論文の概要: Simulating and Evaluating Rebalancing Strategies for Dockless Bike-Sharing Systems

• arxiv url: http://arxiv.org/abs/2004.11565v1
• Date: Fri, 24 Apr 2020 07:13:56 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-22 06:22:15.690234
• Title: Simulating and Evaluating Rebalancing Strategies for Dockless Bike-Sharing Systems
• Title（参考訳）: ドックレス自転車シェアリングシステムのリバランス戦略のシミュレーションと評価
• Authors: Damian Barabonkov, Samantha D'Alonzo, Joseph Pierre, Daniel Kondor, Xiaohu Zhang, Mai Anh Tien
• Abstract要約: ドックレスの自転車シェアリングシステムは、ユーザーの柔軟性を高めるために市場に革命をもたらしている。 自転車の再分配は、サービスを改善するための一般的なアプローチであり、ドックベースのシステムの静的および動的再バランス戦略を考慮に入れた広範な研究がある。 本稿では,ドッキングレスシステムにおける様々な自転車配置戦略の効果をモデル化するためのMixed Programフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Following the growth of dock-based bike sharing systems as an eco-friendly solution for transportation in urban areas, Dockless systems are revolutionizing the market for the increased flexibility they offer to users. Bike redistribution is a common approach to improve service, and there exists extensive research considering static and dynamic rebalancing strategies for dock-based systems. We approach the dockless problem by defining abstract stations from trip start and end location frequency. This paper offers an optimizing Mixed Integer Program framework to model the effects of various bike repositioning strategies for dockless systems. We process 30 days worth of Singapore-based dockless bike data from September 2017 to extract trips. Pairing our mixed integer program with a demand model built from the processed data, we unveil trends between fleet size, lost demand, and magnitude of repositioning proper to the repositioning strategy employed. We also show that increasing repositioning potential does not always improve service performance.
• Abstract（参考訳）: 都市における交通のエコフレンドリーなソリューションとしてのドック型自転車シェアリングシステムの成長に伴い、ドックレスシステムは、利用者に提供される柔軟性の向上のために市場を変革している。 自転車の再分配はサービスを改善するための一般的なアプローチであり、ドックベースのシステムの静的および動的リバランス戦略を考慮に入れる広範な研究がある。 ドッキングレス問題に対して,トリップ開始と終端位置の周波数から抽象的ステーションを定義することでアプローチする。 本稿では,ドッキングレスシステムにおける様々な自転車配置戦略の効果をモデル化するための混合整数プログラムフレームワークを提案する。 2017年9月からシンガポールのドックレス自転車データを30日分処理して、旅行を抽出しています。 処理したデータから構築した需要モデルを用いて混合整数プログラムを適用すれば,運用する再配置戦略に適合する艦隊規模,需要の減少,再配置の大きさの傾向が明らかになる。 また,再配置能力の増大は必ずしもサービス性能の向上につながりません。

