論文の概要: Dynamic Replanning for Improved Public Transport Routing

• arxiv url: http://arxiv.org/abs/2505.14193v1
• Date: Tue, 20 May 2025 10:50:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-21 14:49:53.076138
• Title: Dynamic Replanning for Improved Public Transport Routing
• Title（参考訳）: 公共交通ルート改善のための動的リプランニング
• Authors: Abdallah Abuaisha, Bojie Shen, Daniel Harabor, Peter Stuckey, Mark Wallace,
• Abstract要約: 公共交通機関のルーティングにおける動的計画問題の定式化を行う。 ユーザが手動でリプランをリクエストする"プル"アプローチと,サーバが積極的に経路を監視し,調整する"プッシュ"アプローチの2つの方法を提案する。
• 参考スコア（独自算出の注目度）: 4.883358772168188
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Delays in public transport are common, often impacting users through prolonged travel times and missed transfers. Existing solutions for handling delays remain limited; backup plans based on historical data miss opportunities for earlier arrivals, while snapshot planning accounts for current delays but not future ones. With the growing availability of live delay data, users can adjust their journeys in real-time. However, the literature lacks a framework that fully exploits this advantage for system-scale dynamic replanning. To address this, we formalise the dynamic replanning problem in public transport routing and propose two solutions: a "pull" approach, where users manually request replanning, and a novel "push" approach, where the server proactively monitors and adjusts journeys. Our experiments show that the push approach outperforms the pull approach, achieving significant speedups. The results also reveal substantial arrival time savings enabled by dynamic replanning.
• Abstract（参考訳）: 公共交通機関の遅延は一般的であり、長い移動時間と逃走時間を通じてユーザーに影響を与えることが多い。 既存の遅延処理ソリューションは限定的であり、過去のデータに基づいたバックアッププランは、以前の到着の機会を逃す。 ライブ遅延データが利用可能になるにつれて、ユーザーはリアルタイムで旅を調整できる。 しかし、システムスケールの動的リプランニングにこの利点を完全に活用するフレームワークが欠落している。 そこで我々は,公共交通経路における動的再計画問題を定式化し,ユーザが手動で再計画を要求する「プル」アプローチと,サーバが積極的に経路を監視・調整する新しい「プッシュ」アプローチの2つのソリューションを提案する。 我々の実験によると、プッシュアプローチはプルアプローチよりも優れており、大幅なスピードアップを実現している。 また, 動的再計画により, 到着時間の大幅な短縮が可能となった。

