JP2022513414A - アーリーライダー及びレイトライダーをスケジューリングするシステム及び方法 - Google Patents

アーリーライダー及びレイトライダーをスケジューリングするシステム及び方法 Download PDF

Info

Publication number
JP2022513414A
JP2022513414A JP2021551106A JP2021551106A JP2022513414A JP 2022513414 A JP2022513414 A JP 2022513414A JP 2021551106 A JP2021551106 A JP 2021551106A JP 2021551106 A JP2021551106 A JP 2021551106A JP 2022513414 A JP2022513414 A JP 2022513414A
Authority
JP
Japan
Prior art keywords
group
time
flr
passengers
scenario
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2021551106A
Other languages
English (en)
Other versions
JP7275295B2 (ja
Inventor
セルラ、ティアゴ
ラグナータン、アーヴィンド
バーグマン、デイビッド
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Publication of JP2022513414A publication Critical patent/JP2022513414A/ja
Application granted granted Critical
Publication of JP7275295B2 publication Critical patent/JP7275295B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3407Route searching; Route guidance specially adapted for specific applications
    • G01C21/3438Rendez-vous, i.e. searching a destination where several users can meet, and the routes to this destination for these users; Ride sharing, i.e. searching a route such that at least two users can share a vehicle for at least part of the route
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3407Route searching; Route guidance specially adapted for specific applications
    • G01C21/3415Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3407Route searching; Route guidance specially adapted for specific applications
    • G01C21/3423Multimodal routing, i.e. combining two or more modes of transportation, where the modes can be any of, e.g. driving, walking, cycling, public transport
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3407Route searching; Route guidance specially adapted for specific applications
    • G01C21/343Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047Optimisation of routes or paths, e.g. travelling salesman problem
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40Business processes related to the transportation industry
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/005Traffic control systems for road vehicles including pedestrian guidance indicator
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/20Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/20Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
    • G08G1/202Dispatching vehicles on the basis of a location, e.g. taxi dispatching
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29Geographical information databases
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9537Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • G06N20/20Ensemble learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00Computing arrangements using knowledge-based models
    • G06N5/04Inference or reasoning models

