論文の概要: Understanding the Dynamics of Drivers' Locations for Passengers Pickup Performance: A Case Study

• arxiv url: http://arxiv.org/abs/2009.04108v1
• Date: Wed, 9 Sep 2020 05:07:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-20 12:06:51.505326
• Title: Understanding the Dynamics of Drivers' Locations for Passengers Pickup Performance: A Case Study
• Title（参考訳）: 乗務員のピックアップ性能に関するドライバーの位置のダイナミクスの理解 : ケーススタディ
• Authors: Punit Rathore, Ali Zonoozi, Omid Geramifard, Tan Kian Lee
• Abstract要約: 予約要求時のドライバーと乗客の位置を、ドライバーのピックアップパフォーマンスの文脈で分析する。 また,すべてのトラジェクトリデータを用いることなく,予約要求のタイムリーピックアップを予測する可能性についても検討する。
• 参考スコア（独自算出の注目度）: 2.9478082283896065
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the emergence of e-hailing taxi services, a growing number of scholars have attempted to analyze the taxi trips data to gain insights from drivers' and passengers' flow patterns and understand different dynamics of urban public transportation. Existing studies are limited to passengers' location analysis e.g., pick-up and drop-off points, in the context of maximizing the profits or better managing the resources for service providers. Moreover, taxi drivers' locations at the time of pick-up requests and their pickup performance in the spatial-temporal domain have not been explored. In this paper, we analyze drivers' and passengers' locations at the time of booking request in the context of drivers' pick-up performances. To facilitate our analysis, we implement a modified and extended version of a co-clustering technique, called sco-iVAT, to obtain useful clusters and co-clusters from big relational data, derived from booking records of Grab ride-hailing service in Singapore. We also explored the possibility of predicting timely pickup for a given booking request, without using entire trajectories data. Finally, we devised two scoring mechanisms to compute pickup performance score for all driver candidates for a booking request. These scores could be integrated into a booking assignment model to prioritize top-performing drivers for passenger pickups.
• Abstract（参考訳）: 配車サービスの出現に伴い、タクシー旅行データを分析し、運転者や乗客のフローパターンから洞察を得、都市交通の様々なダイナミクスを理解しようと試みる学者が増えている。 既存の研究は、サービス提供者の利益の最大化やリソース管理の改善という文脈において、乗客の位置分析(ピックアップやドロップオフポイントなど)に限られている。 また、ピックアップ要求時のタクシー運転手の位置や、時空間領域でのピックアップ性能についても検討されていない。 本稿では,予約要求時の運転者および乗客の位置を,運転者のピックアップパフォーマンスの文脈で分析する。 分析を容易にするため,シンガポールのGrab配車サービスの予約記録から得られた大規模リレーショナルデータから,有用なクラスタとクラスタを取得するために,sco-iVATと呼ばれるコクラスタリング手法の修正および拡張版を実装した。 また,すべてのトラジェクトリデータを用いることなく,予約要求のタイムリーピックアップを予測する可能性についても検討した。 最後に,予約要求に対する全てのドライバー候補に対するピックアップ性能スコアを計算するための2つのスコアリング機構を考案した。 これらのスコアは予約の割り当てモデルに統合され、乗客のピックアップに最高パフォーマンスのドライバーを優先することができる。

