=====ますはし
浦田
p7のMD=M0+UdとしているのはDeC法のことだと思うがこの式を説明してほしい
>M0というのは普通のRLで考えていた接続行列*確定項，次が目的地の場合だけ0になる．目的地dごとにa*aの行列が定義され
UDが何か？
>UDは次がゴールの時だけ，今いるリンクとゴールのリンクの接続関係*確定項，目的地にいくときの確定項だけ外に出している．
p8でUDがDに依存しない，としているがこれは増橋・近藤モデルでは適用可能なのか？この仮定1が一番ポイントだと思うが．個人の相関を考慮できないのはまだしも，目的地に依存しないのは...?
>致命的だと思う．目的地を想定しないで経路を想定するのは実際ないと思う．避難とかだと避難所の属性を考えていく
目的地を与えた時に，最後の計算に目的地固有がないということだからそんなに，リンクだけの効用は入ってるスーパーノードは入っている

増田
一点の吸収ノードみたいのを考えればそんあにおかしくない？

倉澤
ネストに分けると思うがどのように分けるのがいいか？
>実際のNWのなかのリンクの性質は，主要な幹線道路で分断されている？この幹線道路にいってから行くもの．中心部の幹線は中心部，という性質．グループ内でのばらつきは同じだろう．

金田
6-1の式でどのようにネストが表現されている?
>ネストに関わるのはグレーのあみかけの部分，倉澤くんの質問のときに，どの幹線道路から伸びているかによってσを定義していて，その関数としてT(σ)が定義される．qは幹線道路の名前でF(a)qをおく．Fはリンクの移動時間の平均．ネストによってどれくらい移動時間が変わってくるかだと思う

小林
σはなに？
>ばらつきだと思うが．
正規分布の分散のシグマなのか経路のσなのか，パラメータなんですよね

浦田
Mixedの推定対象だから，正規分布の分散
空間ごとに変えている．

倉澤
βはパラメータ？
>p19のβ__は普通のパラメータ,p17のβ1．F(a)T(シグマ)ξ全体がβ2のような感じ．p13のα'はβ1．

浦田
subnetworkごとにsigmaを与えている
同じブロックは同じように混んでいる，みたいな相関

羽藤
結構adhocだよね

羽藤
Mixedで経路そうかんを考慮した既往研究はあるのか
>単純な選択モデルはあるけど，計算が膨大なので，経路選択問題に適用した問題はほとんどない
計算機性能があがっているから，Mixedは強いから，いいのかも．

黛
積分分点が観測経路n間で同じというのはどういうこと？
>どういうふうに分布しているのかをすぱっと切ると思うが，どこで山・谷があらわれるのかが違うと思うがそれのこと？
積分対象が分布をもっているとして，各個人で同じですよ，としているから積分分点を同じとしていいということ？
>色々計算しなくても，みんな同じだから一緒にしていいということだと思う
解決策2と+αの違いは強い仮定をおくことで達成された？
>そう．

小林
各個人で一緒というのは...?