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Automation & Control Theory (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Educational Administration (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Navigation (AREA)

Abstract

マルチモード輸送ネットワーク(MTN)の車両にアーリーライダー(ER)及びレイトライダー(LR)をスケジューリングするシステム及び方法。実行されると、プロセッサにシナリオの有限集合を予測するステップを実行させる命令が記憶されている。各シナリオは、1組の可能なフォアキャストLR(FLR)の移動要求を有する。目的地への所望の到着時刻に基づいて、ERグループ及びシナリオごとのFLRグループを繰り返し生成する。各シナリオにおいてERグループ及びFLRグループごとに通勤用車両(CV)を割り当てる。ERグループ及びFLRグループごとに、ERグループ及びFLRグループが割り当てられている対応するCVの出発時刻及び目的地への到着時刻を繰り返し決定する。反復は、ER及びFLRのための共同スケジュールが目的関数を最小化する各シナリオを形成するまで、継続する。割当て情報を定式化し、割当て情報をER及び割り当てられたCVへ送信する。

Description

本開示は、包括的には、マルチモード輸送ネットワークをスケジューリングするシステム及び方法に関し、より詳細には、通勤用車両(CV:commuter vehicle)及び定時運行車両(fixed schedule vehicle)を有するマルチモード輸送ネットワークにおいて、既知の乗客及び未知の乗客にCVを割り当てるシステム及び方法に関する。
マルチモード輸送ネットワークの中でマルチモードのルートを取得するには、いくつかの課題がある。そのような輸送ネットワークには通常、異なるタイプのサブネットワーク、すなわち、異なる輸送モードに関連するサブネットワークが含まれる。従来のルート選択及び/又はスケジューリング方法は或る特定のタイプの輸送ネットワークに特化する傾向があるので、異なるタイプのネットワークの特性の違いにより、両方のタイプのネットワークにまたがるマルチモードルートを生成することは困難である。マルチモードルートを取得する現在の試みでは、異なるネットワークを経由するルートを決定するために、それらのネットワークを別々に検討することが必要である。例えば、或る出発点から、或る輸送モードに関連するネットワークを経由して、別の輸送モードの出発点までのルートを決定し、その後、その別の輸送モードの出発点から、別の輸送モードに関連するネットワークを経由して、所定の目的地までのルートを決定することができる。
私的輸送ルート選択、例えば、自動車でのルート選択アルゴリズムと、公共輸送ルート選択とでは、それらのネットワークの特性が異なる傾向があるため、真の意味でのマルチモードルートプランナーを提供するために、それらのルート選択を容易に統合することはできない。マルチモード輸送ネットワークを利用したマルチモードルート手法は、乗客に関する全ての情報が事前に利用可能であるとの仮定に基づいて、公共輸送ネットワーク及び私的輸送ネットワークを最適化する。しかしながら、これらのタイプの手法では、不確実な情報の下での最適化については言及又は対処することができず、既知のスケジューリングされた乗客のように、全ての乗客が事前に意図する移動情報を明らかにするわけではない。
したがって、システムが乗客、すなわち、ライダーに関心のある出発地と目的地との間の私的輸送及び公共輸送の使用を統合することを可能にするマルチモードルートを生成する必要がある。ここで、乗客のサブセット、すなわち、既知の乗客/ライダーは、事前に意図したスケジューリング情報を明らかにし、1組の乗客、すなわち、不確実な乗客、すなわち、未知の乗客は、既知の乗客がスケジューリング情報を明らかにした時点で、意図したスケジューリング情報を明らかにしない。
本開示は、マルチモード輸送ネットワーク(MTN)の複数の輸送モードの乗客/ライダーのスケジュールを共同管理するシステム及び方法に関する。特に、乗客/ライダーをスケジューリングするための2段階確率的計画定式化を利用する。乗客は、シナリオの有限集合を通して予測されるアーリーライダー(early rider)/既知の乗客、及びレイトライダー(late rider)/不確実な乗客として特徴付けられる。本開示のシステム及び方法は、スケジューリング問題の解決を支援するために決定図に基づく最適化手法を使用する。
本開示は、不確実な情報の下で乗客のスケジューリングを最適化することにより、従来のスケジューリング方法のスケジューリング問題のうちのいくつかを解決する。例えば、全ての乗客が事前に移動移動を明らかにしているとは限らず、これは不確実な情報であるのに対して、既知の乗客は、MTNを移動する前にその移動移動を明らかにしているため、MTNは既知の乗客をスケジューリングすることができる。これらの不確実な乗客は、既知の乗客が時間内にその移動移動を提供した後に、時間内にMTNで輸送スケジュールを要求することができる。例えば、不確実な乗客は、移動の直前に、すなわち、既知の乗客が輸送スケジュールの要求を時間内に提出した後に、自身の移動移動を提出する場合がある。不確実な乗客の中には、MTNで既に移動しながら、輸送スケジューリングの移動要求を提出できる人がいることが想定される。
MTNで乗客をスケジューリングするときに「不確実な情報又は不確実な乗客」に対処する少なくとも1つの理由は、非限定例として、より効率的な全体行程/移動を提供し、及び/又は環境への影響を減らすことである。一部の不確実な乗客が意図した移動情報を事前に明らかにしないことによって、非限定例として、MTNの定員超過となり、全ての乗客の効率的な移動の低下につながる全ての乗客の移動時間が増加するr可能性がある。ほとんどの従来のスケジューリング方法では、MTNで乗客をスケジューリングするときに不確実な乗客の存在に対処できず、その結果、乗客の移動時間、機器の使用、燃料消費、及び過剰なフリート寸法の増加に関する多くの問題が発生する。乗客のスケジューリングがより多くの乗客を含めることを予期していないとき、遅いサービスを要求する乗客は他の乗客のサービス時間を長くする可能性がある。そのような乗客の多くはサービスが受けられないとき、そのスケジュールがまったく不可能な場合もあるが、遅延要求に対してMTNでサービスを確保するには、CVフリートの増強が必要であると誤った想定をしてしまうかもしれない。
