論文の概要: High-Resolution Agent-Based Modeling of Campus Population Behaviors for Pandemic Response Planning

• arxiv url: http://arxiv.org/abs/2405.11414v2
• Date: Fri, 08 Nov 2024 01:14:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-11 14:52:28.731065
• Title: High-Resolution Agent-Based Modeling of Campus Population Behaviors for Pandemic Response Planning
• Title（参考訳）: 高分解能剤を用いたパンデミック対応計画のためのキャンパス集団行動のモデル化
• Authors: Hiroki Sayama, Shun Cao,
• Abstract要約: 大学構内におけるパンデミック対策計画への高分解能エージェントベースモデリングとシミュレーションの適用事例を報告する。 我々はこの問題を多層輸送ネットワーク上でのエージェントマイグレーションプロセスとして概念化した。 典型例の平日, 25,000人以上のエージェントを対象に, キャンパス全体の集団行動のシミュレーションを行った。
• 参考スコア（独自算出の注目度）: 0.20718016474717196
• License:
• Abstract: This paper reports a case study of an application of high-resolution agent-based modeling and simulation to pandemic response planning on a university campus. In the summer of 2020, we were tasked with a COVID-19 pandemic response project to create a detailed behavioral simulation model of the entire campus population at Binghamton University. We conceptualized this problem as an agent migration process on a multilayer transportation network, in which each layer represented a different transportation mode. As no direct data were available about people's behaviors on campus, we collected as much indirect information as possible to inform the agents' behavioral rules. Each agent was assumed to move along the shortest path between two locations within each transportation layer and switch layers at a parking lot or a bus stop, along with several other behavioral assumptions. Using this model, we conducted simulations of the whole campus population behaviors on a typical weekday, involving more than 25,000 agents. We measured the frequency of close social contacts at each spatial location and identified several busy locations and corridors on campus that needed substantial behavioral intervention. Moreover, systematic simulations with varying population density revealed that the effect of population density reduction was nonlinear, and that reducing the population density to 40-45% would be optimal and sufficient to suppress disease spreading on campus. These results were reported to the university administration and utilized in the pandemic response planning, which led to successful outcomes.
• Abstract（参考訳）: 大学構内におけるパンデミック対策計画への高分解能エージェントベースモデリングとシミュレーションの適用事例を報告する。 2020年夏、私たちは、Binghamton Universityのキャンパス全体の詳細な行動シミュレーションモデルを作成するために、COVID-19パンデミック対応プロジェクトに従事しました。 我々は,各層が異なる輸送モードを示す多層輸送ネットワーク上でのエージェントマイグレーションプロセスとしてこの問題を概念化した。 キャンパス内での人々の行動に関する直接的なデータは得られなかったので、エージェントの行動ルールを伝えるために、できるだけ多くの間接的な情報を収集しました。 各エージェントは、各輸送層内の2つの場所間の最短経路に沿って移動し、駐車場やバス停の層を切り替え、他のいくつかの行動仮定とともに移動することが想定された。 このモデルを用いて,25,000以上のエージェントを含む平日におけるキャンパス全体の集団行動のシミュレーションを行った。 本研究では,各空間的位置における密接な接触頻度を計測し,かなりの行動介入を必要とするキャンパス内の多忙な場所や廊下を同定した。 さらに, 人口密度の異なるシステマティックシミュレーションにより, 人口密度の減少効果は非線形であり, 人口密度を40～45%に減らすことは, キャンパス内での病気の拡散を抑制するのに最適かつ十分であることを明らかにした。 これらの結果は大学に報告され、パンデミック対応計画に活用され、成果が得られた。

