[論文レビュー] Social Game for Building Energy Efficiency: Utility Learning, Simulation, and Analysis

Ioannis C. Konstantakopoulos, Lillian J. Ratliff+3 more|arXiv (Cornell University)|Jul 2, 2014

Smart Grid Energy Management参考文献 18被引用数 10

ひとこと要約

本論文では、オフィスビルの住人が好みの照明レベルを投票し、その投票が集団平均に近いほどロトリー点を獲得するという仕組みのソーシャルゲームを提案する。実際の投票データから効用学習とナッシュ均衡モデリングを用いて住人の好みを推定し、行動を正確にシミュレートすることで、ARIMAモデルや定数モデルを上回る顕著な省エネルギー効果を示した。

ABSTRACT

We describe a social game that we designed for encouraging energy efficient behavior amongst building occupants with the aim of reducing overall energy consumption in the building. Occupants vote for their desired lighting level and win points which are used in a lottery based on how far their vote is from the maximum setting. We assume that the occupants are utility maximizers and that their utility functions capture the tradeoff between winning points and their comfort level. We model the occupants as non-cooperative agents in a continuous game and we characterize their play using the Nash equilibrium concept. Using occupant voting data, we parameterize their utility functions and use a convex optimization problem to estimate the parameters. We simulate the game defined by the estimated utility functions and show that the estimated model for occupant behavior is a good predictor of their actual behavior. In addition, we show that due to the social game, there is a significant reduction in energy consumption.

研究の動機と目的

• 建物の住人に対してゲーム化されたインcentiveを用いて、エネルギー効率の良い照明行動を促進するソーシャルゲームを設計すること。
• 住人を連続ゲームにおける非協力的利得最大化者としてモデル化し、快適性と勝利確率のトレードオフを捉えること。
• 凸最適化を用いて実際の投票データから個々の効用関数を推定し、住人の行動を正確に予測可能にする。
• 推定されたゲーム理論的モデルの予測性能を、ARIMAや定数モデルといった標準的な時系列モデルと比較すること。
• ソーシャルゲームが行動変容と最適なデフォルト設定を組み合わせることで、建物のエネルギー消費を測定可能なレベルで削減できることを示すこと。

提案手法

• 各住人が快適性とロトリー勝利確率のバランスを最適化する効用関数を最大化する非協力的エージェントとして、連続ゲームにモデル化する。
• 観察された投票データに適合するように、凸最適化問題を用いて効用関数のパrameterを設定し、個々の好みとリスク回避度を推定する。
• 推定された効用関数を用いてゲームをシミュレートし、ナッシュ均衡を計算することで、実際の住人の行動を予測する。
• オンラインプラットフォームを用いて、リアルタイムの投票データを収集し、ポイントを追跡し、消費パターンを可視化することで参加意欲を高める。
• 平均二乗誤差（MSE）を用いて、ナッシュ均衡モデルの予測精度をARIMA、定数、恒常的モデルと比較する。
• インセンティブ設計をスタックルベルクゲームとして定式化し、リアルタイムの効用推定に基づいて、報酬パrameter ρを建物管理者が最適化する。

実験結果

リサーチクエスチョン

• RQ1 投票とロトリーインセンティブに基づくソーシャルゲームは、建物の照明エネルギー消費を実際に削減できるか？
• RQ2 推定された効用関数を有するゲーム理論的モデルは、ソーシャルエネルギー節約ゲームにおける実際の住人の行動をどれほど正確に予測できるか？
• RQ3 推定されたゲームのナッシュ均衡は、ARIMAなどの従来の時系列モデル（例：ARIMA）よりも、将来の照明投票を予測する上で優れているか？
• RQ4 デフォルト照明設定の変更と社会的インセンティブの導入が、エネルギー削減にどの程度寄与しているか？
• RQ5 建物管理者は、リアルタイムの効用推定を用いて、持続的なエネルギー削減を実現するスタックルベルクフレームワークでインセンティブ（ρ）を最適化できるか？

主な発見

• 推定された効用関数に基づくナッシュ均衡モデルは、翌日の照明投票を予測する際、平均二乗誤差（MSE）が12.46と最低となり、ARIMA（13.92）、定数（16.96）、恒常的モデル（13.42）を上回った。
• ソーシャルゲームの導入により、デフォルト照明設定の低下と、平均に近い投票を促すインcentive構造のおかげで、顕著なエネルギー消費の削減が達成された。
• 凸最適化を用いて学習された推定効用関数は、個々の住人の好みと快適性と勝利ポイントのトレードオフを正確に反映していた。
• 推定された効用関数を用いたゲームシミュレーションは、実際の住人の行動と非常に近い結果を示し、モデルの予測能力を裏付けた。
• このフレームワークは、HVAC制御やプラグロード制御への拡張も可能であり、照明にとどまらない幅広い応用可能性を示唆している。
• 今後の研究では、スタックルベルクゲームにおけるインセンティブパrameter ρの最適化により、適応的かつリアルタイムのインセンティブ設計によって、さらなる省エネルギー効果が得られると期待される。