کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6853947 1437280 2018 40 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A time-dependent model with speed windows for share-a-ride problems: A case study for Tokyo transportation
ترجمه فارسی عنوان
یک مدل وابسته به زمان با پنجره های سرعت برای مشکلات به اشتراک گذاری: یک مطالعه مورد برای حمل و نقل توکیو
کلمات کلیدی
مسافر و پارک ها به اشتراک می گذارند به اشتراک گذاری یک سوار، تاکسی توکیو، نمودارهای پویا، الگوریتم های هورستیک،
ترجمه چکیده
این مقاله یک مدل کاملا وابسته به زمان جدیدی از یک سیستم حمل و نقل عمومی را در چارچوب شهر معرفی می کند که اجازه می دهد تا یک تاکسی بین یک مسافر و قطعه های با توجه به سرعت بیوه ها به اشتراک بگذاریم. این مدل دارای بسیاری از ویژگی های واقعی زندگی است و توسط یک فرمول ریاضی ارائه شده است. ما هر دو سناریوهای استاتیک و پویا را در مقایسه با استراتژی های سنتی، یعنی مدل تحویل مستقیم، مطالعه می کنیم. علاوه بر این، ما پنجره های سرعت را با استفاده از مناطق مختلف و سطوح احتمالی در یک روز در محدوده شهر طبقه بندی می کنیم. پنجره های سرعت های مختلف مدل الگوی پویا را برای شبکه های جاده ای القا می کنند و مشکل را برای حل مشکل مشکل تر می کنند. به دلیل مدل پیچیده، مراحل پیش پردازش بر روی داده ها و همچنین نمودارهای پویا بسیار مهم هستند. ما از یک الگوریتم حریص برای راه اندازی راه حل استفاده می کنیم و سپس از برخی تکنیک های جستجوی محلی برای بهبود کیفیت راه حل استفاده می کنیم. مجموعه داده های آزمایشی توسط شرکت توکیو-موزن تاکسی ثبت شده است. مجموعه داده شامل بیش از 20،000 درخواست در روز، بیش از 4500 تاکسی استفاده شده در روز و بیش از 130000 نقطه گذر در نقشه توکیو. نتایج تجربی بر روی عوامل مختلف مانند سود کلی، زمان سفر تجمعی در طول روز، تعداد تاکسی های مورد استفاده و تعداد درخواست های مشترک مورد تجزیه و تحلیل قرار گرفته است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
This paper introduces a new fully time-dependent model of a public transportation system in the urban context that allows sharing a taxi between one passenger and parcels with speed widows consideration. The model contains many real-life case features and is presented by a mathematical formulation. We study both static and dynamic scenarios in comparison to traditional strategies, i.e., the direct delivery model. Moreover, we classify speed windows by different zones and congestion levels during a day in the urban context. Different speed windows induce the dynamic graph model for road networks and make the problem much more difficult to solve. Because of the complex model, the preprocessing steps on data as well as on dynamic graphs are very important. We use a greedy algorithm to initiate the solution and then use some local search techniques to improve the solution quality. The experimental data set is recorded by Tokyo-Musen Taxi company. The data set includes more than 20000 requests per day, more than 4500 used taxis per day and more than 130000 crossing points on the Tokyo map. Experimental results are analyzed on various factors such as the total benefit, the accumulating traveling time during the day, the number of used taxis and the number of shared requests.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Data & Knowledge Engineering - Volume 114, March 2018, Pages 67-85
نویسندگان
, , , ,