関連論文リスト

• Evaluating the effects of Data Sparsity on the Link-level Bicycling Volume Estimation: A Graph Convolutional Neural Network Approach [54.84957282120537]
  本稿では,リンクレベルの自転車のボリュームをモデル化するために,グラフ畳み込みネットワークアーキテクチャを利用する最初の研究について述べる。 オーストラリア,メルボルン市全体での年間平均自転車数(AADB)を,Strava Metro の自転車数データを用いて推定した。 以上の結果から,GCNモデルは従来のAADB数予測モデルよりも優れた性能を示した。
  論文  参考訳（メタデータ） (2024-10-11T04:53:18Z)
• Smart Recommendations for Renting Bikes in Bike Sharing Systems [1.5115914900997285]
  自動車シェアリングシステムは近年、大都市で人気が高まっている。 それらの利点の1つは、例えば、市内のほぼどこでも車両を運べる(または出発する)可能性である。 規制緩和の問題 — 使用パターンのため、利用可能な車両は特定のエリアに集中しているが、他の地域では利用できない — は、このようなシステムでは極めて一般的である。 本稿では, 自転車の貸出・返却を希望する利用者に対して, 駅を推薦する戦略を提示し, 比較する。
  論文  参考訳（メタデータ） (2024-01-22T19:29:33Z)
• Predicting Citi Bike Demand Evolution Using Dynamic Graphs [81.12174591442479]
  ニューヨーク市のCiti Bikeデータセットにおける自転車需要予測にグラフニューラルネットワークモデルを適用した。 本稿では,ニューヨーク市のCiti Bikeデータセットにおける自転車需要予測にグラフニューラルネットワークモデルを適用しようとする。
  論文  参考訳（メタデータ） (2022-12-18T21:43:27Z)
• A Cluster-Based Trip Prediction Graph Neural Network Model for Bike Sharing Systems [2.1423963702744597]
  自転車シェアリングシステム(BSS)は革新的な交通サービスとして発展しつつある。 これらのシステムが現在のグローバルな懸念の多くを根絶することにコミットしていることを考えると、BSSの適切な機能を確保することが不可欠である。 ユーザの移行パターンに関する優れた知識は、サービスの品質と運用性に対する決定的な貢献である。
  論文  参考訳（メタデータ） (2022-01-03T15:47:40Z)
• On the Bike Spreading Problem [1.4467794332678539]
  フリーフローティングバイクシェアリングシステム(FFBSS)は、個人が自転車を借りてどこにでも返却できるドックレスレンタルシステムである。 そこで本研究では,自転車のバッチを少数のゾーンに配置し,FFBSSを日常的に使用することで,これらの自転車を広範囲に効率よく普及させることができることを示す。
  論文  参考訳（メタデータ） (2021-07-01T22:14:31Z)
• Value Function is All You Need: A Unified Learning Framework for Ride Hailing Platforms [57.21078336887961]
  DiDi、Uber、Lyftなどの大型配車プラットフォームは、都市内の数万台の車両を1日中数百万の乗車要求に接続している。 両課題に対処するための統合価値に基づく動的学習フレームワーク(V1D3)を提案する。
  論文  参考訳（メタデータ） (2021-05-18T19:22:24Z)
• Dynamic Bicycle Dispatching of Dockless Public Bicycle-sharing Systems using Multi-objective Reinforcement Learning [79.61517670541863]
  ドッキングレスPBS(DL-PBS)に欠かせない動的自転車レンタル需要に基づく効率的な自転車配車ソリューションを実現するためのAIの活用 DL-PBSに最適な自転車ディスパッチソリューションを提供するために、マルチオブジェクト強化学習(MORL-BD)に基づく動的自転車ディスパッチアルゴリズムを提案します。
  論文  参考訳（メタデータ） (2021-01-19T03:09:51Z)
• Dynamic Planning of Bicycle Stations in Dockless Public Bicycle-sharing System Using Gated Graph Neural Network [79.61517670541863]
  Dockless Public Bicycle-share (DL-PBS)ネットワークは多くの国でますます人気が高まっています。 冗長で低電力の駅は、DL-PBSベンダーの公共都市空間とメンテナンスコストを無駄にします。 DL-PBSネットワークに最適な自転車ステーションレイアウトを動的に提供できるよう、BSDP(自転車ステーションダイナミックプランニング)システムを提案します。
  論文  参考訳（メタデータ） (2021-01-19T02:51:12Z)
• Exploiting Interpretable Patterns for Flow Prediction in Dockless Bike Sharing Systems [45.45179250456602]
  本稿では,解釈可能な交通パターンを用いた効率的な自転車フロー予測を実現するための,解釈可能な自転車フロー予測(IBFP)フレームワークを提案する。 都市部をフロー密度に応じて領域に分割することにより、まず、グラフ正規化スパース表現を用いて、各領域間の自転車の流れをモデル化する。 そして,スパース表現を用いたサブスペースクラスタリングを用いて,自転車のフローからトラフィックパターンを抽出し,解釈可能なベース行列を構築する。 最後に、実世界のデータを用いた実験結果から、ドックレス自転車シェアリングシステムにおけるフロー予測におけるIBFP法の利点が示された。
  論文  参考訳（メタデータ） (2020-04-13T05:31:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。