論文の概要: Column Generation for the Micro-Transit Zoning Problem
- arxiv url: http://arxiv.org/abs/2603.07821v1
- Date: Sun, 08 Mar 2026 21:42:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-10 15:13:15.307328
- Title: Column Generation for the Micro-Transit Zoning Problem
- Title（参考訳）: マイクロトランジットゾーニング問題に対するカラム生成
- Authors: Hins Hu, Rishav Sen, Jose Paolo Talusan, Abhishek Dubey, Aron Laszka, Samitha Samaranayake,
- Abstract要約: オンデマンドのマイクロトランジットサービスは、固定ラインの大量輸送と単一要求のライドシェアリングのギャップを埋めることができる。
マイクロトランジットサービスの効果的な運用には、事前にジオフェンスゾーンを計画する必要がある。
本稿では,MZP(Micro-Transit Zoning Problem)を一般化して,候補ゾーンのサイズ制限を課すのではなく,グローバル予算を実現する。
- 参考スコア（独自算出の注目度）: 8.783715393635992
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Along with the rapid development of new urban mobility options like ride-sharing over the past decade, on-demand micro-transit services stand out as a middle ground, bridging the gap between fixed-line mass transit and single-request ride-hailing, balancing ridership maximization and travel time minimization. Micro-transit adoption can have significant social impact. It improves urban sustainability, through lower energy consumption and reduced emissions, while enhancing equitable mobility access for disadvantaged communities, thanks to its lower vehicle miles per passenger, flexible schedules, and affordable pricing. However, effective operation of micro-transit services requires planning geo-fenced zones in advance, which involves solving a challenging combinatorial optimization problem. Existing approaches enumerate candidate zones first and selects a fixed number of optimal zones in the second step. In this paper, we generalize the Micro-Transit Zoning Problem (MZP) to allow a global budget rather than imposing a size limit for candidate zones. We also design a Column Generation (CG) framework to solve the problem and several pricing heuristics to accelerate computation. Extensive numerical experiments across major U.S. cities demonstrate that our approach produces higher-quality solutions more efficiently and scales better in the generalized setting.
- Abstract（参考訳）: 過去10年間のライドシェアリングのような新しい都市移動手段の急速な発展とともに、オンデマンドのマイクロトランジットサービスは中核として際立っており、固定ラインの大量輸送と単一要求のライドシェアリングのギャップを埋め、乗客の最大化と旅行時間の最小化を図っている。
マイクロトランジットの導入は社会に大きな影響を与える可能性がある。
都市での持続可能性を改善し、エネルギー消費の低減と排出の削減を図り、乗客1人当たりの車両走行距離の低減、柔軟なスケジュール、安価な価格設定により、不利な地域社会の公平なモビリティアクセスを強化している。
しかし,マイクロトランジットサービスを効果的に運用するには,事前にジオフェンスゾーンを計画する必要がある。
既存のアプローチはまず候補ゾーンを列挙し、2番目のステップで最適なゾーンの固定数を選択する。
本稿では,マイクロトランジットゾーニング問題(MZP)を一般化し,候補ゾーンのサイズ制限を課すのではなく,グローバル予算を実現する。
また,問題を解くためのカラム生成(CG)フレームワークと,計算を高速化するための価格ヒューリスティックスも設計する。
米国の主要都市における大規模な数値実験により、我々の手法はより効率よく高品質なソリューションを生産し、一般化された環境でより良くスケールすることを示した。
関連論文リスト
- Grid-Aware Charging and Operational Optimization for Mixed-Fleet Public Transit [11.618218411493478]
電気とディーゼルの両方からなる混成輸送車両は、重要な運用上の課題である。
本稿では,これらの課題に対処する包括的混合整数線形プログラミング(MILP)モデルを提案する。
提案手法は, 混合輸送船の運用コストを大幅に削減できることを示す。
論文 参考訳（メタデータ） (2026-01-13T17:30:25Z) - TourPlanner: A Competitive Consensus Framework with Constraint-Gated Reinforcement Learning for Travel Planning [44.656702093210924]
TourPlannerは、マルチパス推論と制約付き強化学習を備えた包括的なフレームワークである。
本研究では,TourPlannerが最先端のパフォーマンスを実現し,既存の手法をはるかに上回っていることを示す。
論文 参考訳（メタデータ） (2026-01-08T08:08:35Z) - 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) - Optimal Ground Station Selection for Low-Earth Orbiting Satellites [36.896695278624776]
本稿では,低地球軌道(LEO)ミッションにおける最適な地上局選択の問題に対する解決法を提案する。
ミッションオペレーターは、地上セグメントの性能とコストを正確に設計することができる。
論文 参考訳（メタデータ） (2024-10-04T22:48:50Z) - Designing Optimal Personalized Incentive for Traffic Routing using BIG
Hype algorithm [3.7597202216941783]
都市レベルでプラグイン型電気自動車と従来型燃料電池を最適にルーティングする問題について検討する。
我々のモデルでは、通勤者は、旅行時間と、市や駐車場、サービスステーションを利用するための金銭的費用を組み合わせた地域費用を、自力で最小化することを目的としている。
我々は、これらの金融インセンティブを大規模バイレベルゲームとして最適に設計する問題を定式化する。
論文 参考訳（メタデータ） (2023-04-24T11:13:10Z) - Equity Promotion in Public Transportation [18.057286025603055]
本研究は,エクイティ・プロモーション目的のために,この2つのアプローチを一体化するための最適化モデルを提案する。
我々は線形プログラミング(LP)に基づくラウンドリングアルゴリズムを設計し、最適近似比が1-1/eであることを証明する。
実験により,我々の理論予測を検証し,社会資本の促進に向けたLPベースの戦略の有効性を実証した。
論文 参考訳（メタデータ） (2022-11-26T10:06:00Z) - Transit facility allocation: Hybrid quantum-classical optimization [0.0]
交通施設の整備は、サービスの質を向上させるための費用対効果の高い方法である。
本稿では、GIS、意思決定分析、量子技術を統合する最適化フレームワークを開発する。
同一のサービスアクセシビリティを維持しながら、施設数を40%削減することで、我々のフレームワークの有効性を実証する。
論文 参考訳（メタデータ） (2022-10-22T21:53:00Z) - Real-time and Large-scale Fleet Allocation of Autonomous Taxis: A Case
Study in New York Manhattan Island [14.501650948647324]
従来のモデルは、供給(自動タクシー)と需要(トリップ)の不均衡に対処するために、利用可能な船隊を効率的に割り当てることに失敗した
艦隊配置決定をモデル化するために、制約付きマルチエージェントマルコフ決定プロセス(CMMDP)を用いる。
また、カラム生成アルゴリズムを利用して、大規模に効率性と最適性を保証する。
論文 参考訳（メタデータ） (2020-09-06T16:00:15Z) - FlexPool: A Distributed Model-Free Deep Reinforcement Learning Algorithm
for Joint Passengers & Goods Transportation [36.989179280016586]
本稿では,乗用車と貨物輸送を組み合わせることで,車両による輸送を改善することを検討する。
我々はFlexPoolを提案する。FlexPoolは分散モデルなしの深層強化学習アルゴリズムで、乗客や商品のワークロードを共同で処理する。
また,FlexPoolはフリート利用率を30%向上し,燃料効率を35%向上することを示した。
論文 参考訳（メタデータ） (2020-07-27T17:25:58Z) - 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。