【研究領域課題番号】20H00609 (KAKENデータベースで見る）

【研究キーワード】

ゲーム理論 / 人工知能 / 最適化 / 機械学習 / 実験経済学

【研究成果の概要】

2020年度には，10件の論文出版と，19件の学会発表（うち，招待講演5件）を行った．
マッチンググループでは，従来は部分問題に分割して考察されてきた３者間（例．学生ープロジェクトー研究予算）のマッチングを，一つの問題として解くことに取り組んだ．公平性と割当効率性が一般的には両立不可能であることを示したほか，弱められた公平性・割当効率性を満足する耐戦略的なメカニズムを設計し，その性能を実験によって評価した．本成果は，国際会議 AAMAS-20 にて報告した．
オークショングループでは，研究代表者による既存研究である，情報伝播を伴うオークションから着想を得て，金銭による効用譲渡を用いない資源配分メカニズムにおける情報伝播の動機付けに取り組んだ．詳細には，既存の資源配分メカニズムであるトップトレーディングサイクルアルゴリズムを修正し，ある種の安定な資源配分を出力するメカニズムを設計した．本成果は，AAMAS-21 にて報告した．
人工知能／最適化グループでは，研究代表者が90年代に提唱した分散制約最適化問題(Distributed Constraint Optimization Problems, DCOPs）のフレームワークに，変数の連続性を許す修正を施した， Continuous DCOP (C-DCOP) を提案した．一部の C-DCOP 問題に対する厳密アルゴリズムを提案したほか，一般の C-DCOP 問題に対しては保証付き近似アルゴリズムを提案した．本成果は，国際会議 AAMAS-20 にて報告した．
行動／実験経済学グループでは，課徴金減免制度（リニエンシー制度）の改正に関する講演を行った．また，不確実性下での意思決定に関する一般向け書籍を出版した．

【研究種目】基盤研究(A)

【研究期間】2020-04-01 - 2023-03-31

【配分額】45,110千円 (直接経費: 34,700千円、間接経費: 10,410千円)

【研究領域課題番号】18H04155 (KAKENデータベースで見る）

【研究キーワード】

HEMS / スマートメーター / 太陽光発電 / 異常検知 / LCA / ビッグデータ / AI / 深層学習 / カーボンニュートラル / ライフスタイル / IDEA / 敵対的生成学習 / 電力 / 実験経済学 / 意思決定 / Deep Learning / 機械学習 / 行動変容 / ディープラーニング / インベントリデータベース / パリ協定

【研究成果の概要】

2050年までにカーボン・ニュートラル社会を実現するため、特に排出削減が難しい家庭部門の温室効果ガス排出削減のための手法開発を目指した研究を実施した。
家庭のエネルギー消費削減には、家庭内でどのような形態によってエネルギー消費が行われているか、すなわちライフスタイルを明らかにする必要があった。そこで本研究では、HEMS/スマートメータといったIoTセンシングによって得られた約6万世帯、20億レコードの家庭電力消費ビッグデータを活用した。近年急速に発展する深層学習アルゴリズムを開発し、分析を行うことで、消費電力量のみから家庭の属性や生活パターンを分析する手法を開発した。

【研究の社会的意義】

家庭内消費電力データを分析することで、複数の制度においてその制度の意図と異なる行動が発生していることを示唆する結果を得た。太陽光売電制度においては、節電インセンティブが存在するとされていた余剰売電制度の方が、節電インセンティブが存在しない全量売電制度よりも、実際の家庭内消費電力量が増大していることをビッグデータによって示した。さらに、このような事象が発生した原因を行動経済学の知見に基づいてリバウンド効果として学術的に説明を行った。
今後さらに強く求められる家庭内エネルギー消費削減に必要となる様々な社会制度設計において、家庭電力消費ビッグデータの活用が有効であることを示した。

【研究種目】基盤研究(A)

【研究期間】2018-04-01 - 2022-03-31

【配分額】42,900千円 (直接経費: 33,000千円、間接経費: 9,900千円)