文献

J-GLOBAL ID：201802230688716688   整理番号：18A1772604

自律移動性オンデマンドシステムのデータ駆動モデル予測制御【JST・京大機械翻訳】

Data-Driven Model Predictive Control of Autonomous Mobility-on-Demand Systems

著者 (6件)： Iglesias Ramon (Ramon Iglesias is with the Department of Civil and Environmental Engineering, Stanford University, Stanford, CA, 94305) ,  Rossi Federico (Federico Rossi and Marco Pavone are with the Department of Aeronautics and Astronautics, Stanford University, Stanford, CA, 94305) ,  Wang Kevin (Kevin Wang is with Houzz Inc., Palo Alto, CA, 94301) ,  Hallac David (David Hallac is with the Department of Electrical Engineering, Stanford University, Stanford, CA, 94305) ,  Leskovec Jure (Jure Leskovec is with the Department of Computer Science, Stanford University, Stanford, CA, 94305) ,  Pavone Marco (Federico Rossi and Marco Pavone are with the Department of Aeronautics and Astronautics, Stanford University, Stanford, CA, 94305)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICRA  ページ： 1-7  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文の目的は,自律移動-オンデマンドシステム(AMOD,すなわち自己駆動車両のフリート)を制御するためのエンドツーエンド,データ駆動フレームワークを提示することである。最初に,時間拡張ネットワークを用いてAMODシステムをモデル化し,与えられた旅行需要に対する最適再平衡戦略(すなわち,先制的再配置)と最小実行可能フリートサイズを計算する定式化を提示した。次に,再平衡戦略を計算するための歴史的データに基づく短期需要予測を活用するモデル予測制御(MPC)アルゴリズムを考案するために,この定式化を適用した。DiDi中央からの実際の顧客データに基づくシミュレーションを用いて,顧客需要を予測するために最先端のLSTMニューラルネットワークを用いて,この制御装置のエンドツーエンド性能をテストした。このアプローチは最大89.6%までの平均顧客待ち時間を削減することにより最先端の再平衡戦略より優れていることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  制御装置 ,  ネットワーク ,  ニューラルネットワーク ,  モデリング ,  需要予測 ,  *エンドツーエンド方式 ,  待ち時間 ,  定式化
準シソーラス用語： *自律性 ,  *オンデマンド ,  *モデル予測制御 ,  *データ駆動 ,  旅行需要 ,  最先端 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 自律 ,  移動性 ,  オンデマンド ,  データ駆動 ,  モデル予測制御