして，門司港花火大会のデータセットにおける混雑解消を行う．評価において，先行研究モデルと提案モデルの混雑度を比較した．各手法の比較を行なった結果，提案手法は既存手法と比べ混雑度の緩和に成功し，提案手法は他手法と比べエージェント同士が協力しながら混雑緩和を行っていることがわかった． |
| （英） | The importance of human flow guidance is increasing in response to accidents at events. In recent years, some research has applied reinforcement learning to simulation. Reinforcement learning agents receive the current state from the simulator and learn behaviours that maximise rewards through repeated failures and successes. In this study, we apply MA-DDPG, a method of multi-agent reinforcement learning, and propose a method of learning an action value function for an actor in MA-DDPG. Then, we perform congestion reduction on the Mojiko Fireworks Festival dataset. In the evaluation, the congestion of the previous research model and the proposed model are compared.Comparison of the methods shows that the proposed method succeeds in reducing congestion compared to the existing methods. The proposed method was found to be more successful than the other methods in reducing congestion through cooperation between agents. | |
| キーワード | （和） | 人流シミュレーション / 人流誘導 / マルチエージェント強化学習 / 深層学習 / / / / |
| （英） | Pedestrian Simulation / Pedestrian Guidance / Multi-Agent Reinforcement Learning / Deep Learning / / / / | |
| 文献情報 | 信学技報, vol. 123, no. 410, IBISML2023-45, pp. 36-43, 2024年3月. | |
| 資料番号 | IBISML2023-45 | |
| 発行日 | 2024-02-25 (IBISML) | |
| 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 | IBISML2023-45 |
|
| 研究会情報 | |
| 研究会 | PRMU IBISML IPSJ-CVIM |
| 開催期間 | 2024-03-03 - 2024-03-04 |
| 開催地（和） | 広島大学 東広島キャンパス |
| 開催地（英） | Hiroshima Univ. Higashi-Hiroshima campus |
| テーマ（和） | 雑多なデータセットの有効活用 (PRMU/IPSJ-CVIM)、機械学習の理論と応用の広がり (IBISML) |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2024-03-PRMU-IBISML-CVIM |
| 本文の言語 | 日本語 |
| タイトル（和） | マルチエージェント強化学習を用いた門司港花火大会における人流誘導の検討 |
| サブタイトル（和） | |
| タイトル（英） | Multi-agent reinforcement learning based control method for large-scale crowd movement on Mojiko Fireworks Festival dataset |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 人流シミュレーション / Pedestrian Simulation |
| キーワード(2)（和/英） | 人流誘導 / Pedestrian Guidance |
| キーワード(3)（和/英） | マルチエージェント強化学習 / Multi-Agent Reinforcement Learning |
| キーワード(4)（和/英） | 深層学習 / Deep Learning |
| 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） | 宮﨑 和也 / Kazuya Miyazaki / ミヤザキ カズヤ |
| 第1著者 所属（和/英） | 熊本大学 (略称： 熊本大) Kumamoto University (略称： Kumamoto Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 木山 真人 / Masato Kiyama / キヤマ マサト |
| 第2著者 所属（和/英） | 熊本大学 (略称： 熊本大) Kumamoto University (略称： Kumamoto Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 尼崎 太樹 / Motoki Amagasaki / アマガサキ モトキ |
| 第3著者 所属（和/英） | 熊本大学 (略称： 熊本大) Kumamoto University (略称： Kumamoto Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 岡本 利章 / Toshiaki Okamoto / オカモト トシアキ |
| 第4著者 所属（和/英） | 熊本大学 (略称： 熊本大) Kumamoto University (略称： Kumamoto Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-03-03 17:00:00 |
| 発表時間 | 15分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2023-45 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | no.410 |
| ページ範囲 | pp.36-43 |
| ページ数 | 8 |
| 発行日 | 2024-02-25 (IBISML) |
[研究会発表申込システムのトップページに戻る]