論文の概要: A Survey on Service Route and Time Prediction in Instant Delivery:
Taxonomy, Progress, and Prospects
- arxiv url: http://arxiv.org/abs/2309.01194v1
- Date: Sun, 3 Sep 2023 14:43:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-06 20:53:05.407979
- Title: A Survey on Service Route and Time Prediction in Instant Delivery:
Taxonomy, Progress, and Prospects
- Title（参考訳）: インスタントデリバリーにおけるサービス経路と時間予測に関する調査:分類学,進歩,展望
- Authors: Haomin Wen, Youfang Lin, Lixia Wu, Xiaowei Mao, Tianyue Cai, Yunfeng
Hou, Shengnan Guo, Yuxuan Liang, Guangyin Jin, Yiji Zhao, Roger Zimmermann,
Jieping Ye, Huaiyu Wan
- Abstract要約: Route&Time Prediction (RTP) は、労働者の到着時間だけでなく、将来のサービス経路を推定することを目的としている。
これまで多くのアルゴリズムが開発されてきたが、この領域の研究者を導くための体系的で包括的な調査は行われていない。
提案手法は,2つの基準に基づいて分類される: (i) タスクのタイプ, (i) 時間のみの予測, (ii) シーケンスベースモデルとグラフベースモデルを含むモデルアーキテクチャ, (iii) 教師付き学習(SL) とDeep Reinforcementを含む学習パラダイム。
- 参考スコア（独自算出の注目度）: 58.746820564288846
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Instant delivery services, such as food delivery and package delivery, have
achieved explosive growth in recent years by providing customers with
daily-life convenience. An emerging research area within these services is
service Route\&Time Prediction (RTP), which aims to estimate the future service
route as well as the arrival time of a given worker. As one of the most crucial
tasks in those service platforms, RTP stands central to enhancing user
satisfaction and trimming operational expenditures on these platforms. Despite
a plethora of algorithms developed to date, there is no systematic,
comprehensive survey to guide researchers in this domain. To fill this gap, our
work presents the first comprehensive survey that methodically categorizes
recent advances in service route and time prediction. We start by defining the
RTP challenge and then delve into the metrics that are often employed.
Following that, we scrutinize the existing RTP methodologies, presenting a
novel taxonomy of them. We categorize these methods based on three criteria:
(i) type of task, subdivided into only-route prediction, only-time prediction,
and joint route\&time prediction; (ii) model architecture, which encompasses
sequence-based and graph-based models; and (iii) learning paradigm, including
Supervised Learning (SL) and Deep Reinforcement Learning (DRL). Conclusively,
we highlight the limitations of current research and suggest prospective
avenues. We believe that the taxonomy, progress, and prospects introduced in
this paper can significantly promote the development of this field.
- Abstract（参考訳）: 食品の配達や宅配といったインスタントデリバリーサービスは,近年,消費者に日常の便宜を提供して爆発的な成長を遂げている。
これらのサービス内の新たな研究領域は、サービスルート予測(RTP)であり、これは、ある労働者の到着時間だけでなく、将来のサービスルートを見積もることを目的としている。
これらのサービスプラットフォームで最も重要なタスクの1つとして、rtpはユーザー満足度の向上とこれらのプラットフォームでの運用支出の削減の中心である。
これまで多くのアルゴリズムが開発されてきたが、この領域の研究者をガイドするための体系的で包括的な調査は行われていない。
このギャップを埋めるため,我々の研究は,サービス経路と時間予測の最近の進歩を体系的に分類した,最初の包括的な調査を行う。
最初はrtpの課題を定義し、しばしば採用されるメトリクスを掘り下げることから始めます。
その後、既存のRTP方法論を精査し、その新しい分類法を提示する。
