論文の概要: Dynamic Bicycle Dispatching of Dockless Public Bicycle-sharing Systems
using Multi-objective Reinforcement Learning
- arxiv url: http://arxiv.org/abs/2101.07437v1
- Date: Tue, 19 Jan 2021 03:09:51 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-22 11:31:54.422839
- Title: Dynamic Bicycle Dispatching of Dockless Public Bicycle-sharing Systems
using Multi-objective Reinforcement Learning
- Title(参考訳): 多目的強化学習によるドックレス自転車シェアリングシステムの動的自転車派遣
- Authors: Jianguo Chen and Kenli Li and Keqin Li and Philip S. Yu and Zeng Zeng
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 79.61517670541863
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As a new generation of Public Bicycle-sharing Systems (PBS), the dockless PBS
(DL-PBS) is an important application of cyber-physical systems and intelligent
transportation. How to use AI to provide efficient bicycle dispatching
solutions based on dynamic bicycle rental demand is an essential issue for
DL-PBS. In this paper, we propose a dynamic bicycle dispatching algorithm based
on multi-objective reinforcement learning (MORL-BD) to provide the optimal
bicycle dispatching solution for DL-PBS. We model the DL-PBS system from the
perspective of CPS and use deep learning to predict the layout of bicycle
parking spots and the dynamic demand of bicycle dispatching. We define the
multi-route bicycle dispatching problem as a multi-objective optimization
problem by considering the optimization objectives of dispatching costs,
dispatch truck's initial load, workload balance among the trucks, and the
dynamic balance of bicycle supply and demand. On this basis, the collaborative
multi-route bicycle dispatching problem among multiple dispatch trucks is
modeled as a multi-agent MORL model. All dispatch paths between parking spots
are defined as state spaces, and the reciprocal of dispatching costs is defined
as a reward. Each dispatch truck is equipped with an agent to learn the optimal
dispatch path in the dynamic DL-PBS network. We create an elite list to store
the Pareto optimal solutions of bicycle dispatch paths found in each action,
and finally, get the Pareto frontier. Experimental results on the actual DL-PBS
systems show that compared with existing methods, MORL-BD can find a higher
quality Pareto frontier with less execution time.
- Abstract(参考訳): 次世代の公共自転車共有システム(PBS)として、ドックレスPBS(DL-PBS)はサイバー物理システムとインテリジェント輸送の重要な応用である。
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としてAIをどのように活用するかは,DL-PBSにとって重要な課題である。
本稿では,多目的強化学習(MORL-BD)に基づく動的自転車派遣アルゴリズムを提案する。
我々は,cpsの観点からdl-pbsシステムをモデル化し,ディープラーニングを用いて自転車パーキングスポットの配置と自転車派遣の動的需要を予測する。
本研究では, 配車コストの最適化, 配車場の初期負荷, トラック間の負荷バランス, 自転車の供給と需要の動的バランスを考慮し, 多経路自転車配車問題を多目的最適化問題として定義する。
これにより、複数のディスパッチトラック間の協調型多ルート自転車派遣問題は、マルチエージェントモールモデルとしてモデル化される。
駐車場間のディスパッチパスはすべて状態空間として定義され、ディスパッチコストの相反は報酬として定義される。
各ディスパッチトラックは、動的DL-PBSネットワークにおいて最適なディスパッチパスを学習するエージェントを備える。
私たちは、各アクションで見つかった自転車配車経路のパレート最適解を保存するためのエリートリストを作成し、最後にパレートフロンティアを得る。
実際のDL-PBSシステムの実験結果から,MORL-BDは既存の手法と比較して,実行時間が少なくて高品質なParetoフロンティアを見出すことができた。
関連論文リスト
- Multi-agent Path Finding for Mixed Autonomy Traffic Coordination [7.857093164418706]
CAV操作に対するHDV応答を予測するための行動予測キネマティック・プライオリティ・ベース・サーチ(BK-PBS)を提案する。
我々の研究は、マルチヒューマン・マルチロボット協調の多くのシナリオに直接当てはまる。
論文 参考訳(メタデータ) (2024-09-05T19:37:01Z) - Path Following and Stabilisation of a Bicycle Model using a Reinforcement Learning Approach [0.0]
この研究は、仮想自転車モデルで経路追従を行うためのRLアプローチを導入し、同時に横に安定化させる。
ステアリング角度を出力することによって、自転車モデルの経路追従と安定化を両立させる。
デプロイされたエージェントの性能は、異なる種類のパスと測定値を用いて評価される。
論文 参考訳(メタデータ) (2024-07-24T10:54:23Z) - 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) - Bike Sharing Demand Prediction based on Knowledge Sharing across Modes:
A Graph-based Deep Learning Approach [8.695763084463055]
本研究では,自転車共有需要予測(B-MRGNN)のためのグラフに基づくディープラーニング手法を提案する。
マルチリレーショナルグラフニューラルネットワーク(MRGNN)を導入し、モード間の空間単位間の相関を捉える。
実験はニューヨーク市の実際の自転車シェアリング、地下鉄、ライドシェアリングのデータを用いて行われた。
論文 参考訳(メタデータ) (2022-03-18T06:10:17Z) - On the Role of Multi-Objective Optimization to the Transit Network
Design Problem [0.7734726150561088]
この研究は、トランジットネットワーク設計問題(TNDP)により良い回答をするために、単目的と多目的のスタンスを相乗的に組み合わせることができることを示している。
ポルトガルのリスボン市におけるマルチモーダル公共交通ネットワークにおいて,本手法を適用した。
提案されたTNDP最適化は、目標関数を最大28.3%削減することで、結果を改善することを実証した。
論文 参考訳(メタデータ) (2022-01-27T16:22:07Z) - Optimal transport in multilayer networks [68.8204255655161]
本稿では,各層上の最適フローが,コストの最小化に寄与するモデルを提案する。
アプリケーションとして,各層が異なる輸送システムに関連付けられている交通ネットワークを考察する。
この結果の例をボルドー市とバスと路面電車の2層ネットワークで示し、ある状況下では路面電車網の存在が道路網の交通を著しく覆い隠している。
論文 参考訳(メタデータ) (2021-06-14T07:33:09Z) - 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 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) - Multi-Agent Routing Value Iteration Network [88.38796921838203]
疎結合グラフの学習値に基づいてマルチエージェントルーティングを行うことができるグラフニューラルネットワークに基づくモデルを提案する。
最大25ノードのグラフ上で2つのエージェントでトレーニングしたモデルでは,より多くのエージェントやノードを持つ状況に容易に一般化できることが示されている。
論文 参考訳(メタデータ) (2020-07-09T22:16:45Z)
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。