論文の概要: Can We Move Freely in NEOM's The Line? An Agent-Based Simulation of Human Mobility in a Futuristic Smart City
- arxiv url: http://arxiv.org/abs/2507.15143v1
- Date: Sun, 20 Jul 2025 22:35:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-22 20:51:32.211856
- Title: Can We Move Freely in NEOM's The Line? An Agent-Based Simulation of Human Mobility in a Futuristic Smart City
- Title（参考訳）: NEOMの路線を自由に移動できるか? : 未来的スマートシティにおける人体移動のエージェントベースシミュレーション
- Authors: Abderaouf Bahi, Amel Ourici,
- Abstract要約: 本稿では,サウジアラビアのNEOMで提案されている170kmのリニアスマートシティであるThe Lineにおける人体移動の実現可能性について検討する。
エージェントベースモデリング,強化学習,教師付き学習,グラフニューラルネットワークを統合したハイブリッドシミュレーションフレームワークを開発した。
実験の結果、エージェントは平均通勤時間は7.8分から8.4分、満足度は99%を超え、到達率指数は91%を超えた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This paper investigates the feasibility of human mobility in The Line, a proposed 170-kilometer linear smart city in NEOM, Saudi Arabia. To assess whether citizens can move freely within this unprecedented urban topology, we develop a hybrid simulation framework that integrates agent-based modeling, reinforcement learning, supervised learning, and graph neural networks. The simulation captures multi-modal transportation behaviors across 50 vertical levels and varying density scenarios using both synthetic data and real-world traces from high-density cities. Our experiments reveal that with the full AI-integrated architecture, agents achieved an average commute time of 7.8 to 8.4 minutes, a satisfaction rate exceeding 89 percent, and a reachability index of over 91 percent, even during peak congestion periods. Ablation studies confirmed that the removal of intelligent modules such as reinforcement learning or graph neural networks significantly degrades performance, with commute times increasing by up to 85 percent and reachability falling below 70 percent. Environmental modeling further demonstrated low energy consumption and minimal CO2 emissions when electric modes are prioritized. The findings suggest that freedom of movement is not only conceptually achievable in The Line, but also operationally realistic if supported by adaptive AI systems, sustainable infrastructure, and real-time feedback loops.
- Abstract（参考訳）: 本稿では,サウジアラビアのNEOMで提案されている170kmのリニアスマートシティであるThe Lineにおける人体移動の実現可能性について検討する。
この前例のない都市トポロジの中で市民が自由に動けるかどうかを評価するため、エージェントベースモデリング、強化学習、教師あり学習、グラフニューラルネットワークを統合したハイブリッドシミュレーションフレームワークを開発した。
このシミュレーションは、50の垂直レベルにわたるマルチモーダル輸送挙動と、高密度都市からの合成データと実世界のトレースの両方を用いて、様々な密度シナリオをキャプチャする。
実験の結果,AI統合アーキテクチャの完全化により,エージェントは平均通勤時間7.8～8.4分,満足度99%以上,到達率91%以上を達成した。
アブレーション研究により、強化学習やグラフニューラルネットワークなどのインテリジェントモジュールの除去は、通勤時間が最大85%増加し、到達率が70%未満になるなど、パフォーマンスを著しく低下させることが確認された。
環境モデリングにより、電気モードが優先されるときの低エネルギー消費とCO2排出量の最小化が証明された。
この結果は、移動の自由は、The Lineにおいて概念的に達成できるだけでなく、適応型AIシステム、持続可能なインフラ、リアルタイムフィードバックループによって支援された場合、運用的に実現可能であることを示唆している。
関連論文リスト
- Next-Generation Travel Demand Modeling with a Generative Framework for Household Activity Coordination [12.533065786338863]
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。
論文 参考訳（メタデータ） (2025-07-09T18:06:36Z) - SceneDiffuser++: City-Scale Traffic Simulation via a Generative World Model [30.561378506172698]
SceneDiffuser++は、都市規模でA-to-Bシミュレーションを行うことができる単一損失関数に基づいて訓練された最初のエンドツーエンド生成世界モデルである。
本研究では,SceneDiffuser++の都市交通シミュレーション能力を実証し,その長大なシミュレーション条件下での優れたリアリズムについて検討する。
論文 参考訳（メタデータ） (2025-06-27T07:35:04Z) - Towards Autonomous Micromobility through Scalable Urban Simulation [52.749987132021324]
現在のマイクロモビリティは、主に人手操作(対人・遠隔操作)に依存している。
本研究では,自律型マイクロモビリティを実現するため,スケーラブルな都市シミュレーションソリューションを提案する。
論文 参考訳（メタデータ） (2025-05-01T17:52:29Z) - MobileCity: An Efficient Framework for Large-Scale Urban Behavior Simulation [22.340422693575547]
我々は,高計算効率で現実的な都市移動をモデル化する軽量なシミュレーションプラットフォームMobileCityを提案する。
本稿では,複数の輸送モードを有する総合交通システムを導入し,回答者のアンケートデータを収集してエージェントプロファイルを構築する。
スケーラブルなシミュレーションを実現するため、エージェントは事前に生成されたアクション空間内でアクション選択を行い、ローカルモデルを使用してエージェントメモリの効率的な生成を行う。
論文 参考訳（メタデータ） (2025-04-18T07:01:05Z) - Online Location Planning for AI-Defined Vehicles: Optimizing Joint Tasks of Order Serving and Spatio-Temporal Heterogeneous Model Fine-Tuning [12.784479119173223]
車両群集センシング(VCS)は、車両の移動性とセンサーを装備した能力を活用する重要なイネーブラーとして登場した。
この研究は、エッジアシスト車両が注文サービスと基礎モデルの微調整のジョイントタスクを行う、有望なシナリオを探求する。
論文 参考訳（メタデータ） (2025-02-06T07:23:40Z) - MetaUrban: An Embodied AI Simulation Platform for Urban Micromobility [52.0930915607703]
最近のロボティクスとエンボディードAIの進歩により、公共の都市空間はもはや人間専用ではない。
公共の都市空間における短距離移動のためのAIによって実現されるマイクロモビリティは、将来の交通システムにおいて重要な要素である。
本稿では,AI駆動型都市マイクロモビリティ研究のための構成シミュレーションプラットフォームであるMetaUrbanを紹介する。
論文 参考訳（メタデータ） (2024-07-11T17:56:49Z) - 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) - Generative AI-empowered Simulation for Autonomous Driving in Vehicular
Mixed Reality Metaverses [130.15554653948897]
車両混合現実(MR)メタバースでは、物理的実体と仮想実体の間の距離を克服することができる。
現実的なデータ収集と物理世界からの融合による大規模交通・運転シミュレーションは困難かつコストがかかる。
生成AIを利用して、無制限の条件付きトラフィックを合成し、シミュレーションでデータを駆動する自律運転アーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-02-16T16:54:10Z) - Learning High-Speed Flight in the Wild [101.33104268902208]
複雑な自然環境や人工環境を高速で自律的に飛行するエンド・ツー・エンドのアプローチを提案する。
鍵となる原理は、雑音の知覚観測を直接、後退水平方向に無衝突軌道にマッピングすることである。
現実的なセンサノイズをシミュレートすることにより,シミュレーションから現実環境へのゼロショット転送を実現する。
論文 参考訳（メタデータ） (2021-10-11T09:43:11Z) - 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)
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。