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。

2022年，主要成果将是封闭式BCMP排队网络的优化和多个柜台的引入。关于封闭的BCMP排队网络，我们在2021财年构建了大规模计算环境。据说，由于需要巨大的计算量，很难构建封闭排队网络的优化模型，但是通过使用 2021 年的大规模计算环境，我们已经能够构建优化模型了。可能这样做。 2012财年，我们将其应用于优化，从而可以进行可应用于现实世界的规模的计算。到目前为止的计算将一个基地的计数器数量限制为一个，但已扩展到包括多个计数器，使其更适用于现实世界的模型。多窗口的计算需要递归计算，这需要比单窗口模型更复杂的计算。我们能够为多个计数器构建大规模计算环境，从而可以处理足够多的计数器。使用这种多窗口计算环境，现在可以针对多个窗口优化封闭的 BCMP 排队网络。他还提出了一种优化模型，该模型使用连续时间马尔可夫链来避免使用 WiFi 日志的拥挤。为应对新型冠状病毒的传播，社会已采取措施避免人群聚集。然而，在购物中心等设施中，顾客的流动路线不能轻易改变。因此，我们能够提出一个模型，通过以停留时间作为约束参数来改变停留时间，从而避免设施内的拥挤。该模型也可以表示为基于代理的模型，是本研究主题的重要组成部分。通过将此类模型与 MCMC 等模拟模型相链接，可以创建计算转移概率的模型，以在假设平稳分布时优化人流路线。