A sequential transit network design algorithm with optimal learning under correlated beliefs

要約

モビリティ サービスのルート設計には、サービス地域内の移動需要に十分に対応するための潜在的な需要情​​報が必要です。
交通プランナーやオペレーターは、世帯旅行調査データやモバイル デバイスの位置ログなど、さまざまなデータ ソースにアクセスできます。
ただし、新しいテクノロジーを使用してモビリティ システムを実装する場合、ユーザーの行動の不確実性が高まるため、需要レベルの推定が難しくなります。
したがって、この研究では、逐次交通ネットワーク設計と最適な学習を組み合わせた人工知能駆動のアルゴリズムを提案します。
事業者は、計画されたルートと実際の旅行需要の間の不一致によるリスクを回避するために、ルート システムを徐々に拡張します。
同時に、観察された情報はアーカイブされ、オペレーターが現在使用している知識が更新されます。
アルゴリズム内では、マルチアーム バンディット、知識勾配、相関信念を持つ知識勾配の 3 つの学習ポリシーが比較されます。
検証のために、新しいルート システムは、ニューヨーク市の公共利用マイクロデータ エリアに基づく人工ネットワーク上に設計されています。
事前知識は地域の世帯旅行調査データから再現されています。
この結果は、一般に貪欲な選択と比較して、相関関係を考慮した探索がより良いパフォーマンスを達成できることを示唆しています。
将来の研究では、移動時間に対する需要の弾力性、乗り換え回数の制限なし、拡張のためのコストなど、問題はさらに複雑になる可能性があります。

要約(オリジナル)

Mobility service route design requires potential demand information to well accommodate travel demand within the service region. Transit planners and operators can access various data sources including household travel survey data and mobile device location logs. However, when implementing a mobility system with emerging technologies, estimating demand level becomes harder because of more uncertainties with user behaviors. Therefore, this study proposes an artificial intelligence-driven algorithm that combines sequential transit network design with optimal learning. An operator gradually expands its route system to avoid risks from inconsistency between designed routes and actual travel demand. At the same time, observed information is archived to update the knowledge that the operator currently uses. Three learning policies are compared within the algorithm: multi-armed bandit, knowledge gradient, and knowledge gradient with correlated beliefs. For validation, a new route system is designed on an artificial network based on public use microdata areas in New York City. Prior knowledge is reproduced from the regional household travel survey data. The results suggest that exploration considering correlations can achieve better performance compared to greedy choices in general. In future work, the problem may incorporate more complexities such as demand elasticity to travel time, no limitations to the number of transfers, and costs for expansion.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google