Keskeiset käsitteet
本研究では、利益最大化を目的とした自律型モビリティオンデマンドシステムの中央オペレーターの車両配車と統合リバランシングの問題を解決するための新しい多エージェントソフトアクタークリティックアルゴリズムを提案する。このアルゴリズムは、車両ベースの並列アーキテクチャと重み付き二部マッチングを組み合わせ、グローバルな損失関数を導入することで、効率的かつ効果的なフリートコントロール戦略を実現する。
Tiivistelmä
本研究では、利益最大化を目的とした自律型モビリティオンデマンド(AMoD)システムの中央オペレーターの車両配車と統合リバランシングの問題を扱っている。
まず、車両配車の問題について以下の点が示されている:
多エージェントソフトアクタークリティック(SACD)アルゴリズムを用いて、各車両をエージェントとして扱う新しい並列アーキテクチャを提案している
各エージェントが要求を評価し、重み付き二部マッチングを用いて全体最適な配車を行う
従来のローカルな損失関数ではなく、グローバルな損失関数を導入することで、より正確な次状態の価値推定を実現している
次に、リバランシングの統合について以下の点が示されている:
配車問題に人工的な再配置要求を追加することで、配車とリバランシングを同時に決定できるようにしている
再配置先の選択や報酬設計などの工夫により、効果的なリバランシングを実現している
最後に、実験結果から以下のことが明らかになっている:
提案手法は、配車のみの問題で最大12.9%、配車とリバランシングの統合問題で最大38.9%の性能向上を達成している
車両台数の変化に対しても頑健な性能を示している
Tilastot
車両1台当たりの平均走行距離は0.2ゾーン
車両1台当たりの平均待ち時間は2.5分