需要不確実性の下での公共輸送中断中のロバストな経路推薦【JST・京大機械翻訳】

Mo Baichuan; Koutsopoulos Haris N.; Shen Max Zuo-Jun; Zhao Jinhua

プレプリント

J-GLOBAL ID：202202209982718059 整理番号：22P0023674

需要不確実性の下での公共輸送中断中のロバストな経路推薦【JST・京大機械翻訳】

Robust Path Recommendations During Public Transit Disruptions Under Demand Uncertainty

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年01月04日プレプリントサーバーでの情報更新日： 2022年01月04日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

公共交通システムにおける顕著なサービス破壊があるとき,乗客は,通常,代替経路を見つけるための指針を必要とする。本論文は,公共交通崩壊の間の混雑を緩和するための経路推薦モデルを提案した。システム旅行時間が最小化されるような異なる経路で,異なる起源-目的と出発時間を有する乗客を推薦した。不確実な需要情報を有する最適流れ問題として経路推薦をモデル化した。左背後の旅行時間の非解析的定式化に取り組むために,元の問題を線形プログラミングに変換するためのシミュレーションベースの一次近似を提案した。需要の不確実性は,不正確な推定に対する経路推薦戦略を保護するためのロバスト最適化によってモデル化される。Chicago Transit Authority(CTA)システムにおける実世界レール破壊シナリオをケーススタディとして用いた。結果は,不確実性を考慮しない場合でも,名目モデルは,システム旅行時間を9.1%(現状と比較して)に低減でき,ベンチマーク容量ベースの経路推薦より優れていることを示した。事故ラインにおける乗客の平均旅行時間(すなわち,推薦を受ける乗客)は,より多くの減少(現状と比較して-20.6%)である。需要不確実性を組み込んだ後に,ロバストモデルはさらにシステム旅行時間を減らすことができる。最良のロバストモデルは,公称モデルと比較して,事故線乗客の平均移動時間を2.91%減少させることができる。【JST・京大機械翻訳】

, , , , , , , , , , , , , ,
, 【Automatic Indexing@JST】

交通調査

, , , , ,

前のページに戻る