에이전트 기반 시뮬레이션에서 기계학습을 이용한 미시 시뮬레이션 파리미터 교정 방법 및 장치

Abstract

컴퓨터에 의해 수행되는, 에이전트 기반 시뮬레이션에서 기계학습을 이용한 미시 시뮬레이션 파리미터 교정 방법이 제공된다. 본 개시의 방법은 (a) 복수의 에이전트의 특성 데이터를 포함하며, 시뮬레이션을 통하여 추정하고자 하는 목표 데이터인 동화 대상 데이터를 전처리하여 소정의 데이터 포맷으로 변환하여 밸리데이션(validation) 데이터를 생성하는 단계; (b) 상기 복수의 에이전트가 가지고 있는 특성에 대한 초기 파리미터 세트와 외부 변수를 시뮬레이션에 반영하기 위한 시나리오 데이터를 ABM 입력 데이터로 하여, 에이전트 기반 모델링 및 시뮬레이션(Agent-Based Modeling and Simulation: ABMS)을 수행하여 상기 복수의 에이전트 각각의 에이전트 미시 데이터를 구하고, 상기 에이전트 미시 데이터를 집합(aggregation)하여 에이전트 거시 데이터를 구하는 단계; (c) 상기 복수의 에이전트 각각의 미시 데이터에 대해 미시 군집 분석을 수행하여 적어도 하나의 군집(clustering)을 생성하고 군집 분석을 수행하는 단계; (d) 상기 밸리데이션 데이터와 상기 에이전트 거시 데이터를 비교하여 오차를 분석하는 단계; (e) 상기 오차가 소정의 기준치를 초과하는 경우, (e-1) 상기 오차를 줄이도록 상기 적어도 하나의 군집 각각에 대한 상기 파라미터를 교정하고, 상기 적어도 하나의 군집 각각에 대해 교정 파라미터 세트를 설정하는 단계; (e-2) 상기 복수의 에이전트가 가지고 있는 특성에 대한 교정 초기 파리미터 세트와 상기 시나리오 데이터를 ABM 입력 데이터로 설정하고, 상기 ABM 입력 데이터에 대해 에이전트 기반 모델링 및 시뮬레이션을 수행하여 상기 복수의 에이전트 각각의 에이전트 미시 데이터를 구하고, 상기 에이전트 미시 데이터를 집합하여 에이전트 거시 데이터를 구하는 단계; (e-3) 상기 (d) 단계 및 (e) 단계를 수행하는 단계; (f) 상기 오차가 소정의 기준치 이하인 경우, 상기 교정된 파라미터를 최종 파라미터로 판단하는 단계를 포함할 수 있다.