具体的には、本開示は、非限定例として、MTN用の大量輸送サービスの輸送拠点、すなわち、ターミナル発着所から各ライダーの最終目的地まで乗客/ライダーを送り届けるサービスを提供する車両を含むラストマイル乗客/ライダー輸送において車両を使用することに取り組む。ラストマイル乗客/ライダー輸送におけるこれらの車両は、通勤用車両(CV)及び自律走行車両等として定義することができる。
複数の輸送モードにわたって乗客/ライダーのためのいくつかのスケジューリング問題に対処する際には、複数の輸送モードを2つ以上の輸送モードに分けることができる。例えば、大量輸送ネットワークの第1のモードは、空輸、船、バス、又は列車等の定時運行車両を使用できる。また、輸送ネットワークの第2のモードは、CV、すなわち、運転者が操作する自動車、無人車両、ミニバス、電動プラットフォーム等の定員が少ない車両からなるCVを使ってスケジューリングに柔軟性を持たせる。
定時運行車両は、決まったスケジュール及び制約されない乗客定員を有し、対応するサービスの輸送拠点間で乗客を輸送する。例えば、列車は、鉄道駅間でのみ乗客を輸送し、一方、バスは停留所間で乗客を輸送する。本明細書においては、制約されない乗客定員とは、スケジューリング及び管理の解において考慮されない、定時運行車両の最大定員と理解することができる。対照的に、CVは、乗客の目的地に応じて選択されるルートを経由して、乗客を輸送拠点まで、又は輸送拠点から輸送するために、制約されないスケジュール及び乗客定員の最大値を有する。
本開示のいくつかのシステム及び方法の多くの目標の中で少なくともいくつかの目標は、既知の乗客と未知の乗客との両方のためのより効率的な全体行程を提供し、同様に、環境への影響を低減することである。本開示のいくつかのシステム及び方法の他の利点は、MTNを用いた異なる輸送モードの定員を最大化することにより、最小の待機時間コストを一部の乗客に提供することができる。
本開示のいくつかの実施の形態は、MTNにおける1つ以上の輸送モードに対して乗客をスケジューリングするときに制約を実施できるという認識を含む。例えば、スケジューリング時の制約には、乗客が発着所を利用する予定の時間における各ターミナル発着所(すなわち、輸送拠点)の乗客収容力のレベル、乗客が発着所を使用する予定の時間におけるターミナル発着所の施設状態のレベル、及び、そのターミナル発着所の乗客によって報告された通勤上の関心事/問題に応じた各発着所の使いやすさの特徴が挙げられる。上記の制約には、乗客の移動コストの削減、環境への影響の削減、並びにMTNにおける乗客の信頼性及び乗客の満足度の向上がある。ほとんどの従来のスケジューリング方法は、上記の制約を考慮していないため、乗客の待機時間コストを増加させる非効率的な全体行程となり、MTN内の異なる輸送モードの定員を最大化することができない。本開示のシステム及び方法は、上記の制約の一部又は全てを利用して、従来のスケジューリング方法を克服する。その結果、本開示のシステム及び方法は、オペレータによる特定の制約に従って、ターミナル発着所ごとに、すなわち、CV、列車、バス、地下鉄等に関連して閾値定員制限を設けることに基づいて実施することができる。
本開示の実施の形態によれば、アーリーライダー(ER)、すなわち、既知の乗客及びレイトライダー(LR)、すなわち、不確実な乗客をスケジューリングするシステムを開示する。ERがスケジューリングされた時点では、LRはマルチモード輸送ネットワーク(MTN)における車両に対して未知である。システムは、インターフェース及びメモリに接続される少なくとも1つのプロセッサを含む。メモリに記憶されるのは、MTNデータ及びER移動要求、並びに少なくとも1つのプロセッサによって実行されると、少なくとも1つのプロセッサに、シナリオの有限集合を予測することを含むステップを実行させる命令である。各シナリオは、可能なフォアキャストLR(FLR)の移動要求を含む。シナリオの有限集合は、MTNデータから取得される過去のER及び過去のLRが完了した移動から生成される。目的地への所望の到着時刻に基づいて、ERグループ及びシナリオごとのFLRグループを繰り返し生成する。ERグループ及びシナリオの有限集合の各シナリオにおけるFLRグループごとに通勤用車両(CV)を割り当てる。ERグループ及びFLRグループごとに、ERグループ及びFLRグループが割り当てられている対応するCVの出発時刻及び目的地への到着時刻を繰り返し決定する。任意の時点におけるCVで移動する全てのグループのライダーの総数は、CVの定員を超えず、ライダーをその場所からその目的地まで乗せるルートが存在する。ER及びFLRのための共同スケジュールが目的関数を最小化する各シナリオを形成するまで、反復は継続する。割当て情報を定式化し、インターフェースを介して、割当て情報をER及び割り当てられたCVに送信する。
実施の形態は、アーリーライダー(ER)及びレイトライダー(LR)をスケジューリングする方法を開示する。ERがスケジューリングされる時点で、輸送システム(TS)に関連付けられる通勤用車両(CV)に対して、LRは未知である。その方法は、インターフェースを介してER移動要求を受信することを含む。インターフェース及びメモリに接続されるプロセッサにより、プロセッサにステップを実行させる、メモリに記憶される命令を実行する。ステップは、シナリオの有限集合を予測することを含む。各シナリオは、可能な予測LR(FLR)移動要求を含み、シナリオの有限集合は、メモリに記憶されるTSデータから取得される過去のER及び過去のLRが完了した移動から生成される。目的地への所望の到着時刻に基づいて、ERグループ及びシナリオごとのFLRグループを繰り返し生成し、ERグループ及びLRグループに同時にサービスを提供するCVの数がフリート定員よりも少なくなる。ERグループ及びシナリオの有限集合の各シナリオにおけるFLRグループごとにCVを割り当てる。ERグループ及びFLRグループごとに、ERグループ及びFLRグループが割り当てられている対応するCVにおける出発時刻及び目的地への到着時刻を繰り返し決定する。任意の時点におけるCVで移動する全てのグループのライダーの総数は、割り当てられたCVの定員を超えず、ライダーをその場所からその目的地まで乗せるルートが存在する。ER及びFLRのための共同スケジュールは、ライダーの総待機時間とCVトリップ数との組合せであるメトリックの目的関数を最小化する各シナリオを形成するまで反復を継続する。割当て情報を定式化し、インターフェースを介して、割当て情報をER及び割り当てられたCVに送信する。
