[2M5-OS-37b] OS-37

[2M5-OS-37b-02] Improving performance of route choice modeling by leveraging path complexity

〇Honoka Yamashita^1,2, Ryo Nishida², Masaki Onishi² (1. Univ. of Tsukuba, 2. AIST)

Keywords:Route Choice Modeling, Inverse Reinforcement Learning

経路選択モデリングとは，経路特性に対するドライバーの経路選択行動を特定する枠組みを指す．近年，逆強化学習を用いて，ドライバーの走行データから経路選択行動における報酬を推定することで，経路選択をモデル化する手法が提案されている．モデルの学習に用いる移動経路のデータセットには，最短経路や方向転換が多い経路など，複雑性の異なる多様な経路が含まれる．学習データの特性とモデルの精度には関係があると考えられるが，従来研究では経路の複雑性を考慮したデータセットの選別とそれによるモデリング精度の違いの分析が十分に行われていない．そこで，本研究では経路の複雑性を方向転換の数で定義し，方向転換数に基づいた学習データの選別とモデリング精度の関係性を分析する．上海のタクシー軌跡データセットを対象に，学習データに含める経路の方向転換数を変えて，精度を評価した．その結果，移動経路における複雑性として，方向転換数によるデータセット選択が有効であることがわかった．具体的には，方向転換数が少ないもしくは多い経路は学習データに含めず，適度な方向転換を伴う移動経路を学習することで，生成精度が向上することが確認された．