これらを3つの基準に基づいて分類する。
(i)経路のみの予測、時間のみの予測及び経路の合同の予測に区分されたタスクの種類
(ii)シーケンスベースおよびグラフベースモデルを含むモデルアーキテクチャ、及び
(3) 監視学習(SL)や深層強化学習(DRL)を含む学習パラダイム。
結論として,現在の研究の限界を強調し,今後の課題を提案する。
我々は,本論文で導入された分類学,進歩,展望が,この分野の発展を著しく促進できると信じている。
関連論文リスト
- Human Action Anticipation: A Survey [86.415721659234]
行動予測に関する文献は、行動予測、活動予測、意図予測、目標予測など、様々なタスクにまたがる。
我々の調査は、この断片化された文献を結びつけることを目的としており、最近の技術革新とモデルトレーニングと評価のための新しい大規模データセットの開発をカバーしています。
論文 参考訳（メタデータ） (2024-10-17T21:37:40Z) - Which Model to Transfer? A Survey on Transferability Estimation [43.93666569439436]
トランスファーラーニングメソッドは、既存のソーストレーニング済みモデルやデータセットから関連する知識を活用して、下流のターゲットタスクを解決する。
モデル伝達可能性の推定は関心が高まりつつある領域であり、個別にトレーニングすることなく、この適合性を定量化する指標を提案することを目的としている。
本稿では、この領域における既存の進歩を初めてレビューし、これらを2つの異なる領域に分類する: ソースフリーモデル転送可能性推定とソース依存モデル転送可能性推定である。
論文 参考訳（メタデータ） (2024-02-23T09:47:27Z) - Few-Shot Learning on Graphs: from Meta-learning to Pre-training and
Prompting [56.25730255038747]
この調査は、最近の展開を合成し、比較洞察を提供し、将来の方向性を特定するための取り組みである。
我々は,既存の研究をメタラーニングアプローチ,事前学習アプローチ,ハイブリッドアプローチの3つの主要なファミリーに体系的に分類した。
これらの手法間の関係を解析し,その強みと限界を比較する。
論文 参考訳（メタデータ） (2024-02-02T14:32:42Z) - Continual Learning with Pre-Trained Models: A Survey [61.97613090666247]
継続的な学習は、新しい知識を学ぶ際に、かつての知識の破滅的な忘れを克服することを目的としている。
本稿では, PTM を用いた CL の最近の進歩を包括的に調査する。
論文 参考訳（メタデータ） (2024-01-29T18:27:52Z) - Enhancing Next Destination Prediction: A Novel Long Short-Term Memory Neural Network Approach Using Real-World Airline Data [0.0]
本研究では,旅行データにおける逐次パターンや依存関係を正確に把握するモデルの開発に焦点をあてる。
交通業界における目的地予測のために,スライディングウインドウを用いた新しいモデルアーキテクチャを提案する。
論文 参考訳（メタデータ） (2024-01-23T15:07:49Z) - Multimodal Trajectory Prediction: A Survey [13.519480642785561]
軌道予測は、自律システムにおける安全かつインテリジェントな行動を支援するための重要なタスクである。
MTP(Multimodal trajectory Prediction)と呼ばれる新しいタスクは、各エージェントに対する将来の予測の多様で許容可能かつ説明可能な分布を生成することを目的としている。
論文 参考訳（メタデータ） (2023-02-21T06:11:08Z) - Behavioral Intention Prediction in Driving Scenes: A Survey [70.53285924851767]
行動意図予測(BIP)は、人間の思考過程をシミュレートし、特定の行動の早期予測を満たす。
この作業は、利用可能なデータセット、重要な要因と課題、歩行者中心および車両中心のBIPアプローチ、BIP対応アプリケーションからのBIPの包括的なレビューを提供する。
論文 参考訳（メタデータ） (2022-11-01T11:07:37Z) - A Survey of Knowledge Tracing: Models, Variants, and Applications [70.69281873057619]
知識追跡は、学生の行動データ分析の基本的なタスクの1つである。
我々は、異なる技術経路を持つ3種類の基本KTモデルを示す。
この急速に成長する分野における今後の研究の方向性について論じる。
論文 参考訳（メタデータ） (2021-05-06T13:05:55Z) - End-to-End Prediction of Parcel Delivery Time with Deep Learning for
Smart-City Applications [19.442685015494316]
本研究では,最終マイルの配送時間予測の現実的事例を解決するためのディープラーニングの利用について検討する。
我々は、カナダポストが提供する大規模パーセルデータセットに焦点を当て、トロント大都市圏をカバーしている。
我々は、ルートが利用できないが、始点と終点のみを提供する、オリジン・デスティネーション(OD)の定式化を利用する。
論文 参考訳（メタデータ） (2020-09-23T21:35:25Z) - Applications of deep learning in stock market prediction: recent
progress [5.780772209241294]
この調査は、株式市場予測のためのディープラーニングモデルに関する最近の研究の最新のレビューを提供する。
私たちは、異なるデータソース、さまざまなニューラルネットワーク構造、一般的なメトリクスを分類するだけでなく、実装と評価も分類します。
私たちのゴールは、興味のある研究者が最新の進歩と同期するのを助けると同時に、以前の研究をベースラインとして簡単に再現できるようにすることです。
論文 参考訳（メタデータ） (2020-02-29T03:37:34Z)
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。