論文の概要: Designing Optimal Personalized Incentive for Traffic Routing using BIG Hype algorithm

• arxiv url: http://arxiv.org/abs/2304.12004v1
• Date: Mon, 24 Apr 2023 11:13:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-25 15:13:07.265656
• Title: Designing Optimal Personalized Incentive for Traffic Routing using BIG Hype algorithm
• Title（参考訳）: BIGハイプアルゴリズムを用いた交通ルーティングのための最適パーソナライズインセンティブの設計
• Authors: Panagiotis D. Grontas, Carlo Cenedese, Marta Fochesato, Giuseppe Belgioioso, John Lygeros, Florian D\"orfler
• Abstract要約: 都市レベルでプラグイン型電気自動車と従来型燃料電池を最適にルーティングする問題について検討する。 我々のモデルでは、通勤者は、旅行時間と、市や駐車場、サービスステーションを利用するための金銭的費用を組み合わせた地域費用を、自力で最小化することを目的としている。 我々は、これらの金融インセンティブを大規模バイレベルゲームとして最適に設計する問題を定式化する。
• 参考スコア（独自算出の注目度）: 3.7597202216941783
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study the problem of optimally routing plug-in electric and conventional fuel vehicles on a city level. In our model, commuters selfishly aim to minimize a local cost that combines travel time, from a fixed origin to a desired destination, and the monetary cost of using city facilities, parking or service stations. The traffic authority can influence the commuters' preferred routing choice by means of personalized discounts on parking tickets and on the energy price at service stations. We formalize the problem of designing these monetary incentives optimally as a large-scale bilevel game, where constraints arise at both levels due to the finite capacities of city facilities and incentives budget. Then, we develop an efficient decentralized solution scheme with convergence guarantees based on BIG Hype, a recently-proposed hypergradient-based algorithm for hierarchical games. Finally, we validate our model via numerical simulations over the Anaheim's network, and show that the proposed approach produces sensible results in terms of traffic decongestion and it is able to solve in minutes problems with more than 48000 variables and 110000 constraints.
• Abstract（参考訳）: 都市レベルでプラグイン電気自動車や従来型燃料電池を最適にルーティングする問題について検討する。 本モデルでは, 通勤者は, 所要時間から所望の目的地までの所要時間と, 市役所, 駐車場, サービスステーションを利用する費用を最小化することを目的としている。 交通当局は、パーキングチケットのパーソナライズ割引やサービスステーションのエネルギー価格によって、通勤者の好みの経路選択に影響を与えることができる。 都市施設の有限容量とインセンティブ予算により,両レベルで制約が発生する大規模二段階ゲームとして,これらのインセンティブを最適に設計する問題を定式化する。 そこで我々は,最近提案された階層型ゲームのための高次アルゴリズムであるBIG Hypeに基づく収束保証付き効率的な分散解法を開発した。 最後に, anaheimのネットワーク上での数値シミュレーションによるモデル検証を行い, 提案手法が交通渋滞の観点で合理的な結果をもたらすことを示し, 48000変数以上, 110000制約を満たした数分で解くことができることを示した。

