論文の概要: PAC: Partial Area Cluster for adjusting the distribution of
transportation platforms in modern cities
- arxiv url: http://arxiv.org/abs/2107.04124v2
- Date: Thu, 29 Jul 2021 14:47:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-23 06:22:13.573030
- Title: PAC: Partial Area Cluster for adjusting the distribution of
transportation platforms in modern cities
- Title(参考訳): PAC:近代都市における交通プラットフォームの流通調整のための部分領域クラスタ
- Authors: Jiaming Pei, Jinhai Li, Jiyuan Xu, Q.Dat Luong
- Abstract要約: 輸送プラットフォームの不合理な分布は、低利用率をもたらす。
パーシャル・エリア・クラスタ(PAC)は、元の分布を変更して更新することで利用を改善することを提案した。
経験から、公共交通機関の利用が20%増加したことが示されている。
- 参考スコア(独自算出の注目度): 0.6423239719448168
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the modern city, the utilization rate of public transportation attached
importance to the efficiency of public traffic. However, the unreasonable
distribution of transportation platforms results in a low utilization rate. In
this paper, we researched and evaluated the distribution of platforms -- bus
and subway -- and proposed a method, called "partial area cluster" (PAC), to
improve the utilization by changing and renewing the original distribution. The
novel method was based on the K-means algorithm in the field of machine
learning. PAC worked to search the suitable bus platforms as the center and
modified the original one to the subway. Experience has shown that the use of
public transport resources has increased by 20%. The study uses a similar
cluster algorithm to solve transport networks' problems in a novel but
practical term. As a result, the PAC is expected to be used extensively in the
transportation system construction process.
- Abstract(参考訳): 現代の都市では、公共交通機関の利用率が公共交通の効率性に重きを置いている。
しかし、輸送プラットフォームの不合理な分布は、低利用率をもたらす。
本稿では,バスと地下鉄のプラットフォーム分布を調査・評価し,元の分布の変更と更新による利用率向上を図るため,PAC (Partial Area Cluster) と呼ばれる手法を提案した。
この手法は機械学習の分野におけるK-meansアルゴリズムに基づいている。
PACは適切なバスプラットフォームをセンターとして検索し、元のプラットフォームを地下鉄に変更した。
経験から、公共交通機関の利用が20%増加したことが示されている。
この研究では、類似のクラスタアルゴリズムを使用して、新しいが実用的な用語でトランスポートネットワークの問題を解決する。
その結果,PACは輸送システム構築プロセスにおいて広く使用されることが期待される。
関連論文リスト
- Federated Learning for Discrete Optimal Transport with Large Population under Incomplete Information [7.004936173632888]
大規模で異質なターゲット集団を扱うために、離散的な最適輸送フレームワークを導入する。
ターゲットの型分布が分かっているシナリオと、それが不明なシナリオの2つに対処する。
未知の分布の場合、最適輸送方式の効率的な計算を可能にするフェデレート学習ベースのアプローチを開発する。
論文 参考訳(メタデータ) (2024-11-12T14:46:31Z) - Generalized Schrödinger Bridge Matching [54.171931505066]
一般化Schr"odinger Bridge (GSB) 問題設定は、機械学習の内外を問わず、多くの科学領域で一般的である。
我々は最近の進歩に触発された新しいマッチングアルゴリズムである一般化シュリンガーブリッジマッチング(GSBM)を提案する。
このような一般化は条件最適制御の解法として、変分近似を用いることができることを示す。
論文 参考訳(メタデータ) (2023-10-03T17:42:11Z) - Short Run Transit Route Planning Decision Support System Using a Deep
Learning-Based Weighted Graph [0.0]
本稿では,公共交通機関の計画立案者が短期間の経路改善を迅速に特定できるような,意思決定支援システムのための新しいディープラーニング手法を提案する。
本手法は,日中の2つの停留所間の経路をシームレスに調整することにより,時間を短縮し,PTサービスを増強する。
本研究では,道路セグメントの遅延値を予測するためのディープラーニングモデルを訓練し,これらの遅延値を輸送グラフのエッジ重みとして利用することにより,効率的な経路探索を実現する。
論文 参考訳(メタデータ) (2023-08-24T14:37:55Z) - Roulette-Wheel Selection-Based PSO Algorithm for Solving the Vehicle
Routing Problem with Time Windows [58.891409372784516]
本稿では,Roulette Wheel Method (RWPSO) を用いた新しいPSO手法を提案する。
RWPSOのSolomon VRPTWベンチマークデータセットを用いた実験は、RWPSOが文学の他の最先端アルゴリズムと競合していることを示している。
論文 参考訳(メタデータ) (2023-06-04T09:18:02Z) - Unsupervised embedding and similarity detection of microregions using
public transport schedules [0.0]
この論文は、公共交通機関の可用性情報をベクトル空間に埋め込む方法を開発した。
欧州48都市から公共交通機関の時刻表が収集された。
公共交通機関に類似した特徴を持つ地域を特定する手法も提案した。
論文 参考訳(メタデータ) (2021-11-03T11:56:48Z) - A Deep Value-network Based Approach for Multi-Driver Order Dispatching [55.36656442934531]
そこで本研究では,注文発送のための深層強化学習に基づくソリューションを提案する。
DiDiの配車プラットフォーム上で大規模なオンラインA/Bテストを実施している。
その結果,CVNetは近年提案されているディスパッチ手法よりも一貫して優れていた。
論文 参考訳(メタデータ) (2021-06-08T16:27:04Z) - 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) - 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) - Vehicular Cooperative Perception Through Action Branching and Federated
Reinforcement Learning [101.64598586454571]
強化学習に基づく車両関連、リソースブロック(RB)割り当て、協調認識メッセージ(CPM)のコンテンツ選択を可能にする新しいフレームワークが提案されている。
車両全体のトレーニングプロセスをスピードアップするために、フェデレーションRLアプローチが導入されます。
その結果、フェデレーションRLはトレーニングプロセスを改善し、非フェデレーションアプローチと同じ時間内により良いポリシーを達成できることが示された。
論文 参考訳(メタデータ) (2020-12-07T02:09:15Z) - Congestion-aware Evacuation Routing using Augmented Reality Devices [96.68280427555808]
複数の目的地間でリアルタイムに個別の避難経路を生成する屋内避難のための渋滞対応ルーティングソリューションを提案する。
建物内の混雑分布をモデル化するために、ユーザエンド拡張現実(AR)デバイスから避難者の位置を集約して、オンザフライで取得した人口密度マップを用いる。
論文 参考訳(メタデータ) (2020-04-25T22:54:35Z) - Large-Scale Optimal Transport via Adversarial Training with
Cycle-Consistency [30.305690062622283]
本稿では,輸送マップを直接解き,一般コスト関数と互換性のある大規模最適輸送のためのエンドツーエンドアプローチを提案する。
提案手法の有効性を実世界の大規模応用に適用し,提案手法の有効性を実証する。
論文 参考訳(メタデータ) (2020-03-14T14:06:46Z)
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。