微分可能なエージェントベース交通シミュレーションによる超高速な交通ナウキャスティングと制御

要旨: 大規模で高精度な計算モデルを実世界の交通データに合わせて較正したうえで、効果的な介入策を政策立案者に提示する交通デジタルツインは、急速に都市化が進む世界における社会的課題への対処に向けて有望です。しかし、従来のきめ細かな交通シミュレーションは微分不可能であり、通常は非効率な勾配なし最適化に依存しているため、実世界のアプリケーション向けに較正することは計算上現実的ではありません。ここでは、微分可能なアジェントベース交通シミュレータを提示し、大規模ネットワークにおいて超高速なモデル較正、トラフィック・ナウキャスティング（交通の今ここ推定）、および制御を可能にします。個々の車両の動きをシミュレートするために、確率的な意思決定やエージェント間相互作用など、いくつかの微分可能な計算手法を開発します。その一方で、シミュレーション全体の軌跡がエンドツーエンドで微分可能であることを保証し、効率的な勾配ベース最適化を実現します。シカゴの大規模道路ネットワーク（10,000を超える較正パラメータ）において、当社のモデルは、実時間の173倍の速度で100万台以上の車両をシミュレートします。この超高速シミュレーションと効率的な勾配ベース最適化により、過去30分の交通データを用いて455 sでモデル較正を完了し、21 sで1時間先までの交通ナウキャストを提供し、結果として得られる交通制御問題を728 sで解くことができます。これにより、較正--ナウキャスト--制御のループを20分未満で実現し、介入策を実装するためのリードタイムとして約40分を確保します。したがって本研究は、交通デジタルツインの実現に向けた実用的な計算基盤を提供します。