論文の概要: Large-scale Online Ridesharing: The Effect of Assignment Optimality on System Performance

• arxiv url: http://arxiv.org/abs/2305.02209v1
• Date: Fri, 7 Apr 2023 12:07:06 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-07 15:55:17.884161
• Title: Large-scale Online Ridesharing: The Effect of Assignment Optimality on System Performance
• Title（参考訳）: 大規模オンラインライドシェアリング:配当最適性がシステム性能に及ぼす影響
• Authors: David Fiedler, Michal \v{C}ertick\'y, Javier Alonso-Mora, Michal P\v{e}chou\v{c}ek and Michal \v{C}\'ap
• Abstract要約: モビリティ・オン・デマンド(モビリティ・オン・デマンド、MoD)は、ワンウェイ・ポイント・ツー・ポイント・トリップ用に配車できる車両群である。 車両によって駆動される総距離と艦隊規模は、複数の乗客を1台の車両に割り当てることによって、乗用シェアリングを利用することで低減することができる。 本稿では,最近提案された配車方式であるVGA法を用いて,MoDシステムにおける最適乗用車割り当てを計算する方法について述べる。
• 参考スコア（独自算出の注目度）: 7.610468170542387
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mobility-on-demand (MoD) systems consist of a fleet of shared vehicles that can be hailed for one-way point-to-point trips. The total distance driven by the vehicles and the fleet size can be reduced by employing ridesharing, i.e., by assigning multiple passengers to one vehicle. However, finding the optimal passenger-vehicle assignment in an MoD system is a hard combinatorial problem. In this work, we demonstrate how the VGA method, a recently proposed systematic method for ridesharing, can be used to compute the optimal passenger-vehicle assignments and corresponding vehicle routes in a massive-scale MoD system. In contrast to existing works, we solve all passenger-vehicle assignment problems to optimality, regularly dealing with instances containing thousands of vehicles and passengers. Moreover, to examine the impact of using optimal ridesharing assignments, we compare the performance of an MoD system that uses optimal assignments against an MoD system that uses assignments computed using insertion heuristic and against an MoD system that uses no ridesharing. We found that the system that uses optimal ridesharing assignments subject to the maximum travel delay of 4 minutes reduces the vehicle distance driven by 57 % compared to an MoD system without ridesharing. Furthermore, we found that the optimal assignments result in a 20 % reduction in vehicle distance driven and 5 % lower average passenger travel delay compared to a system that uses insertion heuristic.
• Abstract（参考訳）: モビリティ・オン・デマンド(mod: mobility-on-demand)システムは、一方向のポイントツーポイント旅行に利用できる共有車両群で構成される。 車両によって駆動される総距離と車両サイズは、ライドシェアリング、すなわち複数の乗客を1台の車両に割り当てることで削減できる。 しかし、MoDシステムにおける最適乗用車配置の発見は難しい組合せ問題である。 本研究では,最近提案されている配車システムの体系的手法であるvga法を,大規模modシステムにおける最適な乗用車割当と対応する車両経路の計算に活用できることを実証する。 既存の作業とは対照的に、何千もの車両や乗客を含む事例を定期的に扱いながら、全ての乗客と車両の割り当て問題を最適に解決する。 さらに、最適な配車代行を用いた場合の影響を検討するために、挿入ヒューリスティックを用いて計算した代入を用いたMoDシステムと、配車しないMoDシステムとの最適代入を用いたMoDシステムの性能を比較した。 その結果,最大走行遅延4分以内の最適配車方式を用いるシステムでは,配車不要のMoDシステムと比較して,車間距離が57パーセント減少することがわかった。 さらに, 車両走行距離を20%削減し, 平均走行遅延率を5%低減させることが, 挿入ヒューリスティックを用いたシステムと比較して得られた。

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)
• FastRLAP: A System for Learning High-Speed Driving via Deep RL and Autonomous Practicing [71.76084256567599]
  本稿では、自律型小型RCカーを強化学習(RL)を用いた視覚的観察から積極的に駆動するシステムを提案する。 我々のシステムであるFastRLAP (faster lap)は、人間の介入なしに、シミュレーションや専門家によるデモンストレーションを必要とせず、現実世界で自律的に訓練する。 結果として得られたポリシーは、タイミングブレーキや回転の加速度などの突発的な運転スキルを示し、ロボットの動きを妨げる領域を避け、トレーニングの途中で同様の1対1のインタフェースを使用して人間のドライバーのパフォーマンスにアプローチする。
  論文  参考訳（メタデータ） (2023-04-19T17:33:47Z)
• A greedy approach for increased vehicle utilization in ridesharing networks [0.3480973072524161]
  ライドシェアリングプラットフォームは 都市部の住民にとって 顕著な交通手段になっています 道路網全体からウィンドウへの探索空間を削減できるk-hopベースのスライディングウインドウ近似アルゴリズムを提案する。 実世界のデータセット上で提案したモデルを評価し,実験結果から提案モデルによる優れた性能を示す。
  論文  参考訳（メタデータ） (2023-04-02T07:25:01Z)
• Dial-a-ride problem with modular platooning and en-route transfers [0.0]
  このような技術で需要に敏感な輸送車両群は、乗客をドアからドアへ向かわせたり、小隊同士を低コストで移動させたりすることができる。 混合整数線形プログラミング(MILP)モデルは、この「モジュラーダイアル・ア・ライド問題」を解決するために定式化される。 MDARPの正確な解間の最適性ギャップと計算時間を評価するために, 小型合成数値実験のセットを試験した。
  論文  参考訳（メタデータ） (2022-12-01T05:29:46Z)
• Unified Automatic Control of Vehicular Systems with Reinforcement Learning [64.63619662693068]
  本稿では,車載マイクロシミュレーションの合理化手法について述べる。 最小限の手動設計で高性能な制御戦略を発見する。 この研究は、波動緩和、交通信号、ランプ計測に類似した多くの創発的挙動を明らかにしている。
  論文  参考訳（メタデータ） (2022-07-30T16:23:45Z)
• 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 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)
• A multi-objective optimization framework for on-line ridesharing systems [6.247570729758392]
  本稿では,生物地理学に基づく最適化を利用して,オンラインライドシェアリングにおける多目的最適化問題を解くアルゴリズムを提案する。 北京のライドシェアリングデータセットで性能を評価することで,本アルゴリズムを検証した。
  論文  参考訳（メタデータ） (2020-12-07T16:25:39Z)
• 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)
• PassGoodPool: Joint Passengers and Goods Fleet Management with Reinforcement Learning aided Pricing, Matching, and Route Planning [29.73314892749729]
  本稿では,商品と旅客輸送を組み合わせた需要対応型艦隊管理フレームワークを提案する。 提案手法は,分散システムの成長に伴う計算コストを最小限に抑えるため,各車両内で独立して展開可能である。
  論文  参考訳（メタデータ） (2020-11-17T23:15:03Z)
• The Benefits of Autonomous Vehicles for Community-Based Trip Sharing [20.51380943801894]
  この研究はHasanらによって提案されたコミュニティベースの旅行共有の概念を再考する。 自動運転車のメリットを、コミュニティベースの旅行共有に定量化することを目的としている。 最適化の結果は、自動運転車を利用して1日あたりの車両使用量を92%削減し、元の通勤トリップシェアリング問題の結果を34%改善し、また1日あたりの走行距離を約30%削減できることを示している。
  論文  参考訳（メタデータ） (2020-08-28T18:12:13Z)

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。