Fugu-MT 論文翻訳(概要): A Bayesian Optimization approach for calibrating large-scale activity-based transport models

論文の概要: A Bayesian Optimization approach for calibrating large-scale activity-based transport models

arxiv url: http://arxiv.org/abs/2302.03480v1
Date: Tue, 7 Feb 2023 14:09:41 GMT
ステータス: 処理完了
システム内更新日: 2023-02-08 16:13:54.744403
Title: A Bayesian Optimization approach for calibrating large-scale activity-based transport models
Title（参考訳）: 大規模活動ベース輸送モデルの校正のためのベイズ最適化手法
Authors: Serio Agriesti, Vladimir Kuzmanovski, Jaakko Hollm\'en, Claudio Roncoli and Bat-hen Nahmias-Biran
Abstract要約: 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。
参考スコア（独自算出の注目度）: 2.6931502677545947
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The use of Agent-Based and Activity-Based modeling in transportation is rising due to the capability of addressing complex applications such as disruptive trends (e.g., remote working and automation) or the design and assessment of disaggregated management strategies. Still, the broad adoption of large-scale disaggregate models is not materializing due to the inherently high complexity and computational needs. Activity-based models focused on behavioral theory, for example, may involve hundreds of parameters that need to be calibrated to match the detailed socio-economical characteristics of the population for any case study. This paper tackles this issue by proposing a novel Bayesian Optimization approach incorporating a surrogate model in the form of an improved Random Forest, designed to automate the calibration process of the behavioral parameters. The proposed method is tested on a case study for the city of Tallinn, Estonia, where the model to be calibrated consists of 477 behavioral parameters, using the SimMobility MT software. Satisfactory performance is achieved in the major indicators defined for the calibration process: the error for the overall number of trips is equal to 4% and the average error in the OD matrix is 15.92 vehicles per day.
Abstract（参考訳）: 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の利用は、破壊的傾向(リモートワークや自動化など)や分散管理戦略の設計や評価など、複雑なアプリケーションに対処する能力によって増加しつつある。それでも、大規模非凝集モデルの普及は、本質的に高い複雑さと計算上のニーズのために実現されていない。例えば行動理論に焦点をあてた活動ベースモデルは、あらゆるケーススタディにおいて、人口の詳細な社会経済的特性と一致するように調整する必要がある数百のパラメータを含む可能性がある。本稿では,行動パラメータのキャリブレーションプロセスを自動化するために,改良されたランダムフォレスト(Random Forest)の形で代理モデルを組み込んだ新しい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,SimMobility MTソフトウェアを用いて,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。キャリブレーションプロセスで定義された主要な指標では、旅行の総数に対する誤差は4%、OD行列の平均誤差は1日15.92台である。