本開示の実施の形態によれば、アーリーライダー(ER)及びレイトライダー(LR)をスケジューリングするシステムを開示する。ERがスケジューリングされる時点で、マルチモード輸送ネットワーク(MTN)内の車両に対してLRは未知である。システムは、インターフェース及びメモリに接続され、メモリに記憶される少なくとも1つのプロセッサを含む。メモリに記憶されるのは、MTNデータ、及びERの移動要求、並びに少なくとも1つのプロセッサによって実行されると、少なくとも1つのプロセッサにシナリオの有限集合を予測することを含むステップを実行させる命令である。各シナリオは、可能なフォアキャストLR(FLR)の移動要求を含む。シナリオの有限集合は、MTNデータから取得される過去のER及び過去のLRが完了した移動から生成される。目的地への所望の到着時刻に基づいて、ERグループ及びシナリオごとのFLRグループを繰り返し生成する。ERグループ及びシナリオの有限集合の各シナリオにおけるFLRグループごとに通勤用車両(CV)を割り当てる。ERグループ及びFLRグループごとに、ERグループ及びFLRグループが割り当てられている対応するCVの出発時刻及び目的地への到着時刻を繰り返し決定する。任意の時点におけるCVで移動する全てのグループのライダーの総数がCVの定員を超えず、ライダーをその乗換発着所からその目的地まで乗せるルートが存在する。ER及びFLRのための共同スケジュールは、ライダーの総待機時間とCVトリップ数との組合せであるメトリックの期待値を最小化する各シナリオを形成するまで、反復を継続する。割当て情報を定式化し、インターフェースを介して、割当て情報をER及び割り当てられたCVに送信する。目的地への所望の到着時刻に基づいて、LRグループを繰り返し生成する。LRグループごとに通勤用車両(CV)を割り当てる。LRグループごとに、対応するCVの出発時刻及び目的地への到着時刻を含む期間を繰り返し決定する。ただし、そのLRグループのCVが、その期間の任意のERグループによっても使用されていない、LRグループ又はCVを同時に使用するERグループの全てのライダーを輸送するためにCVにライダー定員があり、及び、ERグループ及びLRグループの全てのライダーを輸送するためにCVにライダー定員があることを条件とする。ERの決定されたスケジュールを条件とするLRのための共同スケジュールがLRの総待機時間とCVトリップ数との組合せであるメトリックの目的関数を最小化するまで、反復を継続する。割当て情報を定式化し、インターフェースを介して、割当て情報をLR及び割り当てられたCVに送信する。
本開示の実施の形態によれば、アーリーライダー(ER)及びレイトライダー(LR)をスケジューリングするシステムを開示する。ERがスケジューリングされる時点では、輸送システム(TS)に関連付けられる通勤用車両CVに対してLRは未知である。システムはインターフェース及びメモリに接続される少なくとも1つのプロセッサを含み、メモリに記憶されるのは、TSデータ及びER移動要求、並びに少なくとも1つのプロセッサによって実行されると、少なくとも1つのプロセッサにシナリオの有限集合を予測することを含むステップを実行させる命令である。各シナリオは、可能なフォアキャストLR(FLR)移動要求を含む。シナリオの有限集合は、TSデータから取得される過去のER及び過去のLRが完了した移動から生成される。目的地への所望の到着時刻に基づいて、ERグループ及びシナリオごとのFLRグループを繰り返し生成し、ERグループ及びFLRグループに同時にサービスを提供するCVの数がフリートの定員よりも少なくなる。ERグループ及びシナリオの有限集合の各シナリオにおけるFLRグループごとに通勤用車両(CV)を割り当てる。ERグループ及びFLRグループごとに、ERグループ及びFLRグループが割り当てられている対応するCVの出発時刻及び目的地への到着時刻を繰り返し決定する。任意の時点におけるCVで移動する全てのグループのライダーの総数は、CVの定員を超えず、ライダーをその場所からその目的地まで乗せるルートが存在する。反復は、ER及びFLRのための共同スケジュールがライダーの総待機時間とCVトリップ数との組合せであるメトリックの目的関数を最小化する各シナリオを形成するまで継続する。割当て情報を定式化し、インターフェースを介して、割当て情報をER及び割り当てられたCVに送信する。
本開示の実施の形態によれば、アーリーライダー(ER)及びレイトライダー(LR)をスケジューリングするシステムを開示する。ERがスケジューリングされる時点でマルチモード輸送ネットワーク(MTN)内の車両に対して、LRは未知である。システムは送受信機及びメモリに接続されるプロセッサを含み、メモリに記憶されるのは、MTNデータ及びER移動要求、並びに少なくとも1つのプロセッサによって実行されると、少なくとも1つのプロセッサにシナリオの有限集合を予測することを含むステップを実行させる命令である。各シナリオは、可能なフォアキャストLR(FLR)移動要求を含む。シナリオの有限集合は、MTNデータから取得される過去のER及び過去のLRが完了した移動から生成される。目的地への所望の到着時刻に基づいて、ERグループ及びシナリオごとのFLRグループを繰り返し生成する。ERグループ及びシナリオの有限集合の各シナリオにおけるFLRグループごとに通勤用車両(CV)を割り当てる。ERグループ及びFLRグループごとに、ERグループ及びFLRグループが割り当てられている対応するCVの出発時刻及び目的地への到着時刻を繰り返し決定する。任意の時点におけるCVで移動する全てのグループのライダーの総数は、CVの定員を超えず、ライダーをその場所からその目的地まで乗せるルートが存在する。ER及びFLRのための共同スケジュールが目的関数を最小化する各シナリオを形成するまで、反復は継続する。割当て情報を定式化し、送受信機を介して割当て情報をER及び割り当てられたCVに送信する。
ここに開示されている実施形態は、添付図面を参照して更に説明される。示されている図面は、必ずしも一律の縮尺というわけではなく、その代わり、一般的に、ここに開示されている実施形態の原理を示すことに強調が置かれている。
