文献

J-GLOBAL ID：202202267306094972   整理番号：22A1085917

ライドソーシングシステムにおける遅延への学習:マルチエージェント深層強化学習フレームワーク【JST・京大機械翻訳】

Learning to Delay in Ride-Sourcing Systems: A Multi-Agent Deep Reinforcement Learning Framework

著者 (4件)： Ke Jintao (Department of Civil and Environmental Engineering, Hong Kong University of Science and Technology, Hong Kong, China) ,  Xiao Feng (School of Business Administration, Southwestern University of Finance and Economics, Chengdu, China) ,  Yang Hai (Department of Civil and Environmental Engineering, Hong Kong University of Science and Technology, Hong Kong, China) ,  Ye Jieping (AI Labs, Didi Chuxing, Beijing, China)
資料名： IEEE Transactions on Knowledge and Data Engineering  (IEEE Transactions on Knowledge and Data Engineering)
巻： 34  号： 5  ページ： 2280-2292  発行年： 2022年 
JST資料番号： T0838A  ISSN： 1041-4347  CODEN： ITKEEH  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： サイドソーシングサービスは,現在,モバイルインターネットを通して運転者と乗客を効果的に接続することにより,人々が旅行する道を再構築する。アイドリング運転者と待機乗客の間のオンラインマッチングは,乗り上げシステムにおける最も重要な構成要素の1つである。平均ピックアップ距離または時間は,乗客の待ち時間と運転者の利用率の両方に影響するので,システム効率の重要な測定である。プラットフォームがより多くのアイドリングドライバを蓄積し,マッチングプールに乗客を待つならば,より効果的な二部マッチング(より小さな平均ピックアップ時間)が実現できることが自然に予測される。特定の乗客要求は,彼/彼女が数秒待つ後に,より近いアイドリング運転者と整合するので,遅れたマッチングから利益を得ることができる。遅延マッチングの潜在的利点によって動機づけられて,本論文はコンビナトリアル最適化とマルチエージェント深層強化学習法を組み込む2段階フレームワークを確立する。マルチエージェント強化学習法を用いて,各乗客要求(各要求が整合プールに入る時間)に対する遅延時間の動的決定を行い,一方,組合せ最適化は,アイドリング運転者と整合プールにおける待ち乗客の間の最適二分マッチングを行う。4つのテーラード強化学習法,遅延マルチエージェント深層Q学習(遅延M-DQN),遅延マルチエージェントアクター(Delayed-M-A2C),遅延マルチエージェントProximalポリシー最適化(Delayed-M-PPO),および経験再生(Delayed-M-ACER)による遅延マルチエージェントアクター-批評を開発した。十分に設計されたシミュレータを用いた広範な経験的実験を通して,提案したフレームワークは,ピックアップ時間,マッチング速度の成功の間のトレードオフを良好にバランスさせることにより,システム性能を著しく改善できることを示した。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 ,  *学習 ,  シミュレータ ,  運転者 ,  アイドリング ,  待ち時間 ,  乗客 ,  マッチング ,  *強化学習
準シソーラス用語： 利用率 ,  遅延時間 ,  Q学習 ,  システム性能 ,  オンライン ,  *マルチエージェント , 【Automatic Indexing@JST】

分類 (5件)： 都市交通  (TA01020W) ,  その他のオペレーションズリサーチの手法  (KA03070E) ,  マーケティング  (KA06020W) ,  パターン認識  (JE07000S) ,  移動通信  (ND08030H)

タイトルに関連する用語 (5件)： 遅延 ,  学習 ,  マルチエージェント ,  深層強化学習 ,  フレームワーク