【研究分野】社会システム工学・安全システム

【研究領域課題番号】17H02035 (KAKENデータベースで見る）

【研究キーワード】

社会システム / シミュレーション / 最適化 / エージェントモデル / 参加型エージェントモデル / データ同化モデル / モデルベース / 感染症 / ゲーミング / パラメータ推定 / データ同化 / 政策効果 / 逆強化学習 / 社会経済制度設計

【研究成果の概要】

参加型シミュレーション研究を通して、人間の合理的な意思決定や習慣的な行動、予期せぬ判断など、さまざまは要因が社会システムモデルには重要であることが分析された。これらの研究が進んできた2020年初頭に、新型コロナウイルスが発生し、緊急事態宣言が発出される事態となった。この状況に対して、エージェントベース医療政策ゲーミング&シミュレーションをベースに、新型コロナウイルス感染症に対する感染症政策モデルを構築し、人間行動や政策による影響予測を行った。

【研究の社会的意義】

本モデルの構築手法開発によって、地域における精度の高い感染者予測が可能となり、例えば新型コロナ感染において、札幌市と東京都での推定を行った結果では、1.2人/日という高い予測精度を示すことができた。このモデルを用いて、札幌市への流入リスクの影響を分析し、夏以降の流入者数を制限できていれば，11月の感染拡大は半分以下に抑えることができた可能性があることを示した。また、東京近郊市街地を対象とした個体ベースモデルから得た感染予防策の実効再生産数減少率を用い、飲食店の時短強化よりも飛沫防止策の徹底やテレワーク、イベント制限などとの総合的な対策が大きな効果を示すことを明らかにした。

【研究種目】基盤研究(B)

【研究期間】2017-04-01 - 2022-03-31

【配分額】17,290千円 (直接経費: 13,300千円、間接経費: 3,990千円)

【研究分野】統計科学

【研究領域課題番号】17H01703 (KAKENデータベースで見る）

【研究キーワード】

データ同化 / 4次元変分法 / 最適化 / 不確実性評価 / 地震 / 時系列解析 / モデリング / Ginzburg-Landau方程式 / マルコフ連鎖モンテカルロ法 / 地震波 / 摩擦

【研究成果の概要】

次世代型4次元変分法のプロトタイプ版を開発し、2次元空間内における地震波伝播シミュレーションコード等に実装した。双子実験によって地下構造に関する物性パラメータの最適値推定と不確実性評価が可能となることを示した。また、本手法を実装する新たな対象として、磁性体内における磁化パターンの時空間変化を記述する時間依存Ginzburg-Landau方程式の数値シミュレーションコードを新たに開発した。これらの成果については、国際誌ならびに国内外の学会において発表を行った。
本研究で開発した次世代型4次元変分法のソースコードについては、現在、公開に向けた準備を進めている。

【研究の社会的意義】

本研究で開発した次世代型4次元変分法により、従来型4次元変分法では不可能であった広域最適解探索と不確実性評価を一挙に解決することが可能となり、大規模数値モデルに基づくデータ同化の関連分野、特に気象予報業務や地震発生予測研究にとっては大きな転回点となるであろう。特に地震学においては、地震発生直後の迅速な地震波動場推定や、巨大地震発生メカニズムの理解に直結するプレート境界における断層すべりの時空間モデルの構築など、将来的に地震防災・減災に資する手法となる可能性が本研究によって拓かれた。

【研究種目】基盤研究(B)

【研究期間】2017-04-01 - 2020-03-31

【配分額】15,860千円 (直接経費: 12,200千円、間接経費: 3,660千円)

【研究分野】ウェブ情報学・サービス情報学

【研究領域課題番号】16H02907 (KAKENデータベースで見る）

【研究キーワード】

逆強化学習 / 強化学習 / 多目的最適化 / 社会シミュレーション / 行動規範 / マルチエージェントシミュレーション / 行動科学 / 最適化 / 敵対的生成ネットワーク / マルチエージェント / メカニズムデザイン / マルチエージェント強化学習 / 多目的強化学習 / 深層強化学習 / ソフトコンピューティング / 機械学習 / 都市計画 / 土木環境システム / 避難行動の規範抽出 / 鉄道運行整理 / 分散深層強化学習 / データ同化 / 対話 / 自然災害 / 認知科学 / エージェント / 人工知能

【研究成果の概要】

本課題では，都市交通が頑健かつ柔軟に機能する状況を「レジリエンス」と定義し，これを実現する上で，情報インフラや人の状況判断，法制度の３つのソフトインフラの連携が必要との立場から研究を進めてきた．特に緊急時の二次被害減災は人の行動が鍵であるとし，人の挙動特性を考慮した都市交通システム設計法を提案した．災害における人の行動の規範は，過去の似た状況の記憶に影響を受けるため，正しい情報を直接提供するよりも，最適な行動選択を促す方が効果的であることを確かめた．また，人流の軌跡から行動規範の推定法として，遺伝的アルゴリズムと逆強化学習を導入した２つの方法を提案した．

【研究の社会的意義】

災害時，都市交通機能の停止は，人々の移動手段を奪うが，その後の情報提供や運転再開についての意思決定が重要である．SNSなどによる不確かな情報の錯綜による混乱はもちろん，運営側の運転再開に関する誤った意思決定や避難誘導はさらなる二次災害を引き起こす．本研究の学術的貢献として，災害時の人の意思決定傾向や，情報の局所性，曖昧性を考慮した運営側，あるいは政府による最適な避難誘導案の生成支援が挙げられる．また，社会的意義として，人の意思決定傾向を踏まえた混乱や混雑が生じる状況や場所を予測可能にしたこと，および，本結果に基づいた法の見直しの根拠を与えることを可能にした点を挙げる．

【研究種目】基盤研究(B)

【研究期間】2016-04-01 - 2019-03-31

【配分額】15,210千円 (直接経費: 11,700千円、間接経費: 3,510千円)