Generative Agents for High-Fidelity Simulation of Community-Scale Mobility and Energy Behavior

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Novel integration of LLMs with agent-based modeling for socio-technical simulation, offering a scalable method for studying human behavior in energy transitions.

🏢実務担当者:Can use the framework to simulate community responses to new mobility services or energy policies, aiding investment and operational decisions.

🏛政策担当者:Provides a tool to ex-ante evaluate the socio-economic impacts of transportation and energy policies, reducing uncertainty in policy design.

持続可能なモビリティとエネルギーシステムへの移行は複雑な社会技術的課題を表しており、新技術や政策の成功は人間の行動との相互作用に決定的に依存している。従来のモデルは、モビリティ選択やエネルギー使用における個人の意思決定の微妙で、異質で、適応的な特性を捉えるのにしばしば苦労し、それによってシステム設計や政策評価に重大な不確実性をもたらしている。本論文は、このギャップを埋める新しいパラダイム、すなわち階層的生成エージェントベースシミュレーションフレームワーク（HGA-Sim）を提示する。このフレームワークの中核的な革新は2つある：1) 大規模言語モデルを利用して、固有の性格特性を自律的に備えたエージェントを生成し、環境刺激や個人的経験に対する多様で人間らしい応答の現実的なシミュレーションを可能にする。2) 階層的な「アーキタイプ-個人」アーキテクチャを採用し、大規模なコミュニティシミュレーションを計算的に実行可能にする。495エージェントのコミュニティのケーススタディを通じて検証されたHGA-Simフレームワークは、重要なピーク負荷や時間的ダイナミクスを含む、集計されたモビリティおよびエネルギー消費パターンを正確に再現する。これは、二乗平均平方根誤差0.1983で実世界データに対する顕著な忠実性を示す。ヒューマン・イン・ザ・ループの仮想テスト環境を確立することにより、この研究は、持続可能なモビリティ設計の実世界での実現可能性を評価し、新しい交通・エネルギー政策の潜在的な社会経済的影響を評価し、将来の持続可能なインフラへの投資に関連するリスクを軽減するための基礎的ツールを提供する。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

<div class="section abstract"><div class="htmlview paragraph">The transition to sustainable mobility and energy systems represents a complex socio-technical challenge, with the success of new technologies and policies critically dependent on their interaction with human behavior. Traditional models frequently struggle to capture the nuanced, heterogeneous, and adaptive characteristics of individual decision-making in mobility choices and energy usage, thereby introducing significant uncertainties into system design and policy evaluation. This paper presents a novel paradigm to bridge this gap: the Hierarchical Generative Agent-based Simulation Framework (HGA-Sim). The framework's core innovations are twofold: 1) It utilizes Large Language Models to generate agents endowed with intrinsic personality traits autonomously, enabling a realistic simulation of diverse, human-like responses to environmental stimuli and personal experiences. 2) It employs a hierarchical "Archetype -Individual" architecture, rendering large-scale community simulations computationally feasible. Validated through a case study of a 495-agent community, the HGA-Sim framework accurately reproduces aggregate mobility and energy consumption patterns, including critical peak loads and temporal dynamics. It demonstrates remarkable fidelity to real-world data with a Root Mean Square Error of 0.1983. By establishing a human-in-the-loop virtual testing environment, this research provides a foundational tool for evaluating the real-world viability of sustainable mobility designs, assessing the potential socioeconomic impacts of new transportation and energy policies, and mitigating risks associated with investments in future sustainable infrastructure.</div></div>

• openalex https://doi.org/10.4271/2026-01-0465first seen 2026-05-17 06:58:01 · last seen 2026-05-22 04:46:16