論文の概要: Next-Generation Travel Demand Modeling with a Generative Framework for Household Activity Coordination
- arxiv url: http://arxiv.org/abs/2507.08871v1
- Date: Wed, 09 Jul 2025 18:06:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-15 18:48:21.662134
- Title: Next-Generation Travel Demand Modeling with a Generative Framework for Household Activity Coordination
- Title（参考訳）: 家庭活動コーディネートのための生成フレームワークを用いた次世代旅行需要モデリング
- Authors: Xishun Liao, Haoxuan Ma, Yifan Liu, Yuxiang Wei, Brian Yueshuai He, Chris Stanford, Jiaqi Ma,
- Abstract要約: 本稿では,学習に基づく旅行需要モデリングフレームワークを提案する。
家庭の社会デマトグラフィーのプロファイルに基づいて、家庭と協調した日々の行動パターンを合成する。
完全に生成可能で、データ駆動で、スケーラブルで、他のリージョンに転送可能である。
- 参考スコア（独自算出の注目度）: 12.533065786338863
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Travel demand models are critical tools for planning, policy, and mobility system design. Traditional activity-based models (ABMs), although grounded in behavioral theories, often rely on simplified rules and assumptions, and are costly to develop and difficult to adapt across different regions. This paper presents a learning-based travel demand modeling framework that synthesizes household-coordinated daily activity patterns based on a household's socio-demographic profiles. The whole framework integrates population synthesis, coordinated activity generation, location assignment, and large-scale microscopic traffic simulation into a unified system. It is fully generative, data-driven, scalable, and transferable to other regions. A full-pipeline implementation is conducted in Los Angeles with a 10 million population. Comprehensive validation shows that the model closely replicates real-world mobility patterns and matches the performance of legacy ABMs with significantly reduced modeling cost and greater scalability. With respect to the SCAG ABM benchmark, the origin-destination matrix achieves a cosine similarity of 0.97, and the daily vehicle miles traveled (VMT) in the network yields a 0.006 Jensen-Shannon Divergence (JSD) and a 9.8% mean absolute percentage error (MAPE). When compared to real-world observations from Caltrans PeMS, the evaluation on corridor-level traffic speed and volume reaches a 0.001 JSD and a 6.11% MAPE.
- Abstract（参考訳）: 旅行需要モデルは、計画、政策、移動システム設計にとって重要なツールである。
従来のアクティビティベースモデル(ABM)は行動理論に基づいているが、しばしば単純化されたルールや仮定に依存しており、開発にコストがかかり、異なる領域にまたがる適応が困難である。
本稿では,家庭の社会デマトグラフィーのプロファイルに基づいて,家庭と協調した日常活動パターンを合成する,学習に基づく旅行需要モデリングフレームワークを提案する。
本フレームワークは, 集団合成, 協調活動生成, 位置割当, 大規模微視的トラフィックシミュレーションを統合システムに統合する。
完全に生成可能で、データ駆動で、スケーラブルで、他のリージョンに転送可能である。
ロサンゼルスでは1000万人の人口を抱えるフルパイプ・インプリメンテーションが実施されている。
包括的検証により、モデルは現実世界のモビリティパターンを密に再現し、レガシAMMの性能に匹敵し、モデリングコストを大幅に削減し、スケーラビリティを向上することが示された。
SCAG ABMベンチマークでは、原位置行列は0.97のコサイン類似性を達成し、ネットワーク内の1日走行距離(VMT)は0.006のJensen-Shannon Divergence(JSD)と9.8%の平均絶対パーセンテージ誤差(MAPE)をもたらす。
Caltrans PeMSによる実世界の観測と比較すると、廊下レベルの交通速度と体積は0.001 JSD、MAPEは6.11%に達する。
関連論文リスト
- A Study on Individual Spatiotemporal Activity Generation Method Using MCP-Enhanced Chain-of-Thought Large Language Models [6.275054904609665]
本稿では,モデルコンテキストプロトコル(MCP)に連鎖思考(LLT)推論を統合するフレームワークを提案する。
この手法は、5段階の認知フレームワークを通じて、人間のような進歩的推論と、6つの専門的なMPPツールカテゴリによる包括的なデータ処理を組み合わせる。
上海のLujiiazu地区での実験では、1,000個のサンプルでこのフレームワークの有効性が検証されている。
論文 参考訳（メタデータ） (2025-06-12T16:14:32Z) - Prismatic Synthesis: Gradient-based Data Diversification Boosts Generalization in LLM Reasoning [77.120955854093]
