大規模言語モデルを活用し、ユーザーの自然言語入力からSUMOシミュレーションを自動生成・カスタマイズする。
交通参加者の動きを離散的なトークンシーケンスとしてモデル化し、自動回帰的に予測することで、リアルな交通シミュレーションを実現する。
高速道路合流部における追い越し車両の車線変更行動をモデル化し、シミュレーション環境の精度向上を目指す。
本論文は、既存の活動ベースモデルと動的交通割当てモデルを事後的に統合するための反復的な手法を提案する。提案アプローチの主な新規性は、2つのモデルを切り離すことで、既存のモデルを条件を満たす限り統合できるようにすることにある。
本研究では、グラフ注意ニューラルネットワークを用いた効率的かつ正確な「デジタルツイン」モデルを提案し、信号タイミング、運転行動、ターンムーブメントカウントなどの影響要因を統合することで、交差点の車線別トラフィックウェーブフォームを推定する。
拡散モデルを活用し、マップ情報と過去の行動履歴を活用することで、現実的で制御可能な交通シナリオを生成する。