文献

J-GLOBAL ID：202102228643554550   整理番号：21A0228198

良品か中世か?タクシー収入効率最適化のための深層強化学習アプローチ【JST・京大機械翻訳】

Good or Mediocre? A Deep Reinforcement Learning Approach for Taxi Revenue Efficiency Optimization

著者 (6件)： Wang Haotian (College of Computer Science and Electrical Engineering, Hunan University, Changsha, China) ,  Rong Huigui (College of Computer Science and Electrical Engineering, Hunan University, Changsha, China) ,  Zhang Qun (College of Computer Science and Electrical Engineering, Hunan University, Changsha, China) ,  Liu Daibo (College of Computer Science and Electrical Engineering, Hunan University, Changsha, China) ,  Hu Chunhua (Key Laboratory of Hunan Province for Mobile Business Intelligence, Hunan University of Commerce, Changsha, China) ,  Hu Yupeng (College of Computer Science and Electrical Engineering, Hunan University, Changsha, China)
資料名： IEEE Transactions on Network Science and Engineering  (IEEE Transactions on Network Science and Engineering)
巻： 7  号： 4  ページ： 3018-3027  発行年： 2020年 
JST資料番号： W2435A  ISSN： 2327-4697  資料種別： 逐次刊行物 (A)
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： 最近,都市の急速な拡大によって,タクシー収入効率を改良するためのタクシー運転経路を最適化することは,タクシーシステムのコア問題になった。しかしながら,ほとんどの現在の研究は,DiDiのような集中型ディスパッチタクシーシステムにおける運転者の収入を改善する代わりに,プラットフォーム収入の増加に焦点を当て,それは,より遅い運転者収入成長と,運転者の補充のためのより大きな困難をもたらす。この問題を解決するために,ドライバモードに基づく深層強化学習の戦略を提案した。第1に,ドライバーのシーケンス選択プロセスを,ドライバモードにおけるMarkov意思決定プロセスとしてモデル化した。次に,ドライバの意思決定戦略を最適化するために,深いQネットワークに基づく学習方式を提案した。歴史的タクシー運転者の実選択は,現在のタクシー運転者の選択に非常に役立つので,エッジネットワークを更新するためのエッジデータとして現在の位置の歴史的記録を選択する。最後に,長沙において1400以上のタクシーにより生成された実際のデータセットを用いた。シミュレーション実験は,著者らの方式がタクシーの巡航時間を減少して,ドライバーの収入を4~5%改善することを示した。炭素排出量は,約6%の燃料消費を節約することによって明らかに減少し,これはグリーン移動度に著しく寄与する。Copyright 2021 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： 移動度 ,  *最適化 ,  シミュレーション ,  意思決定 ,  *学習 ,  ネットワーク ,  都市 ,  *タクシー ,  二酸化炭素排出量
準シソーラス用語： 燃料消費量 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 良品 ,  中世 ,  タクシー ,  収入 ,  効率最適化 ,  深層強化学習