論文の概要: Polestar: An Intelligent, Efficient and National-Wide Public Transportation Routing Engine

• arxiv url: http://arxiv.org/abs/2007.07195v1
• Date: Sat, 11 Jul 2020 05:14:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-11 12:50:44.597111
• Title: Polestar: An Intelligent, Efficient and National-Wide Public Transportation Routing Engine
• Title（参考訳）: Polestar: インテリジェントで効率的で全国的な公共交通機関のルーティングエンジン
• Authors: Hao Liu, Ying Li, Yanjie Fu, Huaibo Mei, Jingbo Zhou, Xu Ma, Hui Xiong
• Abstract要約: Polestarは、インテリジェントで効率的な公共交通機関ルーティングのためのデータ駆動型エンジンである。 具体的には,交通費の異なる公共交通機関をモデル化するための新しい公共交通グラフ(PTG)を提案する。 次に、効率的な経路候補生成のための効率的な局結合法と組み合わせた一般経路探索アルゴリズムを提案する。 2つの実世界のデータセットの実験は、効率性と有効性の両方の観点からPoestarの利点を実証している。
• 参考スコア（独自算出の注目度）: 43.09401975244128
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Public transportation plays a critical role in people's daily life. It has been proven that public transportation is more environmentally sustainable, efficient, and economical than any other forms of travel. However, due to the increasing expansion of transportation networks and more complex travel situations, people are having difficulties in efficiently finding the most preferred route from one place to another through public transportation systems. To this end, in this paper, we present Polestar, a data-driven engine for intelligent and efficient public transportation routing. Specifically, we first propose a novel Public Transportation Graph (PTG) to model public transportation system in terms of various travel costs, such as time or distance. Then, we introduce a general route search algorithm coupled with an efficient station binding method for efficient route candidate generation. After that, we propose a two-pass route candidate ranking module to capture user preferences under dynamic travel situations. Finally, experiments on two real-world data sets demonstrate the advantages of Polestar in terms of both efficiency and effectiveness. Indeed, in early 2019, Polestar has been deployed on Baidu Maps, one of the world's largest map services. To date, Polestar is servicing over 330 cities, answers over a hundred millions of queries each day, and achieves substantial improvement of user click ratio.
• Abstract（参考訳）: 公共交通機関は人々の日常生活において重要な役割を果たす。 公共交通は、他のどの形態よりも環境的に持続可能、効率的、経済的であることが証明されている。 しかし、交通網の拡大や交通状況の複雑化などにより、公共交通機関を通じて最優先の経路を効率的に見つけることが困難になっている。 そこで,本稿では,インテリジェントで効率的な公共交通経路のためのデータ駆動エンジン polestar を提案する。 具体的には、まず、時間や距離といった様々な交通費の観点から公共交通システムのモデル化を行う新しい公共交通グラフ(ptg)を提案する。 次に,効率的な経路候補生成のための効率的な駅結合法を組み合わせた一般経路探索アルゴリズムを提案する。 その後,動的な移動状況下でユーザの嗜好をキャプチャする2パス経路候補ランキングモジュールを提案する。 最後に、2つの実世界のデータセットに対する実験は、効率性と有効性の両方の観点から、Poestarの利点を示す。 実際、2019年初頭に、世界最大の地図サービスのひとつであるbaidu mapsにpolestarがデプロイされた。 Polestarはこれまでに330以上の都市にサービスを提供しており、毎日1億以上のクエリに回答し、ユーザークリック率を大幅に改善している。

関連論文リスト

• Trip Planning for Autonomous Vehicles with Wireless Data Transfer Needs Using Reinforcement Learning [7.23389716633927]
  車両データ転送要求を満たすために,高帯域道路を優先する新しい強化学習ソリューションを提案する。 我々は、この手法をトラフィックを意識しないベースラインや帯域幅を意識しないベースラインと比較し、不均一なトラフィック下での処理性能を示す。
  論文  参考訳（メタデータ） (2023-09-21T23:19:16Z)
• Clairvoyance: Intelligent Route Planning for Electric Buses Based on Urban Big Data [23.316569763678455]
  本稿では,深層ニューラルネットワークと多層パーセプトロンを利用した経路計画システムであるClairvoyanceを提案する。 我々は,中国周海市における実世界のデータソースに関する広範な実験を通じて,我々のアプローチを評価した。
  論文  参考訳（メタデータ） (2021-12-09T03:35:22Z)
• The ubiquitous efficiency of going further: how street networks affect travel speed [0.0]
  道路交通標識による道路の減速点のパターンが自動車から発生する軌跡に与える影響を理解するため,世界中の200以上の都市を対象に調査を行った。 都市内における最適軌跡の時間と距離の間には, ユビキタスな非線形関係があることを実証する。
  論文  参考訳（メタデータ） (2021-11-15T14:38:06Z)
• An Experimental Urban Case Study with Various Data Sources and a Model for Traffic Estimation [65.28133251370055]
  我々はスイスのチューリッヒの都市ネットワーク内の地域でビデオ計測による実験キャンペーンを組織した。 我々は,既存のサーマルカメラからの測定を確実にすることで,交通の流れや走行時間の観点からの交通状況の把握に注力する。 本稿では,様々なデータソースの融合による移動時間を推定するために,単純かつ効率的な多重線形回帰(MLR)モデルを提案する。
  論文  参考訳（メタデータ） (2021-08-02T08:13:57Z)
• 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)
• The 5th AI City Challenge [51.83023045451549]
  第5回AIシティチャレンジには38カ国305チームが参加した。 アルゴリズムの有効性と計算効率の両面で評価を行った。 結果は、スマートトランスポーテーションにおけるAIの約束を示している。
  論文  参考訳（メタデータ） (2021-04-25T19:15:27Z)
• Unavailable Transit Feed Specification: Making it Available with Recurrent Neural Networks [8.968417883198374]
  一般論として、公共交通機関の需要は、使用を拒む声が高まり、その品質が要求される。 本稿では,データマイニングと機械学習技術を活用した革新的な手法を用いて,公共交通機関に関する利用できないデータの利用を目標とする。
  論文  参考訳（メタデータ） (2021-02-20T12:17:20Z)
• End-to-end Interpretable Neural Motion Planner [78.69295676456085]
  複雑な都市環境での自律走行学習のためのニューラルモーションプランナー(NMP)を提案する。 我々は,生lidarデータとhdマップを入力とし,解釈可能な中間表現を生成する全体モデルを設計した。 北米のいくつかの都市で収集された実世界の運転データにおける我々のアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2021-01-17T14:16:12Z)
• Passive Wi-Fi Monitoring in Public Transport: A case study in the Madeira Island [3.7798600249187295]
  我々は、受動的Wi-Fiデータを用いて、19の公共交通機関に配備される組込みシステムを開発した。 このデータは車種別および車種別で分析され、地上の真実データ(チケット)と比較される。 このデータによってルートの最適化が可能であり、地域当局や観光委員会にルートと交通の管理を監視・最適化するためのツールを提供する、と我々は主張する。
  論文  参考訳（メタデータ） (2020-06-29T14:35:58Z)
• Smart Urban Mobility: When Mobility Systems Meet Smart Data [55.456196356335745]
  都市人口は都市部で約25億人に達し、道路交通量は2050年までに12億台を超えた。 輸送部門の経済貢献は欧州のGDPの5%を占め、アメリカでは平均482.05億ドルの費用がかかる。
  論文  参考訳（メタデータ） (2020-05-09T13:53:01Z)

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。