Główne pojęcia
ドライバーの認知的衰退と疲労は、ライドシェアリングプラットフォームの全体的な効率に大きな影響を及ぼす。本研究では、ランダムに活性化されるニューラルネットワークを用いて、ドライバーの動的割引満足化(DDS)ヒューリスティックをモデル化し、ドライバーの最終的な乗車決定を予測する。
Streszczenie
本研究では、ドライバーの認知的衰退と疲労を動的割引満足化(DDS)ヒューリスティックでモデル化している。DDS ヒューリスティックは、ドライバーの初期目標と疲労率の動的な変化を捉えることができる。
具体的には、DDS ヒューリスティックでは、ドライバーの累積効用が割引閾値を超えた時点で乗車を停止するという意思決定を行う。この閾値は、日々変化する初期目標と割引率によって決まる。
本研究では、この DDS ヒューリスティックをランダムに活性化されるニューラルネットワークでモデル化し、サンプリングベースの逆伝播アルゴリズムを用いて学習を行った。
シミュレーション実験と実際のシカゴタクシーデータを用いた検証の結果、提案手法は従来手法よりも優れた性能を示すことが確認された。
Statystyki
ドライバーの1日あたりの累積効用は指数分布に従う
ドライバーの初期目標λは前日の初期目標λ_d-1、前日の累積効用U_d-1、標準正規分布に従うランダム変数ϵ_dの関数として更新される
ドライバーの割引率βは前日の割引率β_d-1、前日の停止タスクT_d-1、標準正規分布に従うランダム変数η_dの関数として更新される
Cytaty
"ドライバーの認知的衰退と疲労は、ライドシェアリングプラットフォームの全体的な効率に大きな影響を及ぼす。"
"DDS ヒューリスティックは、ドライバーの初期目標と疲労率の動的な変化を捉えることができる。"
"提案手法は従来手法よりも優れた性能を示すことが確認された。"