[공지사항]을 빙자한 안부와 근황 
Show more

Arxiv hàng ngày

Đây là trang tổng hợp các bài báo về trí tuệ nhân tạo được xuất bản trên toàn thế giới.
Trang này sử dụng Google Gemini để tóm tắt nội dung và hoạt động phi lợi nhuận.
Bản quyền của các bài báo thuộc về tác giả và tổ chức liên quan; khi chia sẻ, chỉ cần ghi rõ nguồn.

MobileCity: Một khuôn khổ hiệu quả cho mô phỏng hành vi đô thị quy mô lớn

Created by
  • Haebom

Tác giả

Xiaotong Ye, Nicolas Bougie, Toshihiko Yamasaki, Narimasa Watanabe

Phác thảo

MobileCity là một nền tảng mô phỏng nhẹ được thiết kế để mô hình hóa hiệu quả tính di động đô thị thực tế. Để khắc phục những hạn chế của các phương pháp hiện có như lựa chọn phương tiện di chuyển đơn giản, đồng nhất hóa hành vi do hồ sơ tác nhân tĩnh và chi phí tính toán cao, chúng tôi triển khai một hệ thống giao thông toàn diện với nhiều phương thức vận tải khác nhau và xây dựng hồ sơ tác nhân dựa trên dữ liệu khảo sát. Đối với các mô phỏng có khả năng mở rộng, các tác nhân lựa chọn hành động trong một không gian hành động được tạo sẵn và thực hiện tạo bộ nhớ tác nhân hiệu quả bằng cách sử dụng các mô hình cục bộ. Thông qua các đánh giá sâu rộng trên 4.000 tác nhân ở cấp độ vi mô và vĩ mô, chúng tôi chứng minh rằng MobileCity tạo ra các hành vi đô thị thực tế hơn so với các phương pháp hiện có trong khi vẫn duy trì hiệu quả tính toán. Chúng tôi cũng khám phá các ứng dụng thực tế như dự đoán các mô hình di chuyển và phân tích xu hướng nhân khẩu học trong sở thích giao thông.

Takeaways, Limitations

Takeaways:
Hiệu quả tính toán của mô hình di chuyển đô thị thực tế đã được cải thiện đáng kể thông qua nền tảng mô phỏng nhẹ.
Tạo ra hành vi đô thị thực tế hơn so với các phương pháp hiện có thông qua nhiều phương thức vận chuyển và hồ sơ tác nhân thực tế.
Nó có nhiều ứng dụng thực tế, bao gồm dự đoán mô hình di chuyển và phân tích sở thích di chuyển của nhân khẩu học.
Limitations:
Cần phải xác nhận thêm tính đại diện và khả năng khái quát hóa của dữ liệu khảo sát được sử dụng trong nghiên cứu này.
Cần có thêm nghiên cứu để phản ánh chính xác hơn sự tương tác giữa các tác nhân và các sự kiện không thể đoán trước.
Cần nghiên cứu thêm để khám phá khả năng mở rộng của mô hình hiện tại và khả năng áp dụng của nó vào nhiều môi trường đô thị khác nhau.
👍