論文の概要: Designing Dynamic Pricing for Bike-sharing Systems via Differentiable Agent-based Simulation

• arxiv url: http://arxiv.org/abs/2507.23344v1
• Date: Thu, 31 Jul 2025 08:43:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-01 17:19:09.328226
• Title: Designing Dynamic Pricing for Bike-sharing Systems via Differentiable Agent-based Simulation
• Title（参考訳）: 微分エージェントベースシミュレーションによる自転車シェアリングシステムの動的価格設定
• Authors: Tatsuya Mitomi, Fumiyasu Makinoshima, Fumiya Makihara, Eigo Segawa,
• Abstract要約: 自転車シェアリングシステムは、新しいエコフレンドリーな交通システムとして、様々な都市に出現している。 これらのシステムでは、様々なユーザ要求が自転車駅の在庫不均衡につながるため、追加の移転コストが生じる。 このようなシステムの動的価格を高速に設計する,微分可能なエージェントベースシミュレーションを開発した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Bike-sharing systems are emerging in various cities as a new ecofriendly transportation system. In these systems, spatiotemporally varying user demands lead to imbalanced inventory at bicycle stations, resulting in additional relocation costs. Therefore, it is essential to manage user demand through optimal dynamic pricing for the system. However, optimal pricing design for such a system is challenging because the system involves users with diverse backgrounds and their probabilistic choices. To address this problem, we develop a differentiable agent-based simulation to rapidly design dynamic pricing in bike-sharing systems, achieving balanced bicycle inventory despite spatiotemporally heterogeneous trips and probabilistic user decisions. We first validate our approach against conventional methods through numerical experiments involving 25 bicycle stations and five time slots, yielding 100 parameters. Compared to the conventional methods, our approach obtains a more accurate solution with a 73% to 78% reduction in loss while achieving more than a 100-fold increase in convergence speed. We further validate our approach on a large-scale urban bike-sharing system scenario involving 289 bicycle stations, resulting in a total of 1156 parameters. Through simulations using the obtained pricing policies, we confirm that these policies can naturally induce balanced inventory without any manual relocation. Additionally, we find that the cost of discounts to induce the balanced inventory can be minimized by setting appropriate initial conditions.
• Abstract（参考訳）: 自転車シェアリングシステムは、新しいエコフレンドリーな交通システムとして、様々な都市に出現している。 これらのシステムでは、時空間的に異なるユーザ要求が自転車駅の在庫不均衡につながるため、追加の移転コストが生じる。 したがって、システムの最適動的価格設定により、ユーザ需要を管理することが不可欠である。 しかし,このようなシステムの最適価格設定は,多様な背景を持つユーザとその確率的選択を伴うため,困難である。 この問題に対処するために,時空間的不均一な旅行や確率的ユーザ決定に拘わらず,バランスのとれた自転車在庫を実現することで,自転車シェアリングシステムにおける動的価格を迅速に設計する,微分可能なエージェントベースシミュレーションを開発した。 我々はまず,25の自転車駅と5つのタイムスロットを含む数値実験により,従来の手法に対するアプローチを検証し,100のパラメータを得た。 従来手法と比較して,100倍以上の収束速度を達成しつつ,損失の73%から78%の削減を達成し,より正確な解を求める。 さらに,289の自転車駅を含む大規模都市自転車共有システムにおけるアプローチを検証した結果,合計1156のパラメータが得られた。 得られた価格ポリシーを用いたシミュレーションにより、これらのポリシーは、手動でリロケーションすることなく、自然にバランスの取れた在庫を誘導できることを確認した。 さらに、適切な初期条件を設定することで、バランスの取れた在庫を誘導する割引コストを最小化できることがわかった。

関連論文リスト

• A Primal-Dual Online Learning Approach for Dynamic Pricing of Sequentially Displayed Complementary Items under Sale Constraints [54.46126953873298]
  顧客に対して順次表示される補完アイテムの動的価格設定の問題に対処する。 各項目の価格を個別に最適化するのは効果がないため、補完項目のコヒーレントな価格ポリシーが不可欠である。 実世界のデータからランダムに生成した合成設定を用いて,我々のアプローチを実証的に評価し,制約違反や後悔の観点からその性能を比較した。
  論文  参考訳（メタデータ） (2024-07-08T09:55:31Z)
• Smart Recommendations for Renting Bikes in Bike Sharing Systems [1.5115914900997285]
  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。
  論文  参考訳（メタデータ） (2024-01-22T19:29:33Z)
• Analytical model for large-scale design of sidewalk delivery robot systems [4.510000677649468]
  本稿では,配送システムの初期コストと運用コストの両方を把握し,運用における制約や運用戦略の影響を評価するモデルを提案する。 そして、このモデルをニューヨーク市の地区に適用し、実際のシナリオにおける歩道配達ロボットシステムの展開を評価する。
  論文  参考訳（メタデータ） (2023-10-26T15:26:12Z)
• 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)
• A Data-driven Pricing Scheme for Optimal Routing through Artificial Currencies [1.3419982985275638]
  モビリティシステムは、利己的なユーザの制御不能な振る舞いのために、高価格のアナーキーに悩まされることが多い。 本稿では,繰り返しゲーム設定において,人工通貨料金を自動的に適用するためのデータ駆動方式を提案する。
  論文  参考訳（メタデータ） (2022-11-27T11:23:29Z)
• A Cluster-Based Trip Prediction Graph Neural Network Model for Bike Sharing Systems [2.1423963702744597]
  自転車シェアリングシステム(BSS)は革新的な交通サービスとして発展しつつある。 これらのシステムが現在のグローバルな懸念の多くを根絶することにコミットしていることを考えると、BSSの適切な機能を確保することが不可欠である。 ユーザの移行パターンに関する優れた知識は、サービスの品質と運用性に対する決定的な貢献である。
  論文  参考訳（メタデータ） (2022-01-03T15:47:40Z)
• Estimating the Robustness of Public Transport Systems Using Machine Learning [62.997667081978825]
  公共交通機関の計画は、多くのステップを含む非常に複雑なプロセスである。 乗客の観点からの堅牢性の統合により、作業はさらに困難になる。 本稿では,機械学習の手法を用いたシナリオベースロバストネス近似の新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-06-10T05:52:56Z)
• 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)
• Dynamic Planning of Bicycle Stations in Dockless Public Bicycle-sharing System Using Gated Graph Neural Network [79.61517670541863]
  Dockless Public Bicycle-share (DL-PBS)ネットワークは多くの国でますます人気が高まっています。 冗長で低電力の駅は、DL-PBSベンダーの公共都市空間とメンテナンスコストを無駄にします。 DL-PBSネットワークに最適な自転車ステーションレイアウトを動的に提供できるよう、BSDP(自転車ステーションダイナミックプランニング)システムを提案します。
  論文  参考訳（メタデータ） (2021-01-19T02:51:12Z)
• End-to-end Interpretable Neural Motion Planner [78.69295676456085]
  複雑な都市環境での自律走行学習のためのニューラルモーションプランナー(NMP)を提案する。 我々は,生lidarデータとhdマップを入力とし,解釈可能な中間表現を生成する全体モデルを設計した。 北米のいくつかの都市で収集された実世界の運転データにおける我々のアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2021-01-17T14:16:12Z)

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。