本開示の実施形態による、アーリーライダー(ER)/既知の乗客、及びレイトライダー(LR)/不確実な乗客を有するマルチモード輸送ネットワーク(MTN)において通勤用車両(CV)をスケジューリングするシステムを示す概略図である。 本開示のいくつかの実施形態による、ERのスケジューリングに関して、通勤用車両をスケジューリングされた車両と効率的に接続するように割り当てることになるMTNにおける複数の輸送モードのスケジューリングを示す概略図である。 本開示のいくつかの実施形態による、LRのスケジューリングに関して、通勤用車両をスケジューリングされた車両と効率的に接続するように割り当てることになるMTNにおける複数の輸送モードのスケジューリングを示す概略図である。 本開示のいくつかの実施形態による、複数の輸送モード及び乗客をスケジューリングするために利用することができる、通勤用車両割当てシステムを含むシステムのブロック図である。 本開示のいくつかの実施形態による、ルート探索プログラムのブロック図である。 本開示のいくつかの実施形態による、定時運行車両及び通勤用車両に共同で乗客をスケジューリングする主要ステップを示すフローチャートである。 本開示のいくつかの実施形態による、ネットワークフロー定式化を使用して、定時運行車両及び通勤用車両で乗客のスケジューリングを最適化する際の主要ステップを示すフローチャートである。 本開示のいくつかの実施形態による、ネットワークフロー定式化の出力を使用するアーリーライダー(ER)乗客への通勤用車両の割当てを示すフローチャートである。 本開示のいくつかの実施形態による、ネットワークフロー定式化の出力を使用するフォアキャストレイトライダー(FLR)乗客への通勤用車両の割当てを示すフローチャートである。 本開示のいくつかの実施形態による、所望の到着時刻に従って並べ替えられる乗客に対するグループ分けの決定図表現を示す概略図である。 本開示のいくつかの実施形態による、通勤用車両における乗客のグループ分けの決定図表現の例である。 本開示のいくつかの実施形態による、アーリーライダー(ER)/既知の乗客、及びフォアキャストレイトライダー(FLR)の複数のシナリオを示す概略図であり、各シナリオはレイトライダー(LR)/未知の乗客の可能な具体化を表す。 本開示のいくつかの実施形態による、CVトリップが、アーリーライダー(ER)/既知の乗客のみからなる、レイトライダー(LR)/未知の乗客のみからなる、又はER及びLRの両方の組合せからなる場合がある、乗客のスケジュールを示す概略図である。 本開示のいくつかの実施形態による、CVトリップに割り当てられる乗客のスケジュールの構造を示す概略図であり、レイトライダー(LR)/未知の乗客は、事前にはアーリーライダー(ER)/既知の乗客のみからなるものであったスケジュールに徐々に組み込まれる。 本開示のいくつかの実施形態による、各シナリオからのフォアキャストレイトライダー(FLR)を、アーリーライダー(ER)/既知の乗客のみからなる乗客のスケジュールに追加することから生じる延長スケジュールを示す概略図であり、ERのスケジュールは、異なるシナリオにわたってFLRを含めることによって影響を受けない。 本開示のいくつかの実施形態による、最適解の構成を示す概略図である。 本開示のいくつかの実施形態による、最適解の別の構成を示す概略図である。 本開示のいくつかの実施形態による、最適解の別の構成を示す概略図である。 本開示のいくつかの実施形態による、最適解の別の構成を示す概略図である。 本開示のいくつかの実施形態による、アーリーライダー(ER)/既知の乗客及びフォアキャストレイトライダー(FLR)のスケジュールがスケジュールのグローバルコストにどのように影響するかの違いを示す概略図である。 本開示のいくつかの実施形態による、発見的手法を示す概略図である。 本開示のいくつかの実施形態による、発見的手法によりアーリーライダー(ER)及びフォアキャストレイトライダー(FLR)の乗客をスケジューリングするアルゴリズムを示すフローチャートである。 本開示のいくつかの実施形態による、システム及び方法を実施するために使用することができるいくつかの構成要素を示すブロック図である。 本開示のいくつかの実施形態による、通勤用車両をスケジューリングする図15Aのマルチモード輸送ネットワークシステムを示す概略図である。 本開示のいくつかの実施形態による、方法及びシステムのいくつかの技法を実施するために使用することができるコンピューティング装置を示す概略図である。
本開示は、アーリーライダー(ER)/既知の乗客、及びレイトライダー(LR)/不確実な乗客のためのマルチモード輸送ネットワーク(MTN)の少なくとも一部を形成する輸送スケジュールを共同管理するシステム及び方法に関する。
図1は、本開示の実施形態による、統合ラストマイルシステムを示す概略図である。図1は、列車等の定時運行車両105へのER乗客101及びLR乗客102の乗車、中継発着所115への到着、中継発着所での通勤用車両への乗客の乗車、目的地110に到達するための通勤用車両による移動、及び指定された到着時間窓130内の目的地110への到着を示す。乗客がスケジューリングされると、そのシステムは、アーリーライダー(ER)/既知の乗客及びレイトライダー(LR)/不確実な乗客の両方によって同じように使用される。
例えば、本開示の実施形態は、不確実性の下での大量輸送システム及びラストマイル車両の乗客の共同スケジューリングを含む。乗客/ライダーは列車で中央ターミナルに到着し、限られた定員のポッド、すなわち、自動化又は他の方法で運用される通勤用車両(CV)に乗車する。一部の乗客とは、アーリーライダー(ER)/既知の乗客及びレイトライダー(LR)/不確実な乗客(すなわち、ERよりも遅い時点にサービスを要求する乗客)である。本開示のいくつかの実施形態の少なくとも1つの目標は、2つの目的、すなわち総移動時間及びCVトリップの数の凸結合を最小化するように、乗客/ライダーを列車に割り当て、次いでCVで一緒に移動する乗客をグループ分けすることである。いくつかの実施形態では、このことは、CVトリップごとに単一の目的地を有すると仮定することができるか、又は少数のCV目的地のみを有すると仮定することができる。混合目的モデルは、サービス品質(乗客の総移動時間)と、燃料消費及び保守要件(CVトリップの数)に関連する運用コストとの間のトレードオフとなる可能性がある。不確実性がない場合、この問題は統合ラストマイル輸送問題(ILMTP)として知られる。
不確実な設定はシステムに適用できることがあり、中央スケジューラがアーリーライダー(ER)/既知の乗客から要求を受け取り、それらを列車、グループ及び出発時刻に割り当て、一方では、輸送サービスを要求するかもしれないが関連付けられた要求をマルチモード輸送ネットワーク(MTN)にまだ提出していないレイトライダー(LR)/未知の乗客に対しては柔軟性を構築する。これにより、この領域の従来のスケジューリング方法に関連して問題の複雑さが大幅に増加する。しかし、実際には、乗客の初期スケジューリングに遅れてきた追加の需要を考慮しなければならないという、より現実的な設定にもなっている。
