文献

J-GLOBAL ID：202002281246867168   整理番号：20A1588562

タクシー運転者の経験に基づく制約深さ強化学習アルゴリズム経路マイニング【JST・京大機械翻訳】

Mining fastest route using taxi drivers’experience via constrained deep reinforcement learning

著者 (3件)： Huang Min (中山大学 智能工程学院 广東智能交通系統重点実験室,广州,510006) ,  Mao Feng (中山大学 智能工程学院 广東智能交通系統重点実験室,广州,510006) ,  Qian Yuxiang (中山大学 智能工程学院 广東智能交通系統重点実験室,广州,510006)
資料名： Jisuanji Yingyong Yanjiu  (Jisuanji Yingyong Yanjiu)
巻： 37  号： 5  ページ： 1298-1302  発行年： 2020年 
JST資料番号： C2536A  ISSN： 1001-3695  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： タクシー運転者の経験を利用して、制約深さ強化学習アルゴリズム(CDRL)がオンラインで異なる時間帯内のOD間の最速ルートを計算する方法を提案した。まず第一に,道路セグメントの経験的データベース(ERSD)の抽出を記述した。次に,CDRL法を紹介し,選択可能な制約セグメント生成と深さQ-lear-ningアルゴリズムの2つの段階を含み,第1段階で,OD(終点)間の選択可能な拘束セグメントを生成し,第2段階において,第2段階に選択できる。設計深さQ-learningアルゴリズムはタクシー運転者の経験を学習し、彼らの出発時間に従って、与えられたOD間の最速ルートを計算する。最後に、広州CBDで応用実験を行った。結果は,CDRL方式が最短経路(SR)方式より旅行時間において優れて,最も速い経路(FR)方式と計算経路の間の差異が全くないことを示して,また,CDRL方式は,FRとSR方式より計算効率において優れて,このように,ODの間の最も速い経路のオンライン計算に好適であった。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  道路 ,  旅行時間 ,  *タクシー ,  *学習アルゴリズム
準シソーラス用語： 計算効率 ,  エンドポイント ,  オンライン ,  最短経路 , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (6件)： タクシー ,  経験 ,  制約 ,  強化 ,  学習アルゴリズム ,  経路