본 논문은 활동 기반 모델을 이용한 여행 수요 예측에서 심층 역강화학습(DIRL)의 해석 가능성을 높이는 데 초점을 맞추고 있다. 기존 연구들이 DIRL을 통해 예측 정확도 향상에만 집중한 것과 달리, 본 논문은 활동-여행 의사결정 과정을 분석하기 위한 해석 가능한 DIRL 프레임워크를 제시한다. 이는 적대적 IRL 접근 방식을 활용하여 활동-여행 행동의 보상 함수와 정책 함수를 추론하고, 정책 함수는 대리 해석 모델을 통해, 보상 함수는 단기 보상과 장기 수익을 도출하여 해석한다. 실제 여행 조사 데이터 분석을 통해 정책 함수로부터 행동 패턴 통찰(의사결정의 중요 요인 및 사회인구학적 집단 간 차이), 보상 함수로부터 행동 선호도 통찰(특정 활동 순서로부터 얻는 효용)을 도출한다.