図2Aは、本開示のいくつかの実施形態による、ライダーのスケジューリングに関して、通勤用車両をスケジューリングされた車両と効率的に接続するように割り当てることになるマルチモード輸送ネットワーク(MTN)における複数の輸送モードのスケジューリングを示す概略図である。図2Aは、CV割当てシステムの一例を示している。ここで、アーリーライダー/ユーザ/乗客201A、202A、203Aは、それらの意図する移動の前の時点において、すなわち、LRの前に、起点発着所、目的地建物、及び目的地への到着時間窓を要求するシステム(図3Aを参照)に入力を提供する。一例として、アーリーライダー/ユーザ/乗客201A、202A、203Aは、移動の前日の18:00に情報を通信する(211)。各ユーザ/乗客201A、202A、203Aは、ユーザ/乗客の個々のスマートフォン又はコンピュータ201B、202B、203Bを使用して、システム(図3Aを参照)と通信する。システム(図3Aを参照)は、既知のユーザ201A、202A、203A及び通勤用車両220A、220BのためのCVスケジュールを決定する。
図2Bは、本開示のいくつかの実施形態による、ライダーのスケジューリングに関して、通勤用車両をスケジューリングされた車両と効率的に接続するように割り当てることになるマルチモード輸送ネットワーク(MTN)における複数の輸送モードのスケジューリングを示す概略図である。図2Bは、CV割当てシステムの一例を示している。ここで、レイトライダー/ユーザ/乗客251A、252A、253Aは、意図する移動の前の時点において、すなわち、ERがスケジューリングされた後に、起点発着所、目的地建物、及び目的地への到着時間窓を要求するシステム(図3Aを参照)に入力を提供する。一例として、レイトライダー/ユーザ/乗客251A、252A、253Aは、移動の前に、場合によってはレイトライダー/ユーザ/乗客が起点列車発着所に到着する直前に、情報を通信する(261)。各ユーザ/乗客251A、252A、253Aは、ユーザ/乗客の個々のスマートフォン又はコンピュータ251B、252B、253Bを使用して、システム(図3Aを参照)と通信する。システム(図3Aを参照)は、既知のユーザ251A、252A、253A及び通勤用車両270A、270BのためのCVスケジュールを決定する。
ユーザ/乗客に関しては、上記のように、2つのタイプがある場合があり、1番目のタイプは、アーリーライダー(ER)/既知の乗客とすることができ、2番目のタイプは、レイトライダー(LR)/未知の乗客とすることができる。ERは、MTNを移動する前の時間内に自身の移動移動を明らかにし、これにより、MTNがERをスケジューリングすることが可能になる。レイトライダー(LR)/不確実な乗客は、既知の乗客が時間内にその移動移動を提供した後、MTNで輸送スケジュールの要求を時間内に出す。例えば、LRは、移動の直前に、すなわち、ERが自身の輸送スケジューリングの要求を既に時間内に出したかなり後に、LR自身の移動移動を提出する場合がある。スケジュールを、後からのLRの受け入れに十分柔軟に対応するために、ERをスケジューリングする前に、1組のフォアキャストLR(FLR)を含むシナリオが生成される。各シナリオは、LRのもっともらしい実現を示し、各シナリオのFLRは、ERのスケジュールに収めることができる。
更に図2Aを参照すると、システム(図3Aを参照)は、スマートフォン(無線通信デバイス)、タブレット又はコンピュータ201B、202B、203B等の好ましい通信デバイスを通して、全てのアーリーライダー(ER)201A、202A、203Aにとって最適なスケジュールを通信する。ER201A、202A、203Aは、ERが起点発着所を出発する列車時刻、ユーザが移動するCVの識別情報、及び通勤用車両の行程の出発時刻及び到着時刻に関する情報を受信する(213)。更に図2Bを参照すると、システム(図3Aを参照)は、スマートフォン(無線通信デバイス)、タブレット又はコンピュータ251B、252B、253B等の好ましい通信デバイスを通して、全てのレイトライダー(LR)251A、252A、253Aのためのスケジュールを通信する。LR251A、252A、253Aは、ERが起点発着所を出発する列車時刻、ユーザが移動するCVの識別情報、及び通勤用車両の行程の出発時刻及び到着時刻に関する情報を受信する(263)。
図3Aは、本開示のいくつかの実施形態による、複数の輸送モード及び乗客をスケジューリングするために利用することができる、通勤用車両割当てシステムを含むシステムのブロック図を示す。システム300は、キーボード311及びポインティングデバイス/媒体312と接続可能なヒューマンマシンインターフェース(HMI)310と、1つ以上のプロセッサ320と、記憶デバイス330と、メモリ340と、ローカルエリアネットワーク及びインターネットネットワークを含むネットワーク390と接続可能なネットワークインターフェースコントローラー350(NIC)と、ディスプレイインターフェース360と、マイクロフォンデバイス375と接続可能なオーディオインターフェース370と、印刷デバイス385と接続可能なプリンタインターフェース380とを含むことができる。メモリ340は、プロセッサ320に関連してコンピュータ実行可能プログラム(アルゴリズムコード)を記憶する記憶装置330とともに動作する1つ以上のメモリユニットとすることができる。
通勤用車両(CV)割当てシステム300は、NIC350に接続されるネットワーク390を介して、乗客(ユーザ)からの移動要求データ(図示せず)、公開データベースからの定時運行車両のルート探索データ、又は一般公開されたルート探索アプリケーション395の探索結果を受信することができる。NIC350は、有線ネットワークを介して、及び無線ネットワーク(図示せず)を介してネットワーク390に接続する受信機及び送信機を含む。場合によっては、移動要求データは、最低運賃、最短移動時間又は最短移動距離等の条件を有するER及びLRの好ましいオプションを含むことができる。システム300がERの好ましいオプションを受信するとき、CV割当てシステム300は、好ましいオプションの条件に基づいて、グループ分けプログラムモジュール304及びCV割当てプログラムモジュール308を実行する。例えば、好ましいオプションとして最低運賃が示されたとき、CV割当てシステム300は、中継地(発着所)及び中継地からのCVの出発時刻を与える移動スケジュールを生成し、その移動スケジュールは、出発地から目的地まで輸送するために乗客によって支払われることになる最低(最安)総運賃の条件を満たす。
更に図3Aを参照すると、システム300は、図2の通勤用車両220A、220Bの情報、トリップの出発時刻、通勤用車両が辿るルート、及びそれらのトリップにおいて輸送される乗客に関する情報を与えることができる。
場合によっては、乗客が、出発地と、出発地から中継地よりも1駅近い駅である発着所(隣接発着所)との間で利用可能な通勤定期を所有する場合には、出発地から目的地までの各乗客の総運賃をより安価にできるように、システム300はその隣接発着所を中継地として設定する。そのような場合、システム300は、乗客の通勤定期の情報、例えば、通勤定期の利用可能な発着所の情報を要求するように構成される。
