論文の概要: Deploying Robust Decision Support Systems for Transit Headway Control: Rider Impacts, Human Factors and Recommendations for Scalability

• arxiv url: http://arxiv.org/abs/2509.08231v1
• Date: Wed, 10 Sep 2025 02:10:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-11 15:16:52.290056
• Title: Deploying Robust Decision Support Systems for Transit Headway Control: Rider Impacts, Human Factors and Recommendations for Scalability
• Title（参考訳）: トランジットヘッドウェイ制御のためのロバスト決定支援システムの展開:ライダーの影響、ヒューマンファクターおよびスケーラビリティに関する勧告
• Authors: Joseph Rodriguez, Haris N. Koutsopoulos, Jinhua Zhao,
• Abstract要約: 本稿では,2022年から2023年にかけてシカゴの高架バス2路線で実施されたハイウェイ制御パイロットについて述べる。 強化学習に基づくバス持株戦略のための意思決定支援システムを開発した。 評価の結果,下流の停留所に対する利得の低下による待ち時間の改善と,バスと鉄道との接続による移動時間の短縮が示された。
• 参考スコア（独自算出の注目度）: 9.762304811700988
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Service reliability is critical to transit service delivery. This paper describes headway control pilots conducted in two high-ridership Chicago bus routes between 2022 and 2023. A decision support system was developed for a bus holding strategy based on a reinforcement learning approach. For the pilots, a user interface enabled supervisors to monitor service and record applied actions. The first pilot tested terminal-based holding on a route affected by missed trips from absenteeism. The analysis found improvements in reliability, and the application of control was shown to outperform days with more service. The second pilot applied en-route holding in a high-ridership bus route in Chicago. The evaluation showed wait time improvements with rippled benefits to stops downstream, and a reduction in transfer times from connecting bus and rail lines. Compliance analysis based on the supervisor logs on the app revealed mixed compliance levels from drivers, which were related to the mentality of schedule adherence and seniority. Recommendations are provided for practitioners to scale similar efforts.
• Abstract（参考訳）: サービスの信頼性は、トランジットサービスのデリバリに不可欠である。 本稿では,2022年から2023年にかけてシカゴの高架バス2路線で実施されたハイウェイ制御パイロットについて述べる。 強化学習に基づくバス持株戦略のための意思決定支援システムを開発した。 パイロットのために、ユーザーインターフェースにより、管理者はサービスを監視し、適用されたアクションを記録することができる。 最初のパイロットは、欠席した旅行に影響を受けたルートでターミナルベースの持株をテストした。 分析の結果、信頼性が向上し、コントロールの適用は、より多くのサービスで日々を上回る結果となった。 2人目のパイロットはシカゴの高架バス路線でルート保持を申請した。 評価の結果,下流の停留所に対する利得の低下による待ち時間の改善と,バスと鉄道との接続による移動時間の短縮が示された。 アプリ上での監視ログに基づくコンプライアンス分析では、スケジュール順守と高齢者の精神に関連するドライバーからのコンプライアンスレベルが混在していることが判明した。 実践者が同様の努力をスケールするための勧告が提供されている。

関連論文リスト

• 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)
• DriveCoT: Integrating Chain-of-Thought Reasoning with End-to-End Driving [81.04174379726251]
  本稿では,DriveCoTというエンド・ツー・エンドの運転データセットを総合的に収集する。 センサーデータ、制御決定、および推論プロセスを示すチェーン・オブ・シークレット・ラベルが含まれている。 我々は,私たちのデータセットに基づいてトレーニングされたDriveCoT-Agentと呼ばれるベースラインモデルを提案し,連鎖予測と最終決定を生成する。
  論文  参考訳（メタデータ） (2024-03-25T17:59:01Z)
• 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)
• 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)
• Trajectory-guided Control Prediction for End-to-end Autonomous Driving: A Simple yet Strong Baseline [96.31941517446859]
  現在のエンドツーエンドの自律運転法は、計画された軌道に基づいてコントローラを実行するか、直接制御予測を行う。 我々の統合されたアプローチには、それぞれ軌道計画と直接制御のための2つの枝があります。 CARLAシミュレータを用いて閉ループ都市運転環境の評価を行った。
  論文  参考訳（メタデータ） (2022-06-16T12:42:44Z)
• End-to-End Urban Driving by Imitating a Reinforcement Learning Coach [148.2683592850329]
  人間は良いドライバーだが、エンドツーエンドのアルゴリズムにとって良いコーチではない。 我々は、鳥の目視画像を連続的な低レベル行動にマッピングする強化学習専門家を訓練する。 我々の強化学習コーチによって監督され、単眼カメラ入力のベースラインエンドツーエンドエージェントは、専門家レベルのパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2021-08-18T17:36:51Z)
• Day-to-day and seasonal regularity of network passenger delay for metro networks [8.60488284249921]
  本稿では,個々の軌道からネットワーク利用者の遅延を推定する新しい手法を提案する。 トランジットネットワークの遅延パターンの日次的・季節的規則性を明らかにするために,時間的クラスタリングを採用している。 その結果,1日平均乗車遅延は1日中比較的安定していることがわかった。
  論文  参考訳（メタデータ） (2021-07-07T12:28:16Z)
• Public Transit for Special Events: Ridership Prediction and Train Optimization [10.531110013870792]
  交通機関は、ディスラプション、遅延、運賃収入への影響を理解することが重要である。 本稿では,特殊イベントによる渋滞ピーク時の交通システムの性能評価,予測,管理を行うための一連のデータ駆動手法を提案する。
  論文  参考訳（メタデータ） (2021-06-09T19:52:18Z)
• Reducing Bus Bunching with Asynchronous Multi-Agent Reinforcement Learning [11.168121941015013]
  バスフラッキングは、バスサービスの信頼性と効率を損なう一般的な現象である。 経路レベルのバスフリート制御を非同期マルチエージェント強化学習問題として定式化する。 古典的なアクタークリティカルアーキテクチャを拡張して、非同期問題を扱う。
  論文  参考訳（メタデータ） (2021-05-02T02:08:07Z)

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。