Fugu-MT 論文翻訳(概要): Bayesian Calibration for Activity Based Models

論文の概要: Bayesian Calibration for Activity Based Models

arxiv url: http://arxiv.org/abs/2203.04414v1
Date: Tue, 8 Mar 2022 21:38:07 GMT
ステータス: 処理完了
システム内更新日: 2022-03-11 06:39:19.707954
Title: Bayesian Calibration for Activity Based Models
Title（参考訳）: 活動に基づくモデルのベイズ校正
Authors: Laura Schultz and Joshua Auld and Vadim Sokolov
Abstract要約: ABMは、大都市圏の旅行パターンを予測するために、旅行者の行動の統計モデルに依存している。本研究では,ガウスプロセスエミュレータを用いて,大都市移植システムの活動ベースモデルを校正する手法を開発した。
参考スコア（独自算出の注目度）: 1.7403133838762443
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: We consider the problem of calibration and uncertainty analysis for activity-based transportation simulators. ABMs rely on statistical models of traveler's behavior to predict travel patterns in a metropolitan area. Input parameters are typically estimated from traveler's surveys using maximum likelihood. We develop an approach that uses Gaussian process emulator to calibrate an activity-based model of a metropolitan transplantation system. Our approach extends traditional emulators to handle high-dimensional and non-stationary nature of the transportation simulator. Our methodology is applied to transportation simulator of Bloomington, Illinois. We calibrate key parameters of the model and compare to the ad-hoc calibration process.
Abstract（参考訳）: 交通シミュレータにおけるキャリブレーションと不確実性解析の問題点について考察する。 ABMは、大都市圏の旅行パターンを予測するために、旅行者の行動の統計モデルに依存する。入力パラメータは通常、旅行者の調査から最大値を用いて推定される。本研究では,ガウスプロセスエミュレータを用いた大都市移植システムの活動ベースモデルを校正する手法を開発した。本手法は従来のエミュレータを拡張して,輸送シミュレータの高次元および非定常特性を扱う。本手法はイリノイ州ブルーミントンの交通シミュレータに適用する。モデルのキーパラメータをキャリブレーションし、アドホックキャリブレーションプロセスと比較する。

