大規模言語モデル駆動の都市交通シミュレーション基盤

本プロジェクトは、JST（科学技術振興機構）戦略的創造研究推進事業 さきがけ「文理融合による人と社会の変革基盤技術の共創」領域において採択された研究課題です。

都市では、通勤・通学、観光、買い物、イベント参加など、さまざまな目的を持つ人々が日々移動しています。こうした人の流れ（人流）は、道路や公共交通の混雑、店舗や観光地のにぎわい、さらには安全確保や災害時の避難にも影響します。そのため自治体や交通事業者、都市計画の現場では、「もし施策を変えたら街の動きはどう変わるか」を事前に検討するための手段として、交通・人流シミュレーションが活用されてきました。

シミュレーションの価値は、単に混雑の大小を予測するだけでなく、ダイヤ改正や道路設計、イベント運営、情報提示（案内や誘導）の工夫など、複数の選択肢を仮想的に試し、意思決定を支援できる点にあります。現実の都市では大規模な実験が難しいからこそ、シミュレーションは「現実に手を入れる前に検討する」ための重要な基盤になります。

一方で、シミュレーションの精度を左右するのは、結局のところ「人がどう意思決定して動くか」をどこまで現実に近く表現できるかです。従来の交通・人流シミュレーションでは、人の行動を事前に定義したルールや統計的な分布に基づいてモデル化することが一般的でした。 しかし実際の移動は、天候、混雑の見え方、同行者、土地勘、予定変更、SNSや口コミ情報など、状況（文脈）に強く影響されます。同じ人でも「今日は急ぐ」「混んでいそうだから経路を変える」「ついでに寄り道する」といった判断をします。こうした“文脈に応じた意思決定”は、固定ルールや平均的な分布だけでは表しきれず、結果として「なぜその動きが起きたのか」を説明しにくい、という課題につながります。

本プロジェクト（JST 戦略的創造研究推進事業 さきがけ採択課題）では、大規模言語モデル（LLM）が持つ高度な推論能力と世界知識を活用し、都市における人間行動をより深く理解・再現するシミュレーション基盤の構築を目指します。LLMなどの基盤モデルを人間行動のモデルとして導入し、文脈や状況に応じた柔軟な意思決定の再現に取り組みます。さらに、人流センシングなどから得られる実世界データと、LLMによる行動意図の推論を融合することで、観測された移動パターンの背後にある意図や目的を理解する枠組みの構築を目指しています。