核心概念
本論文では、自動運転車の登場に伴い期待されるオンデマンド移動サービスの効率的な運用を実現するための大規模ピックアップ・デリバリー問題に対する分解ベースのアルゴリズムを提案する。
要約
本論文では、大規模なピックアップ・デリバリー問題を効率的に解くためのアルゴリズムを提案している。
まず、ピックアップ要求のプーリングと車両への割り当てを順次決定する分解ベースのマテヒューリスティックを開発した。ここでは、ハイパーグラフ上での最大重み マッチングを用いてプーリングを決定し、その後、車両への割り当てを k-disjoint 最短経路問題として解く。
次に、プーリングと割り当ての統合的な決定を可能にするILS(Iterative Local Search)ベースのメタヒューリスティックを提案した。ここでは、部分問題への分解、ruin-and-recreate手法、および経路の局所最適化などの手法を組み合わせている。
提案手法を用いて、これまで解かれていなかった21,000件を超える大規模な問題インスタンスを解くことができ、車両台数の削減や顧客待ち時間の許容範囲の拡大など、実践的な観点から重要な洞察を得ることができた。
統計
提案手法により、これまで解かれていなかった21,000件を超える大規模な問題インスタンスを解くことができた。
車両台数の削減や顧客待ち時間の許容範囲の拡大など、実践的な観点から重要な洞察を得ることができた。