関連論文リスト

• Meta Flow Matching: Integrating Vector Fields on the Wasserstein Manifold [83.18058549195855]
  自然科学における複数の過程は、確率密度のワッサーシュタイン多様体上のベクトル場として表さなければならない。 特に、疾患の発生とその治療反応が患者固有の細胞の微小環境に依存するパーソナライズド医療において重要である。 本稿では,これらのベクトル場をワッサーシュタイン多様体上で積分するメタフローマッチング(Meta Flow Matching, MFM)を提案する。
  論文  参考訳（メタデータ） (2024-08-26T20:05:31Z)
• Planning with Adaptive World Models for Autonomous Driving [50.4439896514353]
  運動プランナー(MP)は複雑な都市環境における安全なナビゲーションに不可欠である。 最近リリースされたMPベンチマークであるnuPlanは、クローズドループシミュレーションロジックで現実世界の駆動ログを拡張することで、この制限に対処している。 本稿では,モデル予測制御(MPC)ベースのプランナであるAdaptiveDriverを提案する。
  論文  参考訳（メタデータ） (2024-06-15T18:53:45Z)
• AI planning in the imagination: High-level planning on learned abstract search spaces [68.75684174531962]
  我々は,エージェントが訓練中に学習する抽象的な検索空間において,エージェントが計画することを可能にする,PiZeroと呼ばれる新しい手法を提案する。 本研究では,旅行セールスマン問題,ソコバン問題,2048年,施設立地問題,パックマン問題など,複数の分野で評価を行った。
  論文  参考訳（メタデータ） (2023-08-16T22:47:16Z)
• Exploring the Intersection of Large Language Models and Agent-Based Modeling via Prompt Engineering [0.0]
  大きな言語モデル(LLM)がこのボトルネックの潜在的な解決策として現れている。 本稿では,人間行動の予測可能なプロキシのシミュレーションを2つ提示する。
  論文  参考訳（メタデータ） (2023-08-14T18:58:00Z)
• Differentiable Agent-based Epidemiology [71.81552021144589]
  GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。 GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
  論文  参考訳（メタデータ） (2022-07-20T07:32:02Z)
• Multi-layer network approach in modeling epidemics in an urban town [0.0]
  都市部における実生活を高解像度で表現するための新しい多層ネットワークモデルを提案する。 我々のシミュレーションは、"フレンドシップ"層をロックダウンすることは、流行の減速に最も影響していることを示している。
  論文  参考訳（メタデータ） (2021-09-06T07:44:50Z)
• An Agent-Based Model of COVID-19 Diffusion to Plan and Evaluate Intervention Policies [0.09236074230806579]
  このモデルはイタリアのピエモンテの構造データを含んでいる。 このモデルは、エージェントの行動と相互作用の結果から生じる複雑な伝染病のダイナミクスの生成である。
  論文  参考訳（メタデータ） (2021-08-19T19:23:17Z)
• JKOnet: Proximal Optimal Transport Modeling of Population Dynamics [69.89192135800143]
  入力凸ニューラルネットワーク(ICNN)を用いて解いた(小さな)最適変位と測定値のエネルギーモデルを組み合わせたニューラルアーキテクチャを提案する。 人口動態の説明と予測のためのモデルの適用性を実証する。
  論文  参考訳（メタデータ） (2021-06-11T12:30:43Z)
• TrafficSim: Learning to Simulate Realistic Multi-Agent Behaviors [74.67698916175614]
  リアル交通シミュレーションのためのマルチエージェント行動モデルであるTrafficSimを提案する。 特に、暗黙の潜在変数モデルを利用して、共同アクターポリシーをパラメータ化する。 TrafficSimは、多様なベースラインと比較して、より現実的で多様なトラフィックシナリオを生成します。
  論文  参考訳（メタデータ） (2021-01-17T00:29:30Z)
• Decomposing Excess Commuting: A Monte Carlo Simulation Approach [1.14219428942199]
  本研究はモンテカルロの手法を用いて, 人口調査区域内の個人労働者と個人雇用をシミュレートする。 旅行から仕事までの通勤距離と時間を推定し、シミュレーションされた個々の場所に基づいて最適な通勤を定義する。
  論文  参考訳（メタデータ） (2020-05-30T14:09:06Z)
• Composite Travel Generative Adversarial Networks for Tabular and Sequential Population Synthesis [5.259027520298188]
  本稿では,人口の関節分布を推定するためにCTGAN(Composite Travel Generative Adversarial Network)を提案する。 CTGANモデルは、変分オートエンコーダ(VAE)法など、最近提案された他の手法と比較される。
  論文  参考訳（メタデータ） (2020-04-15T00:06:52Z)

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。