1 / 19

マイクロシミュレーションにおける 可変属性セル問題と解法

マイクロシミュレーションにおける 可変属性セル問題と解法. 東京都市大学　大谷紀子 ( 株 ) ドーコン　杉木 直 Kasetsart Univ. Varameth Vichiensan 東京都市大学　宮本和明. 土地利用マイクロシミュレーション. 土地利用と交通の詳細な変化の記述方法 初期年次のマイクロデータが必要 各世帯の世帯人数，世帯構成員の年齢，性別 etc. 実際のデータの入手は困難 推定データ の作成 IPF 法 (Iterative Proportional Fitting Method). IPF 法. 周辺分布. 属性 2.

teness
Download Presentation

マイクロシミュレーションにおける 可変属性セル問題と解法

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. マイクロシミュレーションにおける可変属性セル問題と解法マイクロシミュレーションにおける可変属性セル問題と解法 東京都市大学　大谷紀子 (株)ドーコン　杉木 直 KasetsartUniv.Varameth Vichiensan 東京都市大学　宮本和明

  2. 土地利用マイクロシミュレーション • 土地利用と交通の詳細な変化の記述方法 • 初期年次のマイクロデータが必要 各世帯の世帯人数，世帯構成員の年齢，性別 etc. 実際のデータの入手は困難 推定データの作成 IPF法 (Iterative Proportional Fitting Method)

  3. IPF法 周辺分布 属性 2 既定カテゴリ 周辺分布に合致するよう セル値を調整 推定結果は設定条件に依存 国勢調査等より 属性1 周辺分布 セルベース推定手法 クロス分類表

  4. マイクロシミュレーションにおける課題 • セル数 • シミュレーションの所要時間を左右 • 予測結果 • 基準年データに大きく依存 可変領域ユニット問題MAUPと同様 分析ゾーンの違いが大きく影響

  5. セル統合 基本セル集合 属性の統合 有効な予測結果？ セル数少？

  6. 可変属性セル問題MACP マイクロシミュレーションのための最適化問題 目的は政策の決定　→　出力は政策変数 制約条件 基本セル集合を用いたときと同等の政策決定 (政策変数の分布に有意差がない) 目的関数 クロス分類表のセル数 目的関数の値が最小となる統合セル集合の探索

  7. セル統合の位置づけ 一部のエリア 対象エリア全体 一部のエリア 最適な統合セル集合の探索 フルスケールの推定とシミュレーション

  8. セル統合の処理手順 基本セル集合に基づきIPF法で基準年データ推定 マイクロシミュレーションを複数回実行 統合セル集合生成 統合セル集合に基づきIPF法で基準年データ推定 マイクロシミュレーションを複数回実行 政策変数の分布に関するT検定

  9. MACPにおける計算量 適切な属性の統合？ 適切な属性の統合の組合せ？ 共生進化の適用 • 属性の統合 • 連続値属性 • 16通り (5カテゴリ) • 512通り(10カテゴリ) • 524,288通り(20カテゴリ) • カテゴリカル属性 • 52通り (5カテゴリ) • 115,975通り(10カテゴリ) • 51,724,158,235,372通り(20カテゴリ)

  10. 共生進化 • 遺伝的アルゴリズムの一種 • 最適解探索アルゴリズム • 生物の進化過程を模倣 • 同種個体の協働による目標の達成 • 解を部分解の組合せで表現 • 部分解集団と全体解集団の並行進化 • 多様な解候補からの探索が可能 部分解：属性の統合 全体解：属性の統合の組合せ

  11. 部分解集団 全体解集団 処理手順 適応度 開始 全体解： 解としての良さ 部分解： 属する全体解の適応度の最良値 初期集団生成 個体の評価 次世代の生成 G世代? No Yes 全体解集団の最良個体 終了

  12. 評価実験 (1) • データ • 道央都市圏パーソントリップ調査データ • 102,739人の個人データから5,000 人分を無作為抽出 • 属性 • 年齢 18カテゴリ(0-9, 10-14, 15-19, ..., 85-89, >90) • 就業状態 5カテゴリ (第1次産業，第2次産業，第3次産業，学生，主婦・その他)

  13. 評価実験 (2) • マイクロシミュレーションモデル • 加齢 • 死亡 • 誕生モンテカルロシミュレーション • 就業状態の変化 • 政策変数 • 5年後の発生交通量

  14. 実験結果 • 就業状態 => 「主婦・その他」とそれ以外の2カテゴリ • 年齢=> 6～9カテゴリ 学生・社会人 主婦・その他 多忙な社会人 活動的な主婦 幼い子供がいる 主婦や社会人 大学生，若手社会人 乳幼児，小・中・高生 余暇を自宅で満喫 余暇を活動的に満喫

  15. まとめ • マイクロシミュレーションのセルベース推定における可変属性セル問題 • 最適な統合セル集合の探索手法の提案 • 単純な事例での有用性の確認 • マイクロシミュレーションに適した統合セル集合 • 政策変数における属性の特徴の抽出

  16. 部分解 (1) 連続値属性のとき • カテゴリ数だけ0,1の並んだビット列 • 隣り合う同一ビットでカテゴリの結合状況を表す 000111011110000000 ① ② ③ ④ ⑤ カテゴリ結合の通し番号

  17. 部分解 (2) カテゴリカル属性のとき • 2進数の並び 101011110110101110 5 6 3 6 5 6 遺伝子から算出された10進数 ↓ ↓ ↓ ↓ ↓ ↓ ① ② ③ ③ ① ③ カテゴリ結合の通し番号

  18. 全体解 • 部分解個体へのポインタの組合せ 2番目の属性 3番目の属性 1番目の属性 001111110001110001 011100000111100001 001111010000111100 000111110001100000 000001111100110001 011110000110011000 部分解集団

  19. 適応度 • 全体解 • 部分解 • 当該部分解個体を参照している全体解個体のうち，最も評価の高い全体解個体の適応度 セル数 T値

More Related