論文の概要: dFDA-VeD: A Dynamic Future Demand Aware Vehicle Dispatching System
- arxiv url: http://arxiv.org/abs/2106.05737v1
- Date: Thu, 10 Jun 2021 13:40:17 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-11 14:04:38.557074
- Title: dFDA-VeD: A Dynamic Future Demand Aware Vehicle Dispatching System
- Title（参考訳）: dFDA-VeD: ダイナミックな将来需要対応車間通信システム
- Authors: Yang Guo and Tarique Anwar and Jian Yang and Jia Wu
- Abstract要約: 本稿では,動的な将来需要対応型配車システムを提案する。
移動需要と交通条件の両方を考慮して、移転センターを探索することができる。
提案システムでは,サービス提供率を大幅に向上し,運用コストが極めて少ないことが実証された。
- 参考スコア（独自算出の注目度）: 21.17974307683502
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the rising demand of smart mobility, ride-hailing service is getting
popular in the urban regions. These services maintain a system for serving the
incoming trip requests by dispatching available vehicles to the pickup points.
As the process should be socially and economically profitable, the task of
vehicle dispatching is highly challenging, specially due to the time-varying
travel demands and traffic conditions. Due to the uneven distribution of travel
demands, many idle vehicles could be generated during the operation in
different subareas. Most of the existing works on vehicle dispatching system,
designed static relocation centers to relocate idle vehicles. However, as
traffic conditions and demand distribution dynamically change over time, the
static solution can not fit the evolving situations. In this paper, we propose
a dynamic future demand aware vehicle dispatching system. It can dynamically
search the relocation centers considering both travel demand and traffic
conditions. We evaluate the system on real-world dataset, and compare with the
existing state-of-the-art methods in our experiments in terms of several
standard evaluation metrics and operation time. Through our experiments, we
demonstrate that the proposed system significantly improves the serving ratio
and with a very small increase in operation cost.
- Abstract（参考訳）: スマートモビリティの需要が高まる中、ライドシェアサービスは都市部で人気が高まっている。
これらのサービスは、利用可能な車両をピックアップポイントに送付することで、到着した旅行要求をサービスするシステムを維持している。
プロセスは社会的に経済的に利益を上げる必要があるため、特に交通需要や交通状況が厳しいため、配車作業は非常に困難である。
交通需要の不均一な分布のため、異なる地域での運行中に多くのアイドル車両が生産された。
既存の車両派遣システムのほとんどは、アイドル車両の移転のために静的な移転センターを設計した。
しかし、交通条件や需要分布は時間とともに動的に変化するため、静的解は進化する状況に適合しない。
本稿では,動的な将来需要対応型配車システムを提案する。
移動需要と交通条件の両方を考慮して移動センターを動的に探索することができる。
実世界のデータセット上でシステム評価を行い、実験における既存の最先端手法と比較し、いくつかの標準評価指標と運用時間の観点から比較した。
実験により,提案方式は供用率を大幅に改善し,運用コストが極めて小さくなることを示した。
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) - Uncertainty Quantification for Image-based Traffic Prediction across
Cities [63.136794104678025]
不確実量化(UQ)法は確率論的推論を誘導するためのアプローチを提供する。
複数の都市にまたがる大規模画像ベース交通データセットへの適用について検討する。
モスクワ市を事例として,交通行動に対する時間的・空間的影響を考察した。
論文 参考訳（メタデータ） (2023-08-11T13:35:52Z) - Spatial, Social and Data Gaps in On-Demand Mobility Services: Towards a
Supply-Oriented MaaS [3.299672391663527]
10年間のオンデマンドモビリティサービスの後、シェアード・オートモービル(SAV)サービスは交通渋滞を増大させ、輸送サービスへの不平等なアクセスを期待されている。
需要を認識しながらオンデマンドではない定期的な供給のパラダイムが提案されている。
論文 参考訳（メタデータ） (2023-02-20T10:04:41Z) - A Bibliometric Analysis and Review on Reinforcement Learning for
Transportation Applications [43.356096302298056]
交通は経済と都市の発展のバックボーンである。
自律的な意思決定者が複雑な環境と対話できるようにする強化学習(RL)。
本稿では, 交通用RL法の開発状況を明らかにするために, 文献分析を行った。
論文 参考訳（メタデータ） (2022-10-26T07:34:51Z) - An Online Approach to Solve the Dynamic Vehicle Routing Problem with
Stochastic Trip Requests for Paratransit Services [5.649212162857776]
動的車両ルーティング問題(DVRP)を解決するための完全オンライン手法を提案する。
時間的に疎いため、パラトランジットリクエストのバッチ化は困難である。
我々はモンテカルロ木探索を用いて任意の状態に対する行動を評価する。
論文 参考訳（メタデータ） (2022-03-28T22:15:52Z) - Pedestrian Stop and Go Forecasting with Hybrid Feature Fusion [87.77727495366702]
歩行者の立ち止まりと予測の新たな課題を紹介します。
都市交通における歩行者の立ち寄り行動を明示的に研究するためのベンチマークであるTransをリリースする。
歩行者の歩行動作に注釈を付けたいくつかの既存のデータセットから構築し、さまざまなシナリオや行動を実現する。
論文 参考訳（メタデータ） (2022-03-04T18:39:31Z) - 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) - A Queueing-Theoretic Framework for Vehicle Dispatching in Dynamic
Car-Hailing [technical report] [36.31694973019143]
我々は、重要なダイナミックカー配車問題、すなわち、テクティット最大収益車派遣(MRVD)を考える。
既存の機械学習アルゴリズムを用いて、各リージョンの将来の車両需要を予測し、各リージョンの待ち行列モデルを用いてドライバーのアイドルタイムを推定する。
予測された車両要求情報とドライバーのアイドル時間の推定値から,2つのバッチベースの車両配車アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-07-19T07:51:31Z) - 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) - Equilibrium Inverse Reinforcement Learning for Ride-hailing Vehicle
Network [1.599072005190786]
疎結合グラフにおける客車マッチングの問題を定式化する。
マルチエージェント環境における平衡ポリシを導出するアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-02-13T03:18:44Z) - 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)
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。