関連論文リスト

MAP: Low-compute Model Merging with Amortized Pareto Fronts via Quadratic Approximation [80.47072100963017]
Amortized Pareto Front (MAP) を用いた新しい低演算アルゴリズム Model Merging を導入する。 MAPは、複数のモデルをマージするためのスケーリング係数のセットを効率的に識別し、関連するトレードオフを反映する。また,タスク数が比較的少ないシナリオではベイジアンMAP,タスク数の多い状況ではNested MAPを導入し,計算コストを削減した。
論文参考訳（メタデータ） (2024-06-11T17:55:25Z)
Towards Learning Stochastic Population Models by Gradient Descent [0.0]
パラメータと構造を同時に推定することで,最適化手法に大きな課題が生じることを示す。モデルの正確な推定を実証するが、擬似的、解釈可能なモデルの推論を強制することは、難易度を劇的に高める。
論文参考訳（メタデータ） (2024-04-10T14:38:58Z)
Automatic Gradient Estimation for Calibrating Crowd Models with Discrete Decision Making [0.0]
候補解の選択を規定する勾配は, サンプルシミュレーショントラジェクトリから算出される。一般的な社会力モデルに基づく集団避難モデルの校正について考察する。
論文参考訳（メタデータ） (2024-04-06T16:48:12Z)
Variational Inference of Parameters in Opinion Dynamics Models [9.51311391391997]
この研究は、変数推論を用いて、意見力学 ABM のパラメータを推定する。我々は推論プロセスを自動微分に適した最適化問題に変換する。提案手法は, シミュレーションベース法とMCMC法より, マクロ的(有界信頼区間とバックファイア閾値)と微視的(200ドル, エージェントレベルの役割)の両方を正確に推定する。
論文参考訳（メタデータ） (2024-03-08T14:45:18Z)
QualEval: Qualitative Evaluation for Model Improvement [82.73561470966658]
モデル改善のための手段として,自動定性評価による定量的スカラー指標を付加するQualEvalを提案する。 QualEvalは強力なLCM推論器と新しいフレキシブルリニアプログラミングソルバを使用して、人間の読みやすい洞察を生成する。例えば、その洞察を活用することで、Llama 2モデルの絶対性能が最大15%向上することを示す。
論文参考訳（メタデータ） (2023-11-06T00:21:44Z)
When to Update Your Model: Constrained Model-based Reinforcement Learning [50.74369835934703]
モデルベースRL(MBRL)の非遅延性能保証のための新規で一般的な理論スキームを提案する。続いて導いた境界は、モデルシフトとパフォーマンス改善の関係を明らかにします。さらなる例では、動的に変化する探索からの学習モデルが、最終的なリターンの恩恵をもたらすことが示されている。
論文参考訳（メタデータ） (2022-10-15T17:57:43Z)
Extending Process Discovery with Model Complexity Optimization and Cyclic States Identification: Application to Healthcare Processes [62.997667081978825]
モデル最適化のための半自動支援を実現するプロセスマイニング手法を提案する。所望の粒度で生モデルを抽象化するモデル単純化手法が提案されている。医療分野の異なるアプリケーションから得られた3つのデータセットを用いて、技術的ソリューションの能力を実証することを目的としている。
論文参考訳（メタデータ） (2022-06-10T16:20:59Z)
Evaluating model-based planning and planner amortization for continuous control [79.49319308600228]
我々は、モデル予測制御(MPC)と学習モデルとモデルフリーポリシー学習を組み合わせたハイブリッドアプローチを採っている。モデルフリーエージェントは高いDoF制御問題においても強いベースラインであることがわかった。モデルに基づくプランナを,パフォーマンスを損なうことなく,計画が損なわれるようなポリシーに置き換えることが可能であることを示す。
論文参考訳（メタデータ） (2021-10-07T12:00:40Z)
Variational Inference with NoFAS: Normalizing Flow with Adaptive Surrogate for Computationally Expensive Models [7.217783736464403]
マルコフ連鎖モンテカルロのようなサンプリングに基づくアプローチの使用は、それぞれの可能性評価が計算的に高価であるときに難解になる可能性がある。変分推論と正規化フローを組み合わせた新しいアプローチは、潜在変数空間の次元と線形にしか成長しない計算コストによって特徴づけられる。本稿では,ニューラルネットワークサロゲートモデルの正規化フローパラメータと重みを代わりに更新する最適化戦略である,適応サロゲートを用いた正規化フロー(NoFAS)を提案する。
論文参考訳（メタデータ） (2021-08-28T14:31:45Z)
Surrogate Assisted Methods for the Parameterisation of Agent-Based Models [0.0]
キャリブレーションはエージェントベースのモデリングとシミュレーションにおいて大きな課題である。本稿では,異なるサンプリング手法と代理モデルの効果的な統合を容易にするABMSフレームワークを提案する。
論文参考訳（メタデータ） (2020-08-26T21:47:02Z)
Automatically Learning Compact Quality-aware Surrogates for Optimization Problems [55.94450542785096]
未知パラメータで最適化問題を解くには、未知パラメータの値を予測し、これらの値を用いて問題を解くための予測モデルを学ぶ必要がある。最近の研究によると、複雑なトレーニングモデルパイプラインのレイヤーとして最適化の問題を含めると、観測されていない意思決定の繰り返しを予測することになる。我々は,大規模最適化問題の低次元サロゲートモデルを学習することにより,解の質を向上させることができることを示す。
論文参考訳（メタデータ） (2020-06-18T19:11:54Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。