黛
p8の仮定1，想定されている個人がそれぞれの効用関数をもっていると積分をそれぞれにしないといけないけど，全員同じだから．

小林
積分分点とは？

黛
積分区間のきるとこ．

近藤
積分分点とかを考えないといけないのは，解析的にとかないといかないから，ということですよね．

浦田
DeCの仮定として，個人が同じ．積分分点の話はDeCをMixedLogitに適用するときのはなし

羽藤
経路選択はこれでやった方がはやそう，でもアクティビティは無理？

浦田
無理そう，でもスーパーノード型はDeCと同じことだと思うが

羽藤
経路の重複を気にしている人はうちの研究しつで気にしている人はいるの？

小林
土地の持ち方．CNL-RL実際計算していないが

羽藤
避難：同じ混乱区域を抜けていくみたいなことを感じる時は，構造化処理して重複を考えてということをやってもよさそう
近藤さんは考慮しているか？

浦田
大ゾーン中ゾーンみたいのをしているから実際考えるべきだが

羽藤
計画の時は考えるべきだが

望月
誤差相関を考慮するというのは，エリア内の経路を同じと捉えるみたいなことだと思うが，それで精度が上がる，というのが直感的にはわからないのが
赤バス青バスはしっている？
知っているが，これであがる精度が有効なのか?赤バス青バスならば，バスという大きいクラス分類をあてているから検定誤差があがっているだけと思うが
>赤バス青バスみたいな感じで，避難所だったら物資がめっちゃあるでかい避難所，階層を考えるみたいな話がある．避難所のスケールや性質の違い，目的地の性質に関してもAとBはスーパー，CDEは図書館みたいな感じで推定がおかしくなるのを補正できるのでは，と思うが

羽藤
被災地区を抜けていく経路が，100%被災地区のと，最後30%は違う，全部被災してないみたいな3つの経路が本当は0.25,0.25,0.5みたいな感じになるかと思うが，0.3,0.3,0.3になっちゃう？

===望月
先週の質問でp9の(2)式がよくわからない，事後エントロピーのlogの中だけたされるというのがどゆこと？の補足

金田
式がこうなりそう，というのはなんとなくわかった．事後エントロピーを使うというのは，観測から新しくモデルを更新する，みたいなときに同じように使える？それともこのモデル独自のもの？
>観測が与えられて経路流を計算する，というとき2パターン．Yが与えらえた時にdの確率を最大にするか，dという選択をとったときにYが達成する確率を最大にするか．後者は尤度．集計的なモデルだけじゃなくて，3章でシミュレータにたいして　適用することになったときに解として求めやすかったのがエントロピーということなんだと思う
尤度は，Yに予測を近づけるということ？
>解釈としてはそう．Yが生成されるような．
今やってるのは？
>事後確率の計算．組み合わせを最大にする経路交通流が元々のモデル．その経路がえらえる確率を最大かするように拡張．どう確率を計算？Pの導入．集計型の均衡配分とかのモデルを使ってPを作っている．観測Yがえられているという情報があるとき，そのモデル（例えば均衡配分）が一番どういう経路流を生成するかが妥当か．これが事後エントロピーの最大化

>エントロピーの元々の情報幾何で定義されてるのに当てはめているという訳ではない．交通量を達成する選択パターン数を最大化する，というその考えから計算して，となるとあれに帰着できる．
>最初からエントロピーがあってこれに代入しよう，ではなくて，解いていくとエントロピーに帰着できそうだ．このときに確率がえられる場合は，確率をかけても帰着できそう．

金田
選択パターンを最大化するというのがちょっとわからない

浦田
エントロピー最大化という考え方が多分わからないのだろう
羽藤
交通のエントロピーでも，（浦田：物理のえんとろぴー）この資料を読むとわかりそう

>エントロピーモデルとは，経路1に一人，2に二人，3に三人とすると，交通量の状態としては1つだけど，誰がどこに配分されるかもかんがえるとこの中で60状態．
金田
この状態数が一番多くなるようなのが，一番確率としておおきい?
>そう

増橋
粒子がバラバラなのが一番ありえる，ということ．一番ばらつきが最多なときが一番自然で一番ありえるよね，って考え方？ていうのがエントロピー最大化？
>そう

羽藤
経路交通量の推定問題？の論文？
>アクティビティシミュレータの個人のプラン．つまりOD

金田
Yにあうように？
羽藤
観測交通量の制約つき．

羽藤
路側の交通量から尤もらしいOD分布を推定するというはなし．めちゃ便利そう
経路選択をこういうふうにするはずだ，というシステムがあって．エントロピーという概念で考えている

金田
他に何を得て何を推定できるのかがわからない

浦田
交通の問題だと，交通量配分とか

羽藤
交通における問題の種類を整理したら
inputとoutputと目的関数

浦田
この研究自体では路側の交通量を事後確率としてinputしてベイズをつかって立式して，というのが今回のポイント