要約
オンデマンド配車サービスまたは配車サービスは、過去 10 年間で急速に発展してきました。
さまざまな数学的モデルと最適化アルゴリズムが開発されており、配車プラットフォームがより効率的に運用戦略を設計できるようになっています。
ただし、コストと信頼性の問題 (実際の運用に未熟なアルゴリズムを実装すると、システムが混乱する可能性があります) のため、これらのモデルを検証し、現実世界のライドソーシング プラットフォーム内でこれらの最適化アルゴリズムをトレーニング/テストすることは一般的に実行不可能です。
有用なテスト ベッドとして機能する配車システムのシミュレーション プラットフォームは、アルゴリズムのトレーニング/テスト、またはトレイルとエラーによるモデルの検証を行うために非常に重要です。
以前の研究では、独自のタスク用にさまざまなシミュレーターが確立されていますが、さまざまな研究者によって提案されたモデルまたはアルゴリズムを比較するための公正で公開されたプラットフォームがありません。
さらに、既存のシミュレーターは、配車システムの実際の環境への近さから、実装できるさまざまなタスクの完全性まで、依然として多くの課題に直面しています。
課題に対処するために、実際の輸送ネットワーク上のさまざまなエージェントの動作と動きをシミュレートできる、ライドソーシング システム用の新しい多機能でオープンソースのシミュレーション プラットフォームを提案します。
オンデマンド マッチング、アイドル車両の再配置、動的価格設定などのさまざまなタスクのために、ユーザーがさまざまな最適化アルゴリズム (特に強化学習アルゴリズム) をトレーニングおよびテストするためのいくつかのアクセス可能なポータルを提供します。
さらに、理論モデルがシミュレートされた結果をどの程度近似しているかをテストするために使用できます。
実世界のデータに基づく実験で評価されたこのシミュレーターは、オンデマンド配車サービスの運用に関連するさまざまなタスクの効率的かつ効果的なテスト ベッドであることが実証されています。
要約(オリジナル)
On-demand ride services or ride-sourcing services have been experiencing fast development in the past decade. Various mathematical models and optimization algorithms have been developed to help ride-sourcing platforms design operational strategies with higher efficiency. However, due to cost and reliability issues (implementing an immature algorithm for real operations may result in system turbulence), it is commonly infeasible to validate these models and train/test these optimization algorithms within real-world ride sourcing platforms. Acting as a useful test bed, a simulation platform for ride-sourcing systems will be very important to conduct algorithm training/testing or model validation through trails and errors. While previous studies have established a variety of simulators for their own tasks, it lacks a fair and public platform for comparing the models or algorithms proposed by different researchers. In addition, the existing simulators still face many challenges, ranging from their closeness to real environments of ride-sourcing systems, to the completeness of different tasks they can implement. To address the challenges, we propose a novel multi-functional and open-sourced simulation platform for ride-sourcing systems, which can simulate the behaviors and movements of various agents on a real transportation network. It provides a few accessible portals for users to train and test various optimization algorithms, especially reinforcement learning algorithms, for a variety of tasks, including on-demand matching, idle vehicle repositioning, and dynamic pricing. In addition, it can be used to test how well the theoretical models approximate the simulated outcomes. Evaluated on real-world data based experiments, the simulator is demonstrated to be an efficient and effective test bed for various tasks related to on-demand ride service operations.
arxiv情報
| 著者 | Siyuan Feng,Taijie Chen,Yuhao Zhang,Jintao Ke,Hai Yang |
| 発行日 | 2023-03-22 06:25:19+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google