論文の概要: On the Bike Spreading Problem
- arxiv url: http://arxiv.org/abs/2107.00761v1
- Date: Thu, 1 Jul 2021 22:14:31 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-06 03:28:42.004354
- Title: On the Bike Spreading Problem
- Title(参考訳): 自転車の拡がり問題について
- Authors: Elia Costa and Francesco Silvestri
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 1.4467794332678539
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A free-floating bike-sharing system (FFBSS) is a dockless rental system where
an individual can borrow a bike and returns it everywhere, within the service
area. To improve the rental service, available bikes should be distributed over
the entire service area: a customer leaving from any position is then more
likely to find a near bike and then to use the service. Moreover, spreading
bikes among the entire service area increases urban spatial equity since the
benefits of FFBSS are not a prerogative of just a few zones. For guaranteeing
such distribution, the FFBSS operator can use vans to manually relocate bikes,
but it incurs high economic and environmental costs. We propose a novel
approach that exploits the existing bike flows generated by customers to
distribute bikes. More specifically, by envisioning the problem as an Influence
Maximization problem, we show that it is possible to position batches of bikes
on a small number of zones, and then the daily use of FFBSS will efficiently
spread these bikes on a large area. We show that detecting these areas is
NP-complete, but there exists a simple and efficient $1-1/e$ approximation
algorithm; our approach is then evaluated on a dataset of rides from the
free-floating bike-sharing system of the city of Padova.
- Abstract(参考訳): 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、サービスエリア内の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。
レンタルサービスを改善するために、利用可能な自転車はサービスエリア全体に配布されるべきである。
さらに,サービスエリア全体に自転車を普及させることは,FFBSSの利点がほんのわずかのゾーンに比例しないため,都市空間の公平性を高める。
このような流通を保証するため、FFBSSオペレーターは自転車を手動で移動させることができるが、経済的・環境的なコストが高い。
本稿では,顧客が生成した既存の自転車流を利用して自転車を流通する手法を提案する。
より具体的には、影響の最大化問題としてこの問題を想定することにより、少量のゾーンに自転車のバッチを配置することができ、FFBSSの日常使用により、これらの自転車を広範囲に効率的に普及させることができることを示す。
これらの領域の検出はNP完全であることを示すが、単純で効率的な1-1/e$近似アルゴリズムが存在する。
関連論文リスト
- Mining individual daily commuting patterns of dockless bike-sharing users: a two-layer framework integrating spatiotemporal flow clustering and rule-based decision trees [3.420408962606617]
本研究は,フロークラスタリング法と複数ルールに基づく決定木を統合した2層フレームワークを提案する。
このフレームワークの有効性と適用性は、深センで2億回以上のドックレス自転車シェアリング記録によって実証されている。
多くの自転車共有通勤者が都市村や古い町の近くに住んでおり、特に中心部では生活費が低い。
論文 参考訳(メタデータ) (2024-07-13T09:30:51Z) - 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) - The Growth of E-Bike Use: A Machine Learning Approach [57.506876852412034]
アメリカでのEバイクの使用は2022年に15,737.82キログラムのCO2排出量を削減した。
同年、電動自転車利用者は活動を通じて約716,630.727キロカロリーを燃やした。
論文 参考訳(メタデータ) (2023-07-15T03:34:10Z) - FedSpeed: Larger Local Interval, Less Communication Round, and Higher
Generalization Accuracy [84.45004766136663]
フェデレートラーニング(Federated Learning)は、分散機械学習フレームワークである。
これは、局所的不整合最適と局所的過度な適合による頑丈なクライアントドリフトによってもたらされる非消滅バイアスに悩まされる。
本稿では,これらの問題による負の影響を軽減するために,新しい実用的手法であるFedSpeedを提案する。
論文 参考訳(メタデータ) (2023-02-21T03:55:29Z) - 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) - Transfer Learning Approach to Bicycle-sharing Systems' Station Location
Planning using OpenStreetMap Data [4.869953137750582]
本稿では,空間埋め込み手法を用いて,計画の合理化と効率化を図るための新しい手法を提案する。
OpenStreetMapの公開データとヨーロッパの34都市からの駅レイアウトに基づいて、都市をマイクロリージョンに分割する手法が開発されている。
論文 参考訳(メタデータ) (2021-11-01T14:56:49Z) - 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) - Exploring the weather impact on bike sharing usage through a clustering
analysis [7.541020519717183]
本研究の目的は、ワシントンD.C.の自転車利用にどの程度の天気がどんな影響を及ぼすかを調査することである。
ワシントンD.C.では,自転車の利用データと天気データを収集し,k平均クラスタリングアルゴリズムを用いて分析する。
論文 参考訳(メタデータ) (2020-08-17T12:24:37Z) - Simulating and Evaluating Rebalancing Strategies for Dockless
Bike-Sharing Systems [0.0]
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。
論文 参考訳(メタデータ) (2020-04-24T07:13:56Z) - 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。