関連論文リスト

Bayesian Adaptive Calibration and Optimal Design [16.821341360894706]
現在の機械学習アプローチは、主に観測データで利用可能な固定された設計セットに対する再実行シミュレーションに依存している。本稿では,バッチシーケンスプロセス内で最大情報化シミュレーションを実行するためのデータ効率アルゴリズムを提案する。合成問題と実データ問題にまたがる関連手法と比較して,本手法の利点を示す。
論文参考訳（メタデータ） (2024-05-23T11:14:35Z)
Waymax: An Accelerated, Data-Driven Simulator for Large-Scale Autonomous Driving Research [76.93956925360638]
Waymaxは、マルチエージェントシーンにおける自動運転のための新しいデータ駆動シミュレータである。 TPU/GPUなどのハードウェアアクセラレータで完全に動作し、トレーニング用のグラフ内シミュレーションをサポートする。我々は、一般的な模倣と強化学習アルゴリズムのスイートをベンチマークし、異なる設計決定に関するアブレーション研究を行った。
論文参考訳（メタデータ） (2023-10-12T20:49:15Z)
A Bayesian Programming Approach to Car-following Model Calibration and Validation using Limited Data [0.0]
ワークゾーン(WZ)は、これまでのモデルが現実的な運転行動を再現していないシナリオのひとつです。これにより、WZを設計する際の安全性やその他のメトリクスの最適化が困難になる。データ分析とパラメータ推定にベイジアン法を使用し、可能であればこれらの問題に対処します。
論文参考訳（メタデータ） (2023-07-19T20:01:38Z)
TrafficBots: Towards World Models for Autonomous Driving Simulation and Motion Prediction [149.5716746789134]
我々は,データ駆動型交通シミュレーションを世界モデルとして定式化できることを示した。動作予測とエンドツーエンドの運転に基づくマルチエージェントポリシーであるTrafficBotsを紹介する。オープンモーションデータセットの実験は、TrafficBotsが現実的なマルチエージェント動作をシミュレートできることを示している。
論文参考訳（メタデータ） (2023-03-07T18:28:41Z)
A Bayesian Optimization approach for calibrating large-scale activity-based transport models [2.6931502677545947]
複雑なアプリケーションに対処する能力により、輸送におけるエージェントベースおよびアクティビティベースモデリングが増加している。本稿では,改良されたランダムフォレストの形で代理モデルを組み込んだベイズ最適化手法を提案する。提案手法はエストニアのタリン市のケーススタディにおいて, 477の行動パラメータからなるキャリブレーションモデルを用いて検証した。
論文参考訳（メタデータ） (2023-02-07T14:09:41Z)
Fast emulation of density functional theory simulations using approximate Gaussian processes [0.6445605125467573]
シミュレーション出力を予測する第2の統計モデルは、モデルフィッティング中の完全なシミュレーションの代わりに使用できる。我々は,観測データを用いた密度汎関数理論(DFT)モデルパラメータのキャリブレーションにエミュレータを用いた。これらのDFTモデルの有用性は、観測されたデータに基づいて、実験的に観測されていない核種の性質に関する予測を行うことである。
論文参考訳（メタデータ） (2022-08-24T05:09:36Z)
Parallel Bayesian Optimization of Agent-based Transportation Simulation [0.4129225533930965]
MATSimは、道路交通、公共交通、貨物輸送、地域避難など様々な分野に適用される、オープンソースの大規模エージェントベースの交通計画プロジェクトである。 BEAMシミュレーションのエージェントは、マルチノードロジットモデルに基づく「モード選択」の振る舞いを示す。そこで本研究では,自転車,車,歩行,車いす,車いす,車いす,車いす,車いす,車いす,車いす,車いす,車いす,車いすの8つのモードの選択について検討した。与えられたマルチイン・マルチアウト問題に対する高速収束を実現するために,早期停止規則付き並列ベイズ最適化法を提案する。
論文参考訳（メタデータ） (2022-07-11T17:49:29Z)
DiSECt: A Differentiable Simulator for Parameter Inference and Control in Robotic Cutting [71.50844437057555]
軟質材料を切断するための最初の微分可能シミュレータであるDiSECtについて述べる。シミュレータは、符号付き距離場に基づく連続接触モデルにより有限要素法を増強する。このシミュレータは, 最先端の商用解法を用いて, 結果の力やフィールドに適合するようにキャリブレーションできることを示す。
論文参考訳（メタデータ） (2022-03-19T07:27:19Z)
Auto-Tuned Sim-to-Real Transfer [143.44593793640814]
シミュレーションで訓練されたポリシーは、しばしば現実世界に移されるときに失敗する。ドメインのランダム化のようなこの問題に取り組む現在のアプローチには、事前の知識とエンジニアリングが必要である。実世界に合わせてシミュレータシステムパラメータを自動的にチューニングする手法を提案する。
論文参考訳（メタデータ） (2021-04-15T17:59:55Z)
A User's Guide to Calibrating Robotics Simulators [54.85241102329546]
本稿では,シミュレーションで学習したモデルやポリシーを現実世界に伝達することを目的とした,様々なアルゴリズムの研究のためのベンチマークとフレームワークを提案する。我々は、様々なアルゴリズムの性能に関する洞察を特徴付け、提供するために、広く知られたシミュレーション環境の実験を行う。我々の分析は、この分野の実践者にとって有用であり、sim-to-realアルゴリズムの動作と主特性について、より深い選択をすることができる。
論文参考訳（メタデータ） (2020-11-17T22:24:26Z)
Testing the Safety of Self-driving Vehicles by Simulating Perception and Prediction [88.0416857308144]
センサシミュレーションは高価であり,領域ギャップが大きいため,センサシミュレーションに代わる方法を提案する。我々は、自動運転車の知覚と予測システムの出力を直接シミュレートし、現実的な動き計画テストを可能にする。
論文参考訳（メタデータ） (2020-08-13T17:20:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。