更に図3Aを参照すると、システム300は、ネットワーク390を介して、定時運行車両運行管理システム396と通信することができる。例えば、定時運行車両運行管理システム396が、定時運行車両の最新変更スケジュールに関する情報を定時に取得するとき、インターフェース350は、既に割り当てられているか、又は割り当てられることになるCVスケジュールに関連する変更スケジュールの情報を受信することができ、システム300は、別の割当て情報を取得し、乗客に送信するために、グループ分けプログラム及びCV割当てプログラムを再実行する。したがって、初期割当て情報が乗客に送信された後に、定時運行車両のスケジュールが変更された場合であっても、乗客は適切なCV割当てを取得することができる。これは、乗客に極めて実効的で円滑な輸送を提供する。
場合によっては、システム300は、乗客に予定車両を割り当てる前に、ネットワーク390を介して、定時運行車両運行管理システム396から、予定車両の現在の運行状況に関する情報を受信することができる。例えば、ラッシュアワーの時間帯に、定時運行車両運行管理システム396は、システム300に、時間帯に応じた各定時運行車両上の推定乗客分布(混雑状態)を提供する。言い換えると、定時運行車両運行管理システム396は、その運行区間に関して一日の中の異なる時間スケジュールにおいて運行される各定時運行車両の推定エネルギー消費量を与えることができる統計データを含む。例えば、ラッシュアワーの混雑した運行区間で定時運行車両が運行されるとき、その定時運行車両のエネルギー消費量は、混雑していない運行区間においてラッシュアワーでない時に運行される定時運行車両のエネルギー消費量よりも大きい。したがって、定時運行車両運行管理システム396は、乗客が最初に割り当てられた出発時刻を別の出発時刻又は/及び別のルートに切り替える場合に、中継地(例えば、発着所)への別の到着時刻を選ぶと、エネルギー消費量がどれだけ削減されるかという情報を与えることができる。
更に図3Aを参照すると、本開示の一実施形態によれば、システム300は、乗客が、割り当てられた出発時刻及びルートを他の出発時刻及び他のルートに変更する場合に、エネルギー消費量をどれだけ削減できるかに関する情報を生成することができ、その情報を乗客に送信することができる。これは、定時運行車両によって消費される総エネルギーを削減するのに極めて有益であり、極めて環境に優しいシステムとすることができる。さらに、定時運行車両運行管理システム396は、ラッシュアワー関連動的価格決定システムを含むことができる。この場合、定時運行車両運行管理システム396と通信することによって、システム300は、定時運行車両の運賃をどれだけ割り引くことができるかに関する情報を生成し、その情報を乗客に送信することができる。運賃の割引は、定時運行車両運行管理システム396に含まれる所定の計算方法に従って、定時運行車両のエネルギー消費量の削減に関連付けられる。これは、乗客が、システム300から送信される環境に優しい移動スケジュールを選択する大きなインセンティブとなり得る。
さらに、そのインターフェースは、ネットワークを介して、運用ルートマップ上の交通渋滞、交通事故及び工事中を含む、交通条件に関する情報を受信する。ルート探索プログラムは、それらの交通条件を回避するように、グループのルートを探索する。この特徴は、乗客の移動時間を短縮し、CVのエネルギー消費量を削減するのに極めて有益である。
更に図3Aを参照すると、定時運行車両に関する乗客のスケジューリングは、定時運行車両に関する混雑の程度、及び混雑が生じる定時運行車両トリップも明らかにする。定時運行車両における混雑は、乗客が窮屈な思いをし、疲労を感じるので、サービス品質の低下につながる。それゆえ、混雑に関する情報は、定時運行車両運行者とって大きな価値がある。そのような情報を用いて、定時運行車両運行者は、混雑の一因になる特定の顧客を対象にして、必要に応じて、金銭的なインセンティブ又はディスインセンティブを提示することができる。例えば、定時運行車両運行者は、特定の時刻における移動により高い運賃を課金するディスインセンティブを提示するか、又は乗客が混雑を避けて移動することを申し出た場合には、割引運賃を提示することができる。したがって、定時運行車両運行者は、より良好なサービス品質を乗客に提供するために、乗客の移動時間に影響を及ぼすように乗客とやりとりすることができる。
記憶デバイス330は、グループ分けプログラムモジュール304、ルート探索プログラムモジュール302、通勤用車両割当てプログラムモジュール308及びCV運用ルートマップデータベース334(運用ルートマッププログラム)を含む。ポインティングデバイス/媒体312は、コンピュータ可読記録媒体上に記憶されるプログラムを読み出すモジュールを含むことができる。CV運用ルートマップデータベース334は、CV運用エリアのロードマップデータを含む。ロードマップデータは、移動要求に応答してCVのルートを計算する(算出する)ために使用される。
更に図3Aを参照すると、プログラムモジュール302、304及び308を実行するために、キーボード311を用いて、ポインティングデバイス/媒体312を用いて、又は他のコンピュータ(図示せず)に接続されるネットワーク390を介して、システム300に命令を送信することができる。システム300は、HMI310を介して命令を受信し、メモリ340に関連するプロセッサ320、記憶デバイス330に記憶されるグループ分けプログラムモジュール304、ルート探索プログラムモジュール302及び通勤用車両割当てプログラムモジュール308を用いて、乗客へのCV割当てを実行するための命令を実行する。
本開示の実施形態によれば、システム300は、通勤用車両(CV)及び定時運行車両を有するマルチモード輸送ネットワークにおいて乗客にCVを割り当てるために用いられる。システム300は、乗客(ユーザ)201から移動要求を受信するインターフェース350を含むことができる。移動要求は、出発地、目的地、出発地からの出発時刻、及び目的地における期限を含む到着時間窓を含むことができる。さらに、システム300は、グループ分けプログラム、ルート探索プログラム、CVの運用ルートマッププログラム、及び通勤用車両割当てプログラムを含むコンピュータ実行可能プログラムを記憶するメモリ(又は/及び記憶装置)と、メモリに関連してコンピュータ実行可能プログラムを実行するプロセッサ320とを備える。グループ分けプログラムは、乗客の目的地に基づいて、乗客グループを決定し、乗客のための定時運行車両及びCVによる出発時刻を決定する最適化問題を定式化するステップと、最適化問題を解いて、乗客グループと、乗客のための定時運行車両及びCVによる出発時刻とを規定する解を生成するステップと、最適化問題を解くことから得られた解をメモリに記憶するステップであって、定式化するステップ、解くステップ、及び記憶するステップは、1組の重み付け係数と、乗客の総移動時間とグループ数との組合せとに関する解を得るために繰り返される、記憶するステップと、乗客の総移動時間及びグループ数の線形結合のために得られた解の中の1つの解を選択するステップと、通勤用車両割当てプログラムを実行することによって、グループにCVを割り当て、CVに関するルートを割り当てるステップと、選択された解に基づいて、CVの中の割り当てられたCVの割当て情報を生成するステップであって、割当て情報は、グループに割り当てられたCV、CVに割り当てられたルート、中継地、及び中継地からの割り当てられたCVの出発時刻を含む、ステップと、割当て情報を、インターフェースを介して、割り当てられたCVに送信するステップとを含む。
