論文の概要: Assessing On-Demand Mobility Services and Policy Impacts: A Case Study from Chengdu, China

• arxiv url: http://arxiv.org/abs/2511.06074v2
• Date: Sat, 15 Nov 2025 15:08:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:21.993105
• Title: Assessing On-Demand Mobility Services and Policy Impacts: A Case Study from Chengdu, China
• Title（参考訳）: オンデマンドモビリティサービスと政策影響の評価:中国・成都市を事例として
• Authors: Youkai Wu, Zhaoxia Guo, Qi Liu, Stein W. Wallace,
• Abstract要約: 本研究は,中国成都市における配車サービスをシミュレーションするために,グラフ理論に基づく走行車マッチング機構と実際の走行タクシー運用データを統合する。 配車サービスの性能に及ぼす艦隊規模管理、ジオフェンシング、需要管理の影響について検討する。
• 参考スコア（独自算出の注目度）: 3.8367373028524874
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The rapid expansion of ride-hailing services has significantly reshaped urban on-demand mobility patterns, but it still remains unclear how they perform relative to traditional street-hailing services and how effective are related policy interventions. This study presents a simulation framework integrating a graph theory-based trip-vehicle matching mechanism with real cruising taxi operations data to simulate ride-hailing services in Chengdu, China. The performances of the two on-demand mobility service modes (i.e., ride-hailing and street-hailing) are evaluated in terms of three key performance indicators: average passenger waiting time (APWT), average deadheading miles (ADM), and average deadheading energy consumption (ADEC). We further examine the impacts of spatiotemporal characteristics and three types of policies: fleet size management, geofencing, and demand management, on the performance of ride-hailing services. Results show that under the same fleet size and trip demand as street-hailing taxis, ride-hailing services without cruising achieve substantial improvements, reducing APWT, ADM, and ADEC by 81\%, 75\%, and 72.1\%, respectively. These improvements are most pronounced during midnight low-demand hours and in remote areas such as airports. Our analysis also reveals that for ride-hailing service, (1) expanding fleet size yields diminishing marginal benefits; (2) geofencing worsens overall performance while it improves the performance of serving all trips within the city center; and (3) demand-side management targeting trips to high-attraction and low-demand areas can effectively reduce passenger waiting time without increasing deadheading costs.
• Abstract（参考訳）: 配車サービスの急速な拡大は、都市におけるオンデマンドモビリティのパターンを大きく変えた。 本研究は,中国成都市における配車サービスをシミュレーションするために,グラフ理論に基づくトリップ車両マッチング機構を実走行タクシー運用データと統合したシミュレーションフレームワークを提案する。 平均旅客待ち時間(APWT)、平均デッドヘッドマイル(ADM)、平均デッドヘッドエネルギー消費(ADEC)の3つの主要なパフォーマンス指標を用いて、オンデマンドモビリティサービスモード(配車および路上ハイリング)の性能を評価する。 さらに,配車サービスの性能に及ぼす時空間特性と3種類の政策 – 艦隊規模管理,ジオフェンシング,需要管理 – の影響について検討する。 その結果、路面電車と同一の車両規模および旅行需要下において、クルーズなしの配車サービスは大幅に改善され、APWT、ADM、ADECはそれぞれ81.%、75.%、72.1.%削減された。 これらの改善は、深夜の低需要時間と空港などの遠隔地において最も顕著である。 また, 配車サービスにおいては, 1) 車両の規模拡大が限界利得の低下, 2) 都市中心部における全旅行のサービス性能を向上する一方, ジオフェンシングは全体のパフォーマンスを悪化させ, (3) 高誘引・低需要地域への旅行を対象とする需要側管理は, デッドヘッドコストを増大させることなく, 乗客の待ち時間を効果的に削減できることを示した。

関連論文リスト

• Exploring Dissatisfaction in Bus Route Reduction through LLM-Calibrated Agent-Based Modeling [0.0]
  本研究では,大規模言語モデル(LLM)を用いたエージェントベースモデリング(ABM)アプローチを用いる。 北京の平安地区のICカードデータを用いて、LSMの校正されたABMは、旅行時間、待ち時間、移動時間、混雑時間に関連する乗客の感度パラメータを推定した。 その結果,バスネットワークの構造的構成は,容量や運用要因よりもシステムの安定性に強い影響を与えることがわかった。
  論文  参考訳（メタデータ） (2025-10-30T05:59:48Z)
• Non-myopic Matching and Rebalancing in Large-Scale On-Demand Ride-Pooling Systems Using Simulation-Informed Reinforcement Learning [1.7403133838762448]
  ライドプール(英: Ride-pooling)またはライドシェアリング(英: ride-hailing)またはシェアライドシェアリング(英: shared ride-sharing)またはマイクロトランジット(英: microtransit)は、乗客が乗車を共有するサービスである。 しかし、重要な制限は、派遣決定の長期的な影響を見落としている、その神秘的な決定である。 シミュレーションインフォームド強化学習(RL)手法を提案する。
  論文  参考訳（メタデータ） (2025-10-28T23:21:27Z)
• Scalable Ride-Sourcing Vehicle Rebalancing with Service Accessibility Guarantee: A Constrained Mean-Field Reinforcement Learning Approach [42.070187224580344]
  連続状態平均場制御(MFC)と平均場強化学習(MFRL)モデルを導入する。 MFCとMFRLは、個々の車両ではなく、車両分布との相互作用を通じて各車両の挙動をモデル化することで、スケーラブルなソリューションを提供する。 我々のアプローチは数万台の車両にスケールし、トレーニング時間は1つの線形プログラミングリバランスの決定時間に匹敵する。
  論文  参考訳（メタデータ） (2025-03-31T15:00:11Z)
• A methodological framework for Resilience as a Service (RaaS) in multimodal urban transportation networks [0.0]
  本研究は,サービス戦略としてのレジリエンスを通じて公共交通の混乱を管理することを目的としている。 効率よく資源を割り当て、オペレーターと乗客のコストを最小限に抑える最適化モデルを開発する。 提案手法はイル・ド・フランス、パリ、郊外のケーススタディに適用された。
  論文  参考訳（メタデータ） (2024-08-30T12:22:34Z)
• 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)
• Fairness-Enhancing Vehicle Rebalancing in the Ride-hailing System [7.531863938542706]
  配車産業の急速な成長は、世界中の都市交通に革命をもたらした。 その利益にもかかわらず、保存されていない地域社会が手頃な価格の配車サービスへのアクセシビリティに制限されているため、株式の懸念が生じる。 本稿では,新しい車両再バランス手法により,アルゴリズムとライダーの公正性を両立することに焦点を当てる。
  論文  参考訳（メタデータ） (2023-12-29T23:02:34Z)
• 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)
• Dynamic Price of Parking Service based on Deep Learning [68.8204255655161]
  都市部における空気質の向上は、公共団体の主な関心事の一つである。 この懸念は、大気の質と公衆衛生の間の証拠から生じる。 規制された駐車場サービスにおける動的価格の提案について述べる。
  論文  参考訳（メタデータ） (2022-01-11T20:31:35Z)
• A Distributed Model-Free Ride-Sharing Approach for Joint Matching, Pricing, and Dispatching using Deep Reinforcement Learning [32.0512015286512]
  我々は、動的で需要に敏感で、価格に基づく車両通行者マッチングとルート計画フレームワークを提案する。 我々の枠組みはニューヨーク市税のデータセットを用いて検証されている。 実験の結果,実時間および大規模設定におけるアプローチの有効性が示された。
  論文  参考訳（メタデータ） (2020-10-05T03:13:47Z)

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。