関連論文リスト

• DelayPTC-LLM: Metro Passenger Travel Choice Prediction under Train Delays with Large Language Models [31.509436717815102]
  本稿では,大規模言語モデル(DelayPTC-LLM)によるメトロ遅延を考慮した旅行選択予測手法を提案する。 従来の予測モデルとDelayPTC-LLMの比較分析は、輸送システムの破壊下で一般的に発生する複雑なスパースデータセットを扱う上で、LLMの優れた能力を示している。
  論文  参考訳（メタデータ） (2024-09-28T13:09:15Z)
• Potential Based Diffusion Motion Planning [73.593988351275]
  本稿では,潜在的行動計画の学習に向けた新しいアプローチを提案する。 我々はニューラルネットワークを訓練し、運動計画軌跡よりも容易に最適化可能なポテンシャルを捕捉し、学習する。 我々は、その固有の構成可能性を示し、様々な動きの制約に一般化することができる。
  論文  参考訳（メタデータ） (2024-07-08T17:48:39Z)
• Streaming detection of significant delay changes in public transport systems [0.9217021281095907]
  遅延などの公共交通機関の混乱は、モビリティの選択に悪影響を及ぼす可能性がある。 本稿では,遅延検出手法と参照アーキテクチャを提案する。 方法は、スケジュールからの逸脱として定義される遅延の計算を補完することができる。
  論文  参考訳（メタデータ） (2024-04-11T15:54:20Z)
• 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)
• A Mobile Data-Driven Hierarchical Deep Reinforcement Learning Approach for Real-time Demand-Responsive Railway Rescheduling and Station Overcrowding Mitigation [11.10169568480794]
  リアルタイム鉄道再スケジュールは, 予期せぬ, ダイナミックな状況に応じて, 運転復旧を可能にする重要な手法である。 2022年(2022年)に中国・江州で起きた洪水などの災害は、江州鉄道駅自体に前例のない影響をもたらしただけでなく、他の主要拠点にも及んでいる。 本研究では,RTDR(Real-time demand-responsive)鉄道再スケジュール問題,すなわち需要のボラティリティと駅混雑管理に焦点をあてる。
  論文  参考訳（メタデータ） (2023-08-23T00:55:39Z)
• PDFormer: Propagation Delay-Aware Dynamic Long-Range Transformer for Traffic Flow Prediction [78.05103666987655]
  空間時空間グラフニューラルネットワーク(GNN)モデルは、この問題を解決する最も有望な方法の1つである。 本稿では,交通流の正確な予測を行うために,遅延を意識した動的長距離トランスフォーマー(PDFormer)を提案する。 提案手法は,最先端の性能を達成するだけでなく,計算効率の競争力も発揮できる。
  論文  参考訳（メタデータ） (2023-01-19T08:42:40Z)
• An Online Approach to Solve the Dynamic Vehicle Routing Problem with Stochastic Trip Requests for Paratransit Services [5.649212162857776]
  動的車両ルーティング問題(DVRP)を解決するための完全オンライン手法を提案する。 時間的に疎いため、パラトランジットリクエストのバッチ化は困難である。 我々はモンテカルロ木探索を用いて任意の状態に対する行動を評価する。
  論文  参考訳（メタデータ） (2022-03-28T22:15:52Z)
• Deep Learning Aided Packet Routing in Aeronautical Ad-Hoc Networks Relying on Real Flight Data: From Single-Objective to Near-Pareto Multi-Objective Optimization [79.96177511319713]
  航空アドホックネットワーク(AANET)のルーティングを支援するために、ディープラーニング(DL)を起動する。 フォワードノードによって観測された局所的な地理的情報を最適な次のホップを決定するために必要な情報にマッピングするために、ディープニューラルネットワーク(DNN)が考案される。 DL支援ルーティングアルゴリズムを多目的シナリオに拡張し,遅延を最小化し,経路容量を最大化し,経路寿命を最大化する。
  論文  参考訳（メタデータ） (2021-10-28T14:18:22Z)
• Time-Optimal Planning for Quadrotor Waypoint Flight [50.016821506107455]
  立方体の作動限界における時間-最適軌道の計画は未解決の問題である。 四重項のアクチュエータポテンシャルをフル活用する解を提案する。 我々は、世界最大規模のモーションキャプチャーシステムにおいて、実世界の飛行における我々の方法を検証する。
  論文  参考訳（メタデータ） (2021-08-10T09:26:43Z)
• A Feedback Scheme to Reorder a Multi-Agent Execution Schedule by Persistently Optimizing a Switchable Action Dependency Graph [65.70656676650391]
  複数の自動誘導車両 (AGV) が共通作業空間をナビゲートし, 様々な作業を行う。 一つのアプローチは、Action Dependency Graph (ADG)を構築し、そのルートに沿って進むとAGVの順序を符号化する。 ワークスペースが人間やサードパーティロボットのような動的障害によって共有されている場合、AGVは大きな遅延を経験することができる。 本稿では,各AGVの経路完了時間を最小限に抑えるために,非循環ADGを繰り返し修正するオンライン手法を提案する。
  論文  参考訳（メタデータ） (2020-10-11T14:39:50Z)
• The Importance of Prior Knowledge in Precise Multimodal Prediction [71.74884391209955]
  道路にはよく定義された地形、地形、交通規則がある。 本稿では,構造的事前を損失関数として組み込むことを提案する。 実世界の自動運転データセットにおけるアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2020-06-04T03:56:11Z)

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。