論文の概要: Rural School Bus Routing and Scheduling

• arxiv url: http://arxiv.org/abs/2507.19538v1
• Date: Tue, 22 Jul 2025 14:39:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-29 16:23:55.56673
• Title: Rural School Bus Routing and Scheduling
• Title（参考訳）: 農村スクールバスのルーティングとスケジューリング
• Authors: Prabhat Hegde, Vikrant Vaze,
• Abstract要約: ロングスクールバスは生徒のパフォーマンスと幸福に悪影響を及ぼす。 本稿では,農村部バス路線とスケジュールの設計に焦点をあてる。 学生の乗車時間を最小化しつつ、これらの複雑さに対処する農村バスのルーティングとスケジューリングモデルを定式化する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Long school bus rides adversely affect student performance and well-being. Rural school bus rides are particularly long, incentivizing parents to drive their children to school rather than to opt for the school bus. This in turn exacerbates the traffic congestion around schools, further compounding the problem of long bus rides, creating a vicious cycle. It also results in underutilized school buses and higher bus operating costs per rider. To address these challenges, this paper focuses on the design of rural school bus routes and schedules, a particularly challenging problem due to its unique operational complexities, including mixed loading and irregular road networks. We formalize a rural school bus routing and scheduling model that tackles these complexities while minimizing the total bus ride time of students. We develop an original road network-aware cluster-then-route heuristic that leverages our problem formulation to produce high-quality solutions. For real-world case studies, our approach outperforms status quo solutions by reducing the bus ride times of students by 37-39 %. Our solutions also make the school bus more attractive, helping address both the underutilization of school buses and the prevalence of private commutes. Our routing and scheduling approach can improve school bus use by 17-19 % and reduce car trips that induce congestion near schools by 12-17 %. Many rural school districts share the operational characteristics modeled in this study, including long bus rides, high operational expenditures, mixed loading, and a high proportion of car-based school commutes, suggesting the broad applicability of our approach. Ultimately, by reducing student travel times, increasing school bus utilization, and alleviating congestion near schools, our approach enables rural school district planners to address transportation-related barriers to student performance and well-being.
• Abstract（参考訳）: ロングスクールバスは生徒のパフォーマンスと幸福に悪影響を及ぼす。 農村部のスクールバスの乗車は特に長く、親はスクールバスを選ぶのではなく、子供たちを学校に誘致するインセンティブを与える。 これにより、学校周辺の交通渋滞が悪化し、長いバス乗りの問題が複雑化し、悪循環が生じる。 また、未利用のスクールバスや、乗務員1人あたりのバス運行コストも高くなる。 これらの課題に対処するため,本論文では,混載や不規則な道路網など,その特異な運用上の複雑さから,地方バス路線やスケジュールの設計に焦点をあてる。 学生の乗車時間を最小化しつつ、これらの複雑さに対処する農村バスのルーティングとスケジューリングモデルを定式化する。 我々は,問題定式化を活用して高品質なソリューションを創出する,独自の道路ネットワーク対応クラスタ型ヒューリスティックを開発した。 実世界のケーススタディでは,学生のバス乗車時間を37～39パーセント減らし,現状のクオソリューションよりも優れていた。 我々のソリューションはスクールバスをより魅力的にし、スクールバスの未利用化と民間通勤の普及の両立に役立ちます。 ルーティングとスケジューリングのアプローチは、スクールバスの利用率を17～17%向上させ、学校周辺での渋滞を12～17%低減させる。 多くの地方教育学区は, 長距離バス, 高運用費, 混合負荷, 自動車利用の通学率などの運用特性を共有しており, このアプローチの広範な適用性を示唆している。 最終的に,学生旅行時間を短縮し,学校バスの利用量を増やし,学校周辺での混雑を緩和することで,地方教育学区のプランナーは,学生のパフォーマンスや幸福に対する交通上の障壁に対処することができる。

