MATSim実践編――自己中なエージェント1万人を「通勤」させてみる：リタイア直前エンジニアの社会人大学漂流記（6-2）（5/7 ページ）

[江端智一，EE Times Japan]

エージェントの「行動パターン」を定義する

　次に、

<module name=" strategy">
	（中略）
</module>

では、「エージェントが、次のiterationで、どのように行動計画（plan）を変更するか」を定義しています。

　つまり、MATSimの「学習ルール」です。

　この設定では、エージェントは、

• 80％は保守的
• 10％は経路変更
• 10％は時間変更

を行います。かなり“人間っぽい”設定です。

1.　maxAgentPlanMemorySize

<param name="maxAgentPlanMemorySize" value="5" />

　これは、「過去のplanを最大5個記憶する」という意味です。

例えば、

• 8:00出発
• 7:45出発
• 別ルート
• 電車利用
• 徒歩増加

などを保持できます。

　MATSimのエージェントは、「昔の成功体験」を記憶しています。

2.　BestScore （weight=0.8）

<param name="strategyName" value="BestScore"/>
<param name="weight" value="0.8"/>

　これは、「過去のplanの中で、最もscoreが高かったものを使う」戦略です。

　しかもweight=0.8とは、80％の確率で“無難な行動”を選ぶ、ということになります。

　例えば、

plan	内容	score
A	8:00出発	-120
B	7:45出発	-80
C	別ルート	-90

なら、「Bを採用」します。

　つまり、「以前マシだった行動を繰り返す」という、かなり人間っぽい動きです。

3.　ReRoute （weight=0.1）

<param name="strategyName" value="ReRoute"/>
<param name="weight" value="0.1"/>

　これは、「経路だけ変える」戦略です。

　つまり、

• 出発時刻はそのまま
• 活動もそのまま
• ただし別の道路を試す

です。

　例えば、

• 昨日：国道を使用 → 渋滞
• 今日：裏道を試す

みたいなことをやる。ただし10％の確率でやります。つまり、「たまに冒険する」程度です。

4.　TimeAllocationMutator （weight=0.1）

<param name="strategyName" value="TimeAllocationMutator"/>

　これは、「活動時間や出発時刻を少し変更する」戦略です。

例えば、

• 08:00出発→ 07:50へ変更
• shop 30分→ 20分へ変更
• work終了→ 少し延長

などを試す。

　つまり、「生活時間を少しずらす」です。

　これは非常に重要です。なぜなら、MATSimは、「交通だけ」ではなく、「生活スケジュール」そのものを最適化対象にしているからです。

5.　この3つを合わせると

　エージェントは、

• 80％は、前にうまくいった行動を繰り返す
• 10％は、別ルートを試す
• 10％は、出発時刻や滞在時間を変える

ことになります。

6.　これは何を意味しているのか

　これ、かなり人間っぽいです。

　人間って、

• 基本は昨日と同じ行動
• たまに別ルート
• たまに早起き
• たまに帰宅時間変更

　つまりMATSimは、「超知能AI」を作っているわけではなく、むしろ、「昨日より少しマシを探す、保守的な人間」を作っています。

7.　重要なポイント

この設定では、

• 80％が保守
• 20％が探索

です。

　つまり、「完全最適化」ではなく、「少しずつ試す」構造になっています。

　これは、

• 焼きなまし法
• 遺伝的アルゴリズム
• 強化学習

にも少し似ていますが、MATSimはもっと泥臭いのです。各エージェントが、「まあ、昨日よりマシならいいか」を、永遠に繰り返しているだけです。