[論文レビュー] A Multi-Agent based Approach for Simulating the Impact of Human Behaviours on Air Pollution

Sabri Ghazi, Julie Dugdale+1 more|arXiv (Cornell University)|Apr 8, 2019

Transportation Planning and Optimization被引用数 7

ひとこと要約

本論文は、実際の汚染レベルと気象データに基づいて排出量を調整する進化的N人協力者ジレンマゲームを用いて、産業排出が大気汚染に与える影響を人間の意思決定として模擬するマルチエージェントシステム（MAS）を提案する。モデルは煙雲拡散モデルと人工ニューラルネットワーク（ANN）を統合し、規制罰則がエージェント間の協力を促進し、大気質管理を向上させることを示している。

ABSTRACT

This paper presents a Multi-Agent System (MAS) approach for designing an air pollution simulator. The aim is to simulate the concentration of air pollutants emitted from sources (e.g. factories) and to investigate the emergence of cooperation between the emission source managers and the impact this has on air quality. The emission sources are controlled by agents. The agents try to achieve their goals (i.e. increase production, which has the side effect of raising air pollution) and also cooperate with others agents by altering their emission rate according to the air quality. The agents play an adapted version of the evolutionary N-Person Prisoners' Dilemma game in a non-deterministic environment; they have two decisions: decrease or increase the emission. The rewards/penalties are influenced by the pollutant concentration which is, in turn, determined using climatic parameters. In order to give predictions about the Plume Dispersion) model and an ANN (Artificial Neural Network) prediction model. The prediction is calculated using the dispersal information and real data about climatic parameters (wind speed, humidity, temperature and rainfall). Every agent cooperates with its neighbours that emit the same pollutant, and it learns how to adapt its strategy to gain more reward. When the pollution level exceeds the maximum allowed level, agents are penalised according to their participation. The system has been tested using real data from the region of Annaba (North-East Algeria). It helped to investigate how the regulations enhance the cooperation and may help controlling the air quality. The designed system helps the environmental agencies to assess their air pollution controlling policies.

研究の動機と目的

• エージェントベースのシミュレーションを用いて、産業排出意思決定と大気質の動的相互作用をモデル化すること。
• 規制的圧力の下で排出源管理者間の協力がどのように生じるかを調査すること。
• 実際の気象データと汚染拡散モデルを統合した予測シミュレーションフレームワークを構築すること。
• 環境規制がエージェントのインcentiveを通じて排出削減を促進する有効性を評価すること。
• シミュレーションの結果を基に、環境当局が大気質管理政策の評価と最適化を支援すること。

提案手法

• エージェントは産業排出源を表し、報酬と罰則に基づいて排出量の増加または減少を意思決定する。
• エージェントは非決定的環境において、進化的N人協力者ジレンマゲームの改変版をプレイする。
• 汚染濃度は、実際の気象パラメータ（風速、湿度、気温、降雨量）と組み合わせた煙雲拡散モデルを用いて予測される。
• 実データを用いてトレーニングされた人工ニューラルネットワーク（ANN）が、汚染濃度の予測精度を向上させる。
• 同じ汚染物質を排出する近隣エージェントと協力し、集団の汚染レベルに応じて戦略を適応させる。
• 汚染が規制基準を超えた場合に罰則が課され、排出削減と協力のインcentiveが与えられる。

実験結果

リサーチクエスチョン

• RQ1 シミュレートされた汚染環境下で、規制罰則が課された状況下でエージェントの排出意思決定はどのように変化するか？
• RQ2 汚染レベルが監視され、罰則が課される状況下で、排出エージェント間の協力はどの程度生じるか？
• RQ3 煙雲拡散モデルとANNを組み合わせたモデルは、リアルタイムの大気汚染濃度をどの程度正確に予測できるか？
• RQ4 気象パラメータは、汚染拡散の空間的・時間的ダイナミクスにどのような役割を果たすか？
• RQ5 規制罰則は、長期的な排出削減と大気質の改善を促進するためにどの程度効果的か？

主な発見

• 汚染が規制基準を超えた場合、排出エージェント間で協力が自発的に生じることがモデルで示された。
• 規制罰則により、全体の排出量が顕著に削減され、エージェントが集団的に排出を低減するインcentiveが与えられた。
• 煙雲拡散モデルとANNの統合により、単独のモデルよりも汚染濃度の予測精度が向上した。
• 風速や降雨量などの気象パラメータが、汚染拡散パターンに強く影響することが判明した。
• シミュレーション結果は、環境当局が本モデルを用いて大気質管理政策の評価と最適化が可能であることを示した。
• エージェントは時間経過とともに戦略を適応させ、汚染レベルや罰則の変化に応じた学習行動を示した。