論文の概要: Towards Adaptive and Real-Survey-Aligned Simulated Urban Mobility Behaviour of Generative Agents

• arxiv url: http://arxiv.org/abs/2610.22407v1
• Date: Wed, 14 Oct 2026 14:22:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.578001
• Title: Towards Adaptive and Real-Survey-Aligned Simulated Urban Mobility Behaviour of Generative Agents
• Title（参考訳）: 再生エージェントの適応的・実環境対応型都市移動環境の実現に向けて
• Abstract要約: トゥールーズ(フランス)における日々のマルチモーダルモビリティのエージェントベースモデルの構築 我々は15人の意思決定者のパフォーマンスを比較する(簡単なベースライン、調査に適合したモデル、最小限のプロンプトと調整されたプロンプト付きGA、型付き分類器)。 本研究の結果から, 交通障害を伴わずに模擬日のモーダル分割において, 調整したプロンプトを持つGAは, 旅行による移動ではなく, 適合したモデルに近づいたことが示唆された。 本研究の結果は,都市型モビリティサービスの改善に創発的エージェントベース・モデリングを適用したい政策立案者やサービス提供者への関心を喚起するものである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In existing agent-based simulations of multimodal urban mobility, agents, representing humans, choose their travel modes either using discrete choice or machine learning models fitted on structured travel survey data, or with rules explicitly written by the domain experts. Such approaches fix a priori the agents' possible behaviour space. Hence, a factor absent from variables or rules cannot affect agents' decisions. In reality, choosing a transport mode is a multidimensional decision in which objective and subjective factors intertwine and change over time. Integrating such complexity into a city-scale multimodal mobility simulation remains a challenge. Generative agents (GAs) built on large language models promise to respond to this challenge because they carry decision heuristics that travel surveys do not record. However, to the best of our knowledge, aligning their decisions with real household travel surveys remains an open question. In this paper, we build an agent-based model of daily multimodal mobility for Toulouse (France). We compare the performance of fifteen decision-makers (simple baselines, models fitted on the survey, GAs with minimal and tuned prompts, and a typed classifier) on the real household travel survey. Our results show that GAs with tuned prompts come close to the fitted models on the modal split of a simulated day without transport disruptions, but not trip by trip. GAs also react when unforeseen events occur. The recently released Jev-1.13 TypeSafe classifier gives surprisingly great results, showing that generating output text is not necessary. The results presented in this paper would be of interest to transport policy makers and service providers looking to apply generative agent-based modelling for improving urban mobility services.
• Abstract（参考訳）: 既存のエージェントベースのマルチモーダル都市移動シミュレーションでは、人間を代表するエージェントは、個々の選択か、構造化された旅行調査データに適合した機械学習モデルか、ドメインの専門家が明示的に記述したルールのいずれかを使用して、旅行モードを選択する。 このようなアプローチはエージェントの行動空間の優先順位を固定する。 したがって、変数やルールから欠落した要因は、エージェントの判断に影響を与えない。 実際には、輸送モードを選択することは、客観的要因と主観的要因が時間とともに相互作用し変化する多次元的な決定である。 このような複雑さを都市規模のマルチモーダル・モビリティ・シミュレーションに統合することは依然として課題である。 大規模言語モデル上に構築されたジェネレーティブエージェント(GA)は、旅行調査が記録していない決定ヒューリスティックを担っているため、この課題に対応することを約束する。 しかし、私たちの知る限りでは、彼らの決定を実際の家庭旅行調査と整合させることは、未解決の問題である。 本稿では,トゥールーズ(フランス)における日次マルチモーダルモビリティのエージェントベースモデルを構築する。 実家旅行調査における15人の意思決定者(簡単なベースライン,調査に適合したモデル,最小限かつ調整されたプロンプト付きGA,タイプ付き分類器)のパフォーマンスを比較した。 本研究の結果から, 交通障害を伴わずに模擬日のモーダル分割において, 調整したプロンプトを持つGAは, 旅行による移動ではなく, 適合したモデルに近づいたことが示唆された。 GAは、予期せぬ事象が発生したときにも反応する。 先日リリースされたJev-1.13 TypeSafe分類器は驚くほど素晴らしい結果をもたらし、出力テキストの生成は必要ないことを示している。 本研究の結果は,都市型モビリティサービスの改善に創発的エージェントベース・モデリングを適用したい政策立案者やサービス提供者への関心を喚起するものである。

関連論文リスト

• VehicleArena: A Realistic Urban Environment for Multi-Agent Driving [49.5221375479554]
  VehicleArenaは、ダイナミックな共有世界で独立して運用するエージェントを研究するための3D都市走行ベンチマークである。 各エージェントの運転決定は、周囲のエージェントに対するトラフィックフロー、遅延、リスク、およびその後の観察を再形成することができる。 最も高い到着率はシングルエージェントタスクで65.0%、マルチエージェントタスクで65.6%である。
  論文  参考訳（メタデータ） (2026-09-28T09:48:11Z)
• Current Agents Fail to Leverage World Model as Tool for Foresight [61.82522354207919]
  エージェントは、行動する前に結果を予測するためにそれらを使用できます。 本稿では,現在のエージェントがそのような世界モデルを,認知力を高めるツールとして活用できるかどうかを実証的に検討する。
  論文  参考訳（メタデータ） (2026-01-07T13:15:23Z)
• Modeling realistic human behavior using generative agents in a multimodal transport system: Software architecture and Application to Toulouse [0.0]
  本稿では,複雑なマルチモーダル輸送システムにおける現実的な人間の移動挙動をモデル化するためのアーキテクチャを提案する。 エージェント・ベース・シミュレーションにLarge Language Models (LLMs) を適用し,実際の都市環境における意思決定を捉える。 その結果、エージェントはコンテキスト対応のトランスポート決定を行うだけでなく、時間とともに習慣を形成する。
  論文  参考訳（メタデータ） (2025-10-22T11:45:44Z)
• MobileCity: An Efficient Framework for Large-Scale Urban Behavior Simulation [24.339278159507035]
  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)
• A survey about perceptions of mobility to inform an agent-based simulator of subjective modal choice [0.0]
  これはJFSMA-JFMS 2024 "Un simulateur multi-agent de choix modal subjectif"でフランス語で公開されたデモペーパーの拡張版である。
  論文  参考訳（メタデータ） (2025-02-17T17:25:18Z)
• Foundations and Recent Trends in Multimodal Mobile Agents: A Survey [72.29426995154088]
  モバイルエージェントは、複雑で動的なモバイル環境におけるタスクの自動化に不可欠である。 近年の進歩により、リアルタイム適応性とマルチモーダルインタラクションが向上している。 これらの進歩は、プロンプトベースの方法とトレーニングベースの方法の2つの主要なアプローチに分類する。
  論文  参考訳（メタデータ） (2024-11-04T11:50:58Z)
• 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)

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。