エージェント初出 8/21 02:57
能動的データ収集、移動行動モデリング、および気象に左右される需要予測のためのエージェント的アプローチ
An Agentic Approach for Active Data Collection, Travel Behavior Modeling, and Weather-Sensitive Demand Prediction
https://export.arxiv.org/api/query·2026/8/20
AI要約
データ収集、移動行動モデリング、天候依存の需要予測を統合するエージェントベースのアプローチを提案。会話型データ収集、構造化データ処理、行動予測を連携させる3エージェントワークフローを構築。チャットボットによる調査で収集したデータを用いて、移動行動を予測する。
AI要点
- データ収集、移動行動モデリング、気象影響下の需要予測を統合する3エージェントワークフローを提案。
- チャットボットによるアンケート調査で、5つの気象シナリオにおける454件の移動手段選択データを収集した。
- ローカルLLM9種（2B～35Bパラメータ）を評価し、Vision-LLMが気象画像コンテキストを用いることで予測精度を向上させた。
- ランダムフォレストは69.6%の精度、テキストのみのZero-shot LLMは69.9%、Vision-LLMは71.5%の精度を達成した。
- このアプローチは、対話型調査、データ処理、従来手法、機械学習、マルチモーダルLLM予測を協調させることを示す。
なぜ重要か
本研究は、AIエージェントを活用して、気象条件が影響する人々の移動行動をより正確に予測する新たな枠組みを提示し、都市計画や交通システム最適化への応用が期待される。