関連論文リスト

• Association between built environment characteristics and school run traffic congestion in Beijing, China [3.8996542996236605]
  学校は、学校周辺の交通渋滞を著しく悪化させ、学校運営中にフリーフローの確率を8.34%削減している。 学校が運営する交通渋滞は、複数の学校、バスの停留所、ビジネスや金融機能に関連する景観がある地域では深刻である。
  論文  参考訳（メタデータ） (2024-11-18T09:05:49Z)
• GARLIC: GPT-Augmented Reinforcement Learning with Intelligent Control for Vehicle Dispatching [81.82487256783674]
  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)
• RL-MSA: a Reinforcement Learning-based Multi-line bus Scheduling Approach [0.0]
  既存のアプローチは、通常、オフラインでバススケジューリングスキームを生成し、そのスキームに従ってバスをスケジュールする。 本稿では,MLBSPをマルコフ決定過程(MDP)としてモデル化する。 RL-MSA(Reinforcement Learning-based Multi-line bus Scheduling Approach)は,オフラインとオンラインの両フェーズでバススケジューリングを行うための手法である。
  論文  参考訳（メタデータ） (2024-03-11T07:07:05Z)
• An Online Approach to Solving Public Transit Stationing and Dispatch Problem [7.948662269574215]
  交通機関は限られた数の車両を予備に保管し、破壊時に被害経路を緩和するために派遣する。 本稿では、この問題を解決するために、非ミオピックシーケンシャルな決定手順を用いた原則的アプローチについて述べる。 実験の結果、提案手法は乗客を2%増やし、デッドヘッドマイルを40%削減することがわかった。
  論文  参考訳（メタデータ） (2024-03-05T21:48:29Z)
• 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)
• Using Reinforcement Learning for the Three-Dimensional Loading Capacitated Vehicle Routing Problem [40.50169360761464]
  効率を上げるためのソリューションとして、協調車両ルーティングが提案されている。 現在の運用研究手法は、問題の大きさを増大させる非線形スケーリングに悩まされている。 約線形時間で3次元負荷容量化車両ルーティング問題を解くための強化学習モデルを開発した。
  論文  参考訳（メタデータ） (2023-07-22T18:05:28Z)
• Bus Ridership Prediction with Time Section, Weather, and Ridership Trend Aware Multiple LSTM [0.10499611180329801]
  この予測には,連続する停留所間のバス乗り合いの相関を考慮する必要がある。 この予測は、関連する研究で有用であることが示されているすべての特徴を用いてまだなされていない。 本研究では,これらの問題に対処する予測手法を提案する。
  論文  参考訳（メタデータ） (2023-04-13T04:35:41Z)
• Towards Understanding the Benefits and Challenges of Demand Responsive Public Transit- A Case Study in the City of Charlotte, NC [3.678540247562326]
  本研究は, ノースカロライナ州シャーロット市において, 交通依存人口が直面する課題について検討する。 本研究は、当初、待ち時間、信頼性の低いスケジュール、アクセシビリティの制限といった重要な問題を評価した。 この評価には、既存のシャーロット地域交通システム(CATS)モバイルアプリケーションの分析と、提案されたスマートオンデマンドトランジット技術に対するユーザ受け入れ調査が含まれていた。
  論文  参考訳（メタデータ） (2023-04-09T03:10:36Z)
• Real-Time Bus Arrival Prediction: A Deep Learning Approach for Enhanced Urban Mobility [2.1374208474242815]
  一般的な課題は、実際のバス到着時刻と予定された時刻とのミスマッチであり、固定されたスケジュールの混乱につながる。 本研究は,様々な交通機関(駅)におけるバス到着時刻を予測するための,革新的なAIに基づくデータ駆動手法を提案する。 完全に接続されたニューラルネットワークの展開により,公共バスの交通システムの精度と効率が向上する。
  論文  参考訳（メタデータ） (2023-03-27T16:45:22Z)
• Increasing Students' Engagement to Reminder Emails Through Multi-Armed Bandits [60.4933541247257]
  本稿では,学生が週毎のメールリマインダーとどのように関わり,時間管理の習慣を構築するかについて,実世界の適応実験を行った。 適応実験にマルチアーマド・バンド(MAB)アルゴリズムを用いると、より良い結果が得られる可能性が高まる。 我々は、これらの適応アルゴリズムの問題点を強調します。例えば、大きな違いがない場合の腕の活用などです。
  論文  参考訳（メタデータ） (2022-08-10T00:30:52Z)
• Flatland Competition 2020: MAPF and MARL for Efficient Train Coordination on a Grid World [49.80905654161763]
  車両再スケジュール問題(vrsp)の解法開発を目的としたフラットランドコンペティション VRSPは、交通ネットワークにおける旅行のスケジュールと、故障が発生した場合の車両の再スケジュールに関するものである。 現代の鉄道網の複雑化は、交通の動的リアルタイムスケジューリングを事実上不可能にします。
  論文  参考訳（メタデータ） (2021-03-30T17:13:29Z)
• Polestar: An Intelligent, Efficient and National-Wide Public Transportation Routing Engine [43.09401975244128]
  Polestarは、インテリジェントで効率的な公共交通機関ルーティングのためのデータ駆動型エンジンである。 具体的には,交通費の異なる公共交通機関をモデル化するための新しい公共交通グラフ(PTG)を提案する。 次に、効率的な経路候補生成のための効率的な局結合法と組み合わせた一般経路探索アルゴリズムを提案する。 2つの実世界のデータセットの実験は、効率性と有効性の両方の観点からPoestarの利点を実証している。
  論文  参考訳（メタデータ） (2020-07-11T05:14:52Z)

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。