関連論文リスト

• GPT-Augmented Reinforcement Learning with Intelligent Control for Vehicle Dispatching [82.19172267487998]
  GARLIC: GPT拡張強化学習のフレームワーク。 本稿では,GPT強化強化学習とインテリジェント制御のフレームワークであるGARLICについて紹介する。
  論文  参考訳（メタデータ） (2024-08-19T08:23:38Z)
• DriveCoT: Integrating Chain-of-Thought Reasoning with End-to-End Driving [81.04174379726251]
  本稿では,DriveCoTというエンド・ツー・エンドの運転データセットを総合的に収集する。 センサーデータ、制御決定、および推論プロセスを示すチェーン・オブ・シークレット・ラベルが含まれている。 我々は,私たちのデータセットに基づいてトレーニングされたDriveCoT-Agentと呼ばれるベースラインモデルを提案し,連鎖予測と最終決定を生成する。
  論文  参考訳（メタデータ） (2024-03-25T17:59:01Z)
• Is Ego Status All You Need for Open-Loop End-to-End Autonomous Driving? [84.17711168595311]
  エンドツーエンドの自動運転は、フルスタックの観点から自律性を目標とする、有望な研究の方向性として浮上している。 比較的単純な駆動シナリオを特徴とするnuScenesデータセットは、エンド・ツー・エンド・モデルにおける知覚情報の未使用化につながる。 予測軌跡が道路に付着するかどうかを評価するための新しい指標を提案する。
  論文  参考訳（メタデータ） (2023-12-05T11:32:31Z)
• A Survey on Service Route and Time Prediction in Instant Delivery: Taxonomy, Progress, and Prospects [58.746820564288846]
  Route&Time Prediction (RTP) は、労働者の到着時間だけでなく、将来のサービス経路を推定することを目的としている。 これまで多くのアルゴリズムが開発されてきたが、この領域の研究者を導くための体系的で包括的な調査は行われていない。 提案手法は,2つの基準に基づいて分類される: (i) タスクのタイプ, (i) 時間のみの予測, (ii) シーケンスベースモデルとグラフベースモデルを含むモデルアーキテクチャ, (iii) 教師付き学習(SL) とDeep Reinforcementを含む学習パラダイム。
  論文  参考訳（メタデータ） (2023-09-03T14:43:33Z)
• A Machine-Learned Ranking Algorithm for Dynamic and Personalised Car Pooling Services [7.476901945542385]
  カープールサービスのレコメンデーションシステムであるGoTogetherを提案する。 GoTogetherは、提案された試合の成功率を最大化するために、推奨乗車数のリストを構築している。 提案手法の性能をテストするために,Twitter や Foursquare の情報源から得られた実データを利用する。
  論文  参考訳（メタデータ） (2023-07-06T09:25:38Z)
• Nightly Automobile Claims Prediction from Telematics-Derived Features: A Multilevel Approach [1.6799377888527685]
  本研究は,事故発生直前に発生した旅行の分類を成功させて,その運転者の主張に繋がるリスクの増大期間を特定できるかどうかを検討する。 我々は,事前にクレームを予測できることを示し,さらに,運転者がドライクマイルなどの露出機能を用いてクレームを持つかどうか,計算速度スコアなどの行動特性を用いてトレーニングした者について,XGBoost分類器の受信-演算特性に基づく領域で測定された予測パワーを比較した。
  論文  参考訳（メタデータ） (2022-05-10T01:25:10Z)
• Real-world Ride-hailing Vehicle Repositioning using Deep Reinforcement Learning [52.2663102239029]
  アイドルヘイリングプラットフォーム上での現実世界の車両の深層強化学習と意思決定時間計画に基づく新しい実用的枠組みを提示する。 本手法は,重み付きバッチ学習アルゴリズムを用いて乗車時の状態値関数を学習する。 配車シミュレーション環境におけるベースラインでアルゴリズムをベンチマークし、収益効率の向上における優位性を実証します。
  論文  参考訳（メタデータ） (2021-03-08T05:34:05Z)
• A Distributed Model-Free Ride-Sharing Approach for Joint Matching, Pricing, and Dispatching using Deep Reinforcement Learning [32.0512015286512]
  我々は、動的で需要に敏感で、価格に基づく車両通行者マッチングとルート計画フレームワークを提案する。 我々の枠組みはニューヨーク市税のデータセットを用いて検証されている。 実験の結果,実時間および大規模設定におけるアプローチの有効性が示された。
  論文  参考訳（メタデータ） (2020-10-05T03:13:47Z)
• Balancing Taxi Distribution in A City-Scale Dynamic Ridesharing Service: A Hybrid Solution Based on Demand Learning [0.0]
  本研究では,動的なライドシェアリングサービスにおいて,都市間のタクシー配電のバランスをとる上での課題について検討する。 本稿では,Correlated Pooling が関連ライダーの要求を収集し,Adjacency Ride-Matching が要求学習に基づくタクシーをライダーに割り当て,Greedy Idle Movement が現在利用者が必要な地域への配車なしでタクシーを誘導することを目的としたハイブリッドソリューションを提案する。
  論文  参考訳（メタデータ） (2020-07-27T07:08:02Z)
• PnPNet: End-to-End Perception and Prediction with Tracking in the Loop [82.97006521937101]
  我々は、自動運転車の文脈において、共同認識と運動予測の問題に取り組む。 我々は,入力センサデータとしてエンド・ツー・エンドのモデルであるNetを提案し,各ステップのオブジェクト追跡とその将来レベルを出力する。
  論文  参考訳（メタデータ） (2020-05-29T17:57:25Z)
• Study on Key Technologies of Transit Passengers Travel Pattern Mining and Applications based on Multiple Sources of Data [1.370633147306388]
  本稿では,移動客の移動パターンと行動選好をマイニングするための一連の手法を提案する。 これらの知識を交通システムの調整と最適化に利用しています。
  論文  参考訳（メタデータ） (2020-05-26T22:35:28Z)

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。