Real-world application of agent based model created from BCMP queueing networks and machine learning

基于 BCMP 排队网络和机器学习创建的基于代理的模型的实际应用

基本信息

批准号：
21K11774
负责人：
水野信也
金额：
$ 2.58万
依托单位：
Shizuoka Institute of Science and Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

2022年度においては、閉鎖型BCMP待ち行列ネットワークの最適化への適用と複数窓口化が大きな成果である。閉鎖型BCMP待ち行列ネットワークについては、2021年度において大規模計算環境の構築を行った。閉鎖型待ち行列ネットワークは、従来から膨大の計算量のため、最適化モデルを構築することが難しいと言われていたが、21年度の大規模計算環境を利用することで、最適化モデルを構築することが可能となった。22年度では最適化への適用を行い、実社会に応用できる規模での計算が可能となった。今までの計算は拠点の窓口数は1に限定したが、それを複数窓口に拡張して、より実社会モデルに適用できる形となった。複数窓口に対する計算には、再帰計算が必要となり、単一の窓口モデルと比べ、複雑な計算が必要である。複数窓口に対する大規模計算環境も構築ができ、十分大きな窓口数に対しても対応できるようになった。この複数窓口計算環境を利用して、閉鎖型BCMP待ち行列ネットワークの複数窓口に対する最適化を実施できるようになった。また連続時間型マルコフ連鎖を利用した、WiFiログを利用した人々の密集を避けるような最適化モデルを発表した。新型コロナウイルス蔓延に対して、社会では人々の密集を避けるような取り組みがされてきた。しかしながら、ショッピングモールなどの施設では、客の動線を容易に変更はできない。そのため、滞在時間を制約付きのパラメタとして、滞在時間を変動させることで、施設内での人々の密集を避けるようなモデルを提案することができた。このモデルは、エージェント・ベースドモデルでの表現も可能であり、本研究テーマの重要な位置付けとなっている。このようなモデルをMCMCなどのシミュレーションモデルと連携して、定常分布が仮定されている場合に、人の動線を最適化するような推移確率を算出するモデルが可能となる。

在2022财年，将封闭的BCMP队列网络应用于优化和多个计数器是主要的结果。对于封闭的BCMP队列网络，在2021年建立了一个大规模的计算环境。传统上，由于封闭的队列网络中大量的计算，很难建立优化模型，但是通过使用大型计算环境，在2011年，可以建立优化模型。在2010财年，该公司被应用于优化，使得可以以可应用于现实世界的规模进行计算。到目前为止，基地的计数器数量限制为1，但这已扩展到多个计数器，使其更适用于现实世界模型。多个计数器的计算需要递归计算，与单个计数器模型相比，需要更复杂的计算。我们还能够为多个计数器创建一个大规模的计算环境，现在能够容纳足够大的计数器。使用此多场计算环境，现在可以在封闭的BCMP队列网络中针对多个计数器实现优化。他们还宣布了一种使用连续的马尔可夫链来避免使用WiFi日志的人拥挤的优化模型。为了回应新的冠状病毒的传播，社会一直在采取措施避免拥挤人们。但是，在购物中心等设施中，不可能轻松地改变客户的流量。因此，我们能够提出一个模型，以避免设施中的人们拥挤，以改变住宿时间，这是对住宿时间限制的参数。该模型也可以在基于代理的模型中表达，使其成为该研究主题的重要位置。该模型可以与MCMC之类的仿真模型链接，以计算假设稳态分布时优化人流量的过渡概率。