関連論文リスト

• Generalizability of Graph Neural Networks for Decentralized Unlabeled Motion Planning [72.86540018081531]
  ラベルなしの動作計画では、衝突回避を確保しながら、ロボットのセットを目標の場所に割り当てる。 この問題は、探査、監視、輸送などの応用において、マルチロボットシステムにとって不可欠なビルディングブロックを形成している。 この問題に対処するために、各ロボットは、その400ドルのアネレストロボットと$k$アネレストターゲットの位置のみを知っている分散環境で対処する。
  論文  参考訳（メタデータ） (2024-09-29T23:57:25Z)
• A Bi-Objective Approach to Last-Mile Delivery Routing Considering Driver Preferences [42.16665455951525]
  MOVRP(Multi-Objective Vehicle Routing Problem)は、輸送・物流業界における複雑な最適化問題である。 本稿では,運転者の判断や操作者の嗜好を考慮した経路作成を目的としたMOVRPに対する新しいアプローチを提案する。 この目的に対処するための2つのアプローチとして,視覚的に魅力的な経路計画と,同様の経路を計画するための過去の運転行動のデータマイニングを評価した。
  論文  参考訳（メタデータ） (2024-05-25T04:25:00Z)
• Fair collaborative vehicle routing: A deep multi-agent reinforcement learning approach [49.00137468773683]
  協力的な車両ルーティングは、キャリアがそれぞれの輸送要求を共有し、互いに代表して輸送要求を実行することで協力するときに発生する。 従来のゲーム理論解の概念は、特性関数がエージェントの数とともに指数関数的にスケールするので、計算に費用がかかる。 我々は,この問題を,深層マルチエージェント強化学習を用いて解決した連立交渉ゲームとしてモデル化することを提案する。
  論文  参考訳（メタデータ） (2023-10-26T15:42:29Z)
• Movement Penalized Bayesian Optimization with Application to Wind Energy Systems [84.7485307269572]
  文脈ベイズ最適化(CBO)は、与えられた側情報を逐次決定する強力なフレームワークである。 この設定では、学習者は各ラウンドでコンテキスト(天気条件など)を受け取り、アクション(タービンパラメータなど)を選択する必要がある。 標準的なアルゴリズムは、すべてのラウンドで意思決定を切り替えるコストを前提としませんが、多くの実用的なアプリケーションでは、このような変更に関連するコストが最小化されるべきです。
  論文  参考訳（メタデータ） (2022-10-14T20:19:32Z)
• Incentivizing Efficient Equilibria in Traffic Networks with Mixed Autonomy [17.513581783749707]
  車両小隊化は、車両小隊化による道路容量の増加によって交通渋滞を減少させる可能性がある。 我々は、(i)最短経路を選択する人間ドライバーと(ii)相乗りサービスという2つの交通手段を持つ平行道路のネットワークについて検討する。 我々は、混合自律で車両の流れのモデルと、価格と遅延の異なるルート間で自律サービスユーザーがどのように選択するかのモデルを定式化する。
  論文  参考訳（メタデータ） (2021-05-06T03:01:46Z)
• Balancing Fairness and Efficiency in Traffic Routing via Interpolated Traffic Assignment [29.556405472628402]
  補間交通割当問題(英: Interpolated Traffic Assignment Problem, I-TAP)は、公平性促進と効率性向上のための交通割当を補間する凸プログラムである。 輸送ネットワークにおけるI-TAPと最先端アルゴリズムの数値比較について述べる。
  論文  参考訳（メタデータ） (2021-03-31T20:32:52Z)
• End-to-end Interpretable Neural Motion Planner [78.69295676456085]
  複雑な都市環境での自律走行学習のためのニューラルモーションプランナー(NMP)を提案する。 我々は,生lidarデータとhdマップを入力とし,解釈可能な中間表現を生成する全体モデルを設計した。 北米のいくつかの都市で収集された実世界の運転データにおける我々のアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2021-01-17T14:16:12Z)
• 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)
• Real-time and Large-scale Fleet Allocation of Autonomous Taxis: A Case Study in New York Manhattan Island [14.501650948647324]
  従来のモデルは、供給(自動タクシー)と需要(トリップ)の不均衡に対処するために、利用可能な船隊を効率的に割り当てることに失敗した 艦隊配置決定をモデル化するために、制約付きマルチエージェントマルコフ決定プロセス(CMMDP)を用いる。 また、カラム生成アルゴリズムを利用して、大規模に効率性と最適性を保証する。
  論文  参考訳（メタデータ） (2020-09-06T16:00:15Z)
• 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)
• Minimizing Energy Use of Mixed-Fleet Public Transit for Fixed-Route Service [7.2775693810940565]
  本稿では,最適な割り当てとスケジューリングのための整数プログラムを提案し,大規模ネットワークのためのメタヒューリスティックアルゴリズムを提案する。 チャタヌーガにとって、提案されたアルゴリズムはエネルギーコストが145,635ドル、年間576.7トンの二酸化炭素排出量を削減できる。
  論文  参考訳（メタデータ） (2020-04-10T17:45:14Z)

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。