2026年03月03日
## 要約：
本研究では、公共交通機関のネットワーク設計において、機械学習と確率的最適化を組み合わせた新しいフレームワーク「2LRC-TND」を提案します。このフレームワークは、利用者のコア層と潜在層の二層に分けて需要の不確実性を考慮し、より現実的なネットワーク設計を可能にします。アトランタの事例研究により、従来の固定需要モデルよりも優れていることが示されました。
---
## 翻訳：
arXiv:2603.00010v1 公布 Type: new
抽象：公共交通機関ネットワーク設計は、輸送分野でよく研究されている問題であり、通常、固定需要仮定の下で最適化モデルを解くことによって対処されます。これらの仮定の限界を考慮して、本論文では、機械学習と文脈的確率的最適化（CSO）を制約プログラミング（CP）を通じて活用して、ネットワーク設計プロセスに2層の需要不確実性を組み込む新しいフレームワークである、Two-Level Rider Choice Transit Network Design (2LRC-TND)を提案します。第1レベルは公共交通機関に依存する旅行者を特定します（コア需要）、第2レベルは、公共交通機関の利用可能性と品質に基づいて、そうでない人々の条件付き採用行動を捉えます。これらの2種類の不確実性を捉えるために、2LRC-TNDは複数の機械学習モデルを使用する2つの旅行モード選択モデルに依存しています。ネットワークを設計するために、2LRC-TNDは結果として得られた選択モデルを、CP-SATソルバーで解くことができるCSOに統合します。2LRC-TNDは、アトランタ都市圏の6,600を超える旅行弓と38,000を超える旅行を伴う事例研究を通じて評価されます。計算結果は、需要不確実性と文脈情報を考慮した公共交通機関ネットワークを設計する際の2LRC-TNDの効果を示し、固定需要モデルのより現実的な代替手段を提供します。
[📰 原文はこちら](https://arxiv.org/abs/2603.00010)
---
※本記事はAI（Ollama）による自動翻訳・要約です。
BittensorManがお勧めするメーカーリスト
https://exbridge.jp/xdirect/
AI時代の技術と知識のまとめ(AI生成メディア) - AIDexx
https://exbridge.jp/aidexx/
頑張って働く人に向けて、プロ用仕事アイテムを格安でネット販売しているX-Direct（ https://exdirect.net ）を、BittensorManは応援しています。
動画の最後にお得な情報がありますので、
最後までご覧ください。
