PEMANT: 旅行のためのパーソナ濃縮型マルチエージェント交渉

概要: 家庭単位の移動（トリップ）生成をモデリングすることは、需要予測の精度向上、交通流推定、都市システム計画にとって基本的に重要です。既存の研究の多くは、予測能力が限られた古典的な機械学習モデルに基づいていました。一方で、近年のLLMベースのアプローチは、現実的な集団の移動意思決定をモデル化するうえで不可欠であるにもかかわらず、行動理論や世帯内の相互作用ダイナミクスをまだ取り入れていません。これらの制約に対処するために、Travel（移動）のための、ペルソナ強化型マルチエージェント交渉（Persona-Enriched Multi-Agent Negotiation for Travel, PEMANT）と名付けた新しいLLMベースの枠組みを提案します。PEMANTはまず、個人のペルソナモデリングのための行動理論を統合し、その後、構造化されたマルチエージェント会話を通じて、家庭単位でのトリップ計画の交渉を行います。具体的には、PEMANTは、提案する家庭配慮型計画行動プロセス（Household-Aware Chain-of-Planned-Behavior, HA-CoPB）フレームワークに従い、静的な社会人口学的属性を、家庭単位の態度、主観的規範、認知された行動制御を明示的に符号化する、首尾一貫した物語的プロファイルへと変換します。こうした理論に根ざしたペルソナを土台として、PEMANTは、新しいペルソナ整合制御メカニズムを備えた構造化された二相のマルチエージェント会話の枠組みにより、現実世界の家庭内の意思決定交渉を捉えます。全国および地域の家庭の旅行調査データセットの両方で評価したところ、PEMANTは、データセットを通じて一貫して最先端のベンチマークを上回りました。