基于人类流动力学的数字孪生体：预测交通工具引入对游客循环的影响
多智能体系统
2026-05-19 v1 机器学习
摘要
我们提出了一个用于预测交通工具引入措施效果的框架，基于人类流动力学的数字孪生体。该数字孪生体集成了多智能体模拟器，可表示游客根据其当前位置以及景点吸引力等因素选择目的地的方式。我们提取了关于游客在测量的干预前人类流动数据、景点间距离、景点吸引力以及旅行量方面的数据，并用于训练每个智能体的决策模型。经过训练的决策模型是一个函数，接受游客的当前状态和周围环境信息作为输入，输出游客将前往的下一个景点。通过将交通工具引入措施表述为点间距离或景点吸引力的变化，框架可以在多智能体模拟器中重现交通工具引入后的人类流动，从而量化诸如游客数量和循环变化等效应。我们使用在日本和歌山城公园中测量的有/无交通工具引入的人类流动数据对所提出的方法进行了评估。当使用多层感知器决策模型再现交通工具引入后的流动时，空间人口分布的余弦相似性超过0.7，证明该方法能够复制交通工具引入所导致的流动变化。
引用
@article{arxiv.2605.17426,
title = {Human-Flow Digital Twin for Predicting the Effects of Mobility Introduction on Visitor Circulation},
author = {Chiharu Shima and Haruki Yonekura and Fukuharu Tanaka and Tatsuya Amano and Hirozumi Yamaguchi},
journal= {arXiv preprint arXiv:2605.17426},
year = {2026}
}
备注
An accepted paper at the 27th IEEE International Conference on Mobile Data Management (MDM 2026). Project page: https://mc.net.ist.osaka-u.ac.jp/en/activity/wakayama-castle-mobility_2023/