我々は,データ多様性が言語モデルにおける一般化の強力な予測因子であることを示す。
モデル誘起勾配のエントロピーを通して多様性を定量化する計量であるG-Vendiを導入する。
多様な合成データを生成するためのフレームワークであるPrismatic Synthesisを提案する。
論文 参考訳（メタデータ） (2025-05-26T16:05:10Z) - WorldPM: Scaling Human Preference Modeling [130.23230492612214]
我々は、このスケーリングの可能性を強調するために、World Preference Modeling$ (WorldPM)を提案する。
多様なユーザコミュニティをカバーする公開フォーラムから選好データを収集する。
1.5Bから72Bパラメータの範囲で15Mスケールのデータを用いて広範囲なトレーニングを行う。
論文 参考訳（メタデータ） (2025-05-15T17:38:37Z) - Learning Universal Human Mobility Patterns with a Foundation Model for Cross-domain Data Fusion [11.332722237426987]
ユニバーサルな人体移動のための基盤モデルフレームワークを提案する。
制限に対処するために、クロスドメインデータ融合と大きな言語モデルを活用します。
我々のフレームワークはドメイン転送技術による適応性を実証する。
論文 参考訳（メタデータ） (2025-03-20T01:41:28Z) - TrajLLM: A Modular LLM-Enhanced Agent-Based Framework for Realistic Human Trajectory Simulation [3.8106509573548286]
この作業は、Large Language Models(LLM)を活用して人間のモビリティをシミュレートし、従来のモデルにおける高コストやプライバシの問題に対処する。
我々の階層的枠組みは、実世界の人口統計と心理データを用いて、ペルソナ生成、活動選択、目的地予測を統合している。
論文 参考訳（メタデータ） (2025-02-26T00:13:26Z) - Reconstructing Human Mobility Pattern: A Semi-Supervised Approach for Cross-Dataset Transfer Learning [10.864774173935535]
セマンティック・アクティビティ・チェーンに着目し,人間のモビリティ・パターンを再構築し,学習するモデルを開発した。
本稿では,多様な地理的文脈にモデルを適応させるために,半教師付き反復移動学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-10-03T20:29:56Z) - Human Mobility Modeling with Household Coordination Activities under Limited Information via Retrieval-Augmented LLMs [11.90100976089832]
本稿では,公共のアクセス可能な統計情報と社会デミノグラフィ情報のみを用いて,家計調整による活動連鎖を生成する大規模言語モデル (LLM) フレームワークを提案する。
NHTS と SCAG-ABM データセットによる検証により,モビリティデータに制限のある領域に対して,効果的なモビリティ合成と強い適応性を示す。
論文 参考訳（メタデータ） (2024-09-26T03:07:32Z) - Planning with Adaptive World Models for Autonomous Driving [50.4439896514353]
マルチエージェントインタラクションをキャプチャする実世界のモーションプランニングベンチマークであるnuPlanを提案する。
我々は、グラフ畳み込みニューラルネットワーク(GCNN)であるBehaviorNetを用いて、このようなユニークな振る舞いをモデル化することを学ぶ。
また、モデル予測制御(MPC)ベースのプランナであるAdaptiveDriverについても紹介する。
論文 参考訳（メタデータ） (2024-06-15T18:53:45Z) - Deep Activity Model: A Generative Approach for Human Mobility Pattern Synthesis [11.90100976089832]
我々は,人間の移動性モデリングと合成のための新しい生成的深層学習手法を開発した。
オープンソースのデータを使って、アクティビティパターンとロケーショントラジェクトリの両方を組み込む。
モデルはローカルデータで微調整できるため、さまざまな領域にわたるモビリティパターンを正確に表現することができる。
論文 参考訳（メタデータ） (2024-05-24T02:04:10Z) - Synthetic location trajectory generation using categorical diffusion
models [50.809683239937584]
拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。
本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
論文 参考訳（メタデータ） (2024-02-19T15:57:39Z) - One-Shot Domain Adaptive and Generalizable Semantic Segmentation with
Class-Aware Cross-Domain Transformers [96.51828911883456]
セマンティックセグメンテーションのための教師なしのsim-to-realドメイン適応(UDA)は、シミュレーションデータに基づいて訓練されたモデルの実世界のテスト性能を改善することを目的としている。
従来のUDAは、適応のためのトレーニング中に利用可能なラベルのない実世界のサンプルが豊富にあると仮定することが多い。
実世界のデータサンプルが1つしか利用できない,一発の教師なしシム・トゥ・リアル・ドメイン適応(OSUDA)と一般化問題について検討する。
論文 参考訳（メタデータ） (2022-12-14T15:54:15Z) - A Generative Learning Approach for Spatio-temporal Modeling in Connected
Vehicular Network [55.852401381113786]
本稿では,コネクテッドカーの無線アクセス遅延を実現するための総合的時間品質フレームワークであるLaMI(Latency Model Inpainting)を提案する。
LaMIはイメージインペイントと合成のアイデアを採用し、2段階の手順で欠落したレイテンシサンプルを再構築することができる。
特に、パッチ方式のアプローチを用いて各地域で収集されたサンプル間の空間的相関を初めて発見し、その後、原点および高度に相関したサンプルをバラエナオートコーダ(VAE)に供給する。
論文 参考訳（メタデータ） (2020-03-16T03:43:59Z)
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。