論文の概要: Smart Recommendations for Renting Bikes in Bike Sharing Systems
- arxiv url: http://arxiv.org/abs/2401.12322v1
- Date: Mon, 22 Jan 2024 19:29:33 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-24 17:42:54.308505
- Title: Smart Recommendations for Renting Bikes in Bike Sharing Systems
- Title（参考訳）: 自転車シェアリングシステムにおける自転車レンタルのためのスマートレコメンデーション
- Authors: Holger Billhardt, Alberto Fern\'andez, Sascha Ossowski
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 1.5115914900997285
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Vehicle-sharing systems -- such as bike-, car-, or motorcycle-sharing systems
-- have become increasingly popular in big cities in recent years. On the one
hand, they provide a cheaper and environmentally friendlier means of
transportation than private cars, and on the other hand, they satisfy the
individual mobility demands of citizens better than traditional public
transport systems. One of their advantages in this regard is their
availability, e.g., the possibility of taking (or leaving) a vehicle almost
anywhere in a city. This availability obviously depends on different strategic
and operational management decisions and policies, such as the dimension of the
fleet or the (re)distribution of vehicles. Agglutination problems -- where, due
to usage patterns, available vehicles are concentrated in certain areas,
whereas no vehicles are available in others -- are quite common in such
systems, and need to be dealt with. Research has been dedicated to this
problem, specifying different techniques to reduce imbalanced situations. In
this paper, we present and compare strategies for recommending stations to
users who wish to rent or return bikes in station-based bike-sharing systems.
Our first contribution is a novel recommendation strategy based on queuing
theory that recommends stations based on their utility to the user in terms of
lower distance and higher probability of finding a bike or slot. Then, we go
one step further, defining a strategy that recommends stations by combining the
utility of a particular user with the utility of the global system, measured in
terms of the improvement in the distribution of bikes and slots with respect to
the expected future demand, with the aim of implicitly avoiding or alleviating
balancing problems. We present several experiments to evaluate our proposal
with real data from the bike sharing system BiciMAD in Madrid.
- Abstract（参考訳）: Vehicle-sharing systems -- such as bike-, car-, or motorcycle-sharing systems -- have become increasingly popular in big cities in recent years. On the one hand, they provide a cheaper and environmentally friendlier means of transportation than private cars, and on the other hand, they satisfy the individual mobility demands of citizens better than traditional public transport systems. One of their advantages in this regard is their availability, e.g., the possibility of taking (or leaving) a vehicle almost anywhere in a city. This availability obviously depends on different strategic and operational management decisions and policies, such as the dimension of the fleet or the (re)distribution of vehicles. Agglutination problems -- where, due to usage patterns, available vehicles are concentrated in certain areas, whereas no vehicles are available in others -- are quite common in such systems, and need to be dealt with.
不均衡な状況を減らすための様々な技術を特定することで、この問題に焦点を絞った研究が行われている。
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・比較する。
我々の最初の貢献は、より低い距離と、自転車やスロットを見つける確率の点で、利用者の効用に基づいて駅を推薦するキューイング理論に基づく新しい推奨戦略である。
さらに,将来的な需要に対する自転車やスロットの分布改善の観点から測定した,特定のユーザのユーティリティとグローバルシステムのユーティリティを組み合わせることで,ステーションを推奨する戦略を,暗黙的に回避あるいは緩和することを目的として,さらに一歩進める。
マドリードの自転車共有システムBiciMADの実際のデータを用いて提案手法の評価実験を行った。
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) - 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) - 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) - Bike Sharing Demand Prediction based on Knowledge Sharing across Modes:
A Graph-based Deep Learning Approach [8.695763084463055]
本研究では,自転車共有需要予測(B-MRGNN)のためのグラフに基づくディープラーニング手法を提案する。
マルチリレーショナルグラフニューラルネットワーク(MRGNN)を導入し、モード間の空間単位間の相関を捉える。
実験はニューヨーク市の実際の自転車シェアリング、地下鉄、ライドシェアリングのデータを用いて行われた。
論文 参考訳（メタデータ） (2022-03-18T06:10:17Z) - 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) - Weak Signals in the Mobility Landscape: Car Sharing in Ten European
Cities [0.6875312133832077]
当社は、欧州10都市における車両利用率に関するウェブベースのデジタル記録を、主要なアクティブカーシェアリングオペレーターの1つとして使用しています。
カーシェアリング需要の変動と社会デマトグラフィー・都市活動指標の関連について論じる。
論文 参考訳（メタデータ） (2021-09-20T20:37:25Z) - Euro-PVI: Pedestrian Vehicle Interactions in Dense Urban Centers [126.81938540470847]
歩行者と自転車の軌跡のデータセットであるEuro-PVIを提案する。
本研究では,都市環境におけるエージェント間のマルチモーダル共有潜在空間を表現的に学習する共同推論モデルを開発する。
我々は,エゴ車と歩行者(自転車)の相互作用を正確に予測するために捉えることの重要性を示すnuScenesとEuro-PVIデータセット上での成果を達成した。
論文 参考訳（メタデータ） (2021-06-22T15:40:21Z) - Simulation study on the fleet performance of shared autonomous bicycles [2.8511319162856674]
自律的な自転車シェアリングシステムは、自動車シェアリング、電気化、自律化、マイクロモビリティを組み合わせたものだ。
自律性がフリートのパフォーマンスとユーザエクスペリエンスに与える影響を定量化する必要がある。
本稿では,自律型自転車共有システムのフリート挙動を詳細に把握したアドホックエージェントベースシミュレータを提案する。
論文 参考訳（メタデータ） (2021-06-17T17:47:08Z) - 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) - Emergent Road Rules In Multi-Agent Driving Environments [84.82583370858391]
運転環境の要素が道路ルールの出現の原因となるかを分析する。
2つの重要な要因が雑音知覚とエージェントの空間密度であることがわかった。
我々の結果は、世界中の国々が安全で効率的な運転で合意した社会道路規則を実証的に支持する。
論文 参考訳（メタデータ） (2020-11-21T09:43:50Z) - Smart Urban Mobility: When Mobility Systems Meet Smart Data [55.456196356335745]
都市人口は都市部で約25億人に達し、道路交通量は2050年までに12億台を超えた。
輸送部門の経済貢献は欧州のGDPの5%を占め、アメリカでは平均482.05億ドルの費用がかかる。
論文 参考訳（メタデータ） (2020-05-09T13:53:01Z)
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。