EPFL エンジニアが開発した予測モデルそれは私たちの通勤習慣だけでなく、日中の活動も考慮します。彼女の柔軟なアプローチには、より現実的な予測を提供するためにトレードオフの考えが組み込まれています。

交通技術者はコンピュータ モデルを使用して特定の旅程の需要を推定することが多く、ローザンヌとジュネーブ間の高速道路で毎年何台の車が走行するか、どの鉄道路線が最も多くの乗客を運ぶかなどの質問に答えます。これは幅広く魅力的な分野であり、EPFL の交通・モビリティ研究所の土木工学科の学生であるジャノディ・プーガラ氏は、博士号取得のために勉強しようと決めた分野です。論文。

Pougala は、個人の旅行の選択を予測するための新しいモデルを開発しました。このモデルは、より広範囲の変数を考慮して、実際の行動をより厳密にマッピングします。オープンソースで利用できる彼女のプログラムは、人々の通常の移動方法だけでなく、日常の活動にも焦点を当てています。これは、日常生活の一部を必然的に形成する予測不可能な出来事に人々がどのように反応するかを説明するため、特に洗練されたアプローチを表しています。

従来のモデルでは、輸送エンジニアは、個人が行う各旅行を、その旅行の理由、ユーザーが使用する交通手段、選択した旅程とともに調査することから始めます。次にエンジニアは、この動作を時系列で順番に記述するプログラムを開発します。しかし、これらのプログラムは複雑な現実にはあまり適していないことがよくあります。

モデリングのトレードオフ

より正確なモデルを設計するには、エンジニアは人々がどのように行動するかをより深く理解する必要があります。それは、今日のますます多様化するライフスタイルを考慮すると特に当てはまります。在宅勤務する人が増え、カーシェアリングシステムが普及し、インフラの改善従業員が雇用主から遠く離れた場所に住むことができるようになり、通勤パターンは大幅に変化しました。これらは、プガラ氏が新しいモデルで取り組みたかった構造的変化の一部であり、個人の活動や好みに基づいているため、より正確であると考えられます。

モデルはどのように機能するのでしょうか?「それは、1 日を通して個人の活動をスケジュールすることから始まり、次に対応する変数をリンクします。数学の方程式「」とプーガラ氏は言います。「通勤調査や統計の結果など、多くの情報源から変数のデータを引き出しました。」彼女のモデルの鍵は、その非常に柔軟な設計にあります。むしろ、それらすべてを同時に分析します」と彼女は言います。

また、彼女のモデルは、1 日のイベントの事前定義された順序に拘束されないため、個人の満足度と制約に基づいた意思決定を考慮できます。つまり、これはトレードオフをモデル化する新しい方法です。プーガラは、社会学の文献や研究に記載されている行動仮説を採用しました。都市環境、そしてそれらを数式に変換しました。

それから彼女は方程式を次のように組み合わせました統計データモデルが可能な限り現実的な予測を行うようにします。例を挙げると、エマという名前の女性が遅くまで仕事をしてジムに行かないことに決めたとします。帰宅途中、彼女の列車はローザンヌ駅で技術的な問題に遭遇しました。エマは代替の電車を待つ代わりに、バスに乗ることにしました。

プーガラ氏は、「私のモデルは、この種の状況下でさまざまな個人がどのように反応するか、あまり好まない状況にどれくらい耐えられるかを予測できます。また、人々がどのように適応し、代替交通手段を使用するかを説明することもできます。」と説明します。

市職員はプーガラのモデルを業務に使用できます。長期計画どのタイプの交通インフラを開発するかを決定します。スイスの鉄道会社が使用するモデルや、そこで行われる交通機関の半分が電動化されていない場合に都市がどのようになるかを示すことを目的としたチューリッヒの都市計画プロジェクトですでにテストされています。