共有自律車両(SAV)フリート管理のための深層強化学習【JST・京大機械翻訳】

Sainz-Palacios Sergio

プレプリント

J-GLOBAL ID：202202220074571810 整理番号：22P0274880

共有自律車両(SAV)フリート管理のための深層強化学習【JST・京大機械翻訳】

Deep Reinforcement Learning for Shared Autonomous Vehicles (SAV) Fleet Management

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 (1件)：
資料名：
発行年： 2022年01月14日プレプリントサーバーでの情報更新日： 2022年01月14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)

共有自動車両(SAV)Fleets社は,全国でパイロットプロジェクトを始めている。FairfaxVirginiaにおける2020年に,Virginiaにおける最初のShared自律車両Fleetパイロットプロジェクトを発表した。SAVは生活の質の改善を約束する。しかし,SAVはまた,過度の車両走行(VMT)を生成することによって,いくつかの負の外部性を誘発し,より多くの混雑,エネルギー消費,および排出をもたらす。過度のVMTは,主に空の再配置過程を通して発生する。強化学習ベースのアルゴリズムは,これらの問題のいくつかを解決するための可能な解決策として研究されている:ライダーの待ち時間を最も顕著に最小化する。しかし,再強化学習を用いた研究は,駐車空間コストの低減や空の巡航時間の削減についてなされていない。本研究では,異なるbf{Reinforcement Learningアプローチを検討し,次に,ライダー待ち時間,駐車コスト,および空の旅行を最小化するための最良のアプローチを決定した。【JST・京大機械翻訳】

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

ロボットの運動・制御

, , ,

前のページに戻る