文献

J-GLOBAL ID：202202262035062523   整理番号：22A0457175

自律移動オンデマンドシステムにおける乗り心地車両ディスパッチングへの深層強化学習アプローチ【JST・京大機械翻訳】

A Deep Reinforcement Learning Approach to Ride-Sharing Vehicle Dispatching in Autonomous Mobility-on-Demand Systems

著者 (2件)： Guo Ge (Department of Automation, Dalian Maritime University, Dalian, China) ,  Xu Yangguang (Department of Automation, Dalian Maritime University, Dalian, China)
資料名： IEEE Intelligent Transportation Systems Magazine  (IEEE Intelligent Transportation Systems Magazine)
巻： 14  号： 1  ページ： 128-140  発行年： 2022年 
JST資料番号： W2271A  ISSN： 1939-1390  CODEN： IITSBO  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： 本論文では,乗り分け自律型自律性オンデマンドシステムにおける乗り分け車両ディスパッチングとルーティング問題を研究した。著者らは,歴史的データを活用することによって,グローバルで遠視された見解におけるサービスの運用コストと乗客品質の両方を最適化することができる新しい方法を提示する。それは,2つの部分,1つは車両ルーティング意思決定,もう1つは要求-車両割当てである。特に,車両ルーティング意思決定手順を,適切に設計した状態,行動,および報酬で,アイドリング車両再平衡を考慮するMarkov決定プロセスとして定式化した。歴史的確率分布に従って将来の要求をサンプリングすることにより,ルックアヘッド意思決定を,畳込みニューラルネットワークと二重深Q学習モジュールから成る深い強化学習フレームワークによって実現した。次に,車両ルーティングから得た学習値に基づいて,要求-車両割当て方式を提示した。本方法の満足な性能(例えば,サービス速度,平均待ち時間および旅行距離)を,種々の車群サイズと異なる車両容量の下で,実験結果によって実証した。Copyright 2022 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： 最適化 ,  意思決定 ,  *学習 ,  *ディスパッチング ,  *乗り心地 ,  確率分布 ,  旅行 ,  操業費 ,  アイドリング ,  経路選定 ,  待ち時間 ,  乗客 ,  定式化 ,  *強化学習
準シソーラス用語： Q学習 , 【Automatic Indexing@JST】

分類 (1件)： 自動車事故,交通安全  (TB01050G)

タイトルに関連する用語 (5件)： 自律 ,  オンデマンド ,  乗り心地 ,  ディスパッチング ,  深層強化学習