更に図3Aを参照すると、システム300において実行可能プログラム内で実行されるステップでは、最適化問題は、全ての乗客の総移動時間の和と、グループ数との線形結合を最小化するように定式化することができ、結合は重み付け係数を用いて実行される。この場合、最適化問題は、乗客の到着時間窓内に乗客が目的地に達するのを確実にする制約と、グループ内の乗客の数がCV内の座席数よりも少ないことを確実にする制約とを含む。ルート探索プログラム及び運用ルートマッププログラムは、CVに関するそれぞれの移動時間を与え、制約は、確実に、同時に運用しているCVの数がメモリに記憶される利用可能なCVの全数よりも少なくする。この場合、乗客のそれぞれは、或る総移動時間を有すると考えることができる。
システム300において実行可能プログラムを実行することにより、従来のスケジューリング方法と比較して計算時間を大幅に短縮することができ、さらに、計算電力消費量も大幅に削減することができる。適用される計算方法は、2段階確率的スケジューリング最適化と決定図最適化とを初めて組み合わせた方法である。2段階確率的スケジューリング最適化により、各シナリオのフォアキャストLR(FLR)を提供することでLRを柔軟に組み込むことができる。また、決定図最適化により、妥当な処理時間でスケジューリング最適化問題を解決できる。
更に図3Aを参照すると、システム300において、グループは、CVの運用ルートマッププログラムを用いてルート探索プログラムを実行することによって、ルート及び中継地を割り当てられ、ルートはそれぞれ、中継地からグループの目的地に達し、グループは中継地における出発時刻を割り当てられ、それにより、グループの乗客が中継地において定時運行車両からCVに乗り換え、到着時間窓内に目的地に達することができるようにする。
さらに、同一のグループに割り当てられた乗客は、同一のCVを共有する。これはシステムのより簡単なデータ処理方法を提供し、そのデータ処理方法は、高速のグループ分け及び移動スケジューリング方法を可能にし、結果として、計算電力消費量が削減される。
更に図3Aを参照すると、本開示の実施形態によれば、上述したグループ分けにおいて、グループ分けプログラムは、乗客の目的地ごとに決定図(DD)を構成及び計算することによって実行することができ、DDはそれぞれ、共通の目的地まで移動している乗客の数と、乗客の到着時間窓と、CVのそれぞれの座席定員とに基づいて構成される。
本開示のシステム及び方法は、グループ分けプロセスの計算速度を大幅に改善することができ、単数又は複数のプロセッサを含む、コンピュータシステムの電力消費量を削減する。DDによって提供されるグループ分けの可能性は、限定された全ての可能なグループ分けの集合を表しており、DD内のグループ分けは、総移動時間及び平均移動時間、総待機時間及び平均待機時間、CVトリップの総数、又は上記メトリックの任意の加重結合等のメトリックのための最適なスケジュールを生成するのに十分であることが数学的に証明されている。
場合によっては、グループ分けプログラムは、グループ分けされた乗客を到着時間窓内の期限の昇順に並べ替えることができる。これは、グループ分けプロセスに関して、より簡単な方法を提供することができ、乗客の数が増加するときに極めて効率的である。
更に図3Aを参照すると、乗客の移動要求が乗客によって支払われることになる最小総コストを示す好ましいオプションを含むとき、乗客を、予定車両及び割り当てられるCVのコストの和を最小化するための別の制約を満たすグループに割り当てることができる。これは、乗客の選択に応じて、乗客に低運賃の移動スケジュールを提供することができる。
場合によっては、システム300は、CVの運用状況が、情報インターフェースを介して、CVのそれぞれから状況情報を受信することによって監視及び更新されるように、CVと通信することができる。運用状況は、CVの場所と、CVのそれぞれの利用可能な座席数とを含む。更新された運用状況は、メモリに記憶される。これにより、システム300は、確実にCVの利用可能な座席に乗客を適切に割り当てることができる。
一実施形態によれば、メモリ340及び/又は記憶装置330は、中継地に停車する定時運行車両の運賃及び時刻表を記憶する。これにより、より良好な交通条件を有する、柔軟なルートを提供することができる。
更に図3Aを参照すると、実行可能プログラムのステップは、乗客のそれぞれが割り当てられたCVのうちの1つの出発時刻の前に対応する中継地に達するように、インターフェースを介して、乗客のそれぞれに、出発地からアクセス可能な定時運行車両の出発時刻と、中継地のうちの1つと、割り当てられたCVのうちの1つとを伴う移動を送信することができる。
場合によっては、最適化問題は、総移動時間とCVによって消費されることになるエネルギーとの線形結合、乗客のそれぞれによって支払われることになる総運賃、総移動時間と総運賃との線形結合、又は総移動時間と、定時運行車両によって消費されることになるエネルギーとの線形結合を最小化するように定式化することができる。これは、乗客に、より安価なサービスを提供する。
さらに、移動に総運賃が含まれるとき、最適化問題は、制約のうちの1つとして総運賃を満たすように解かれる。これは、乗客に、移動スケジュールに関して、より柔軟な選択肢を提供する。
更に図3Aを参照すると、場合によっては、時間的に効率の良い計算サイクルを実行して、解を得るために、プロセッサ上で所定の期限に達するまで、グループ分けするステップ、割り当てるステップ、確実にするステップ及び評価するステップが繰り返される。
さらに、インターフェースは、ネットワークを介して、運用ルートマップ上の交通渋滞、交通事故及び工事中を含む、交通条件に関する情報を受信することができる。ルート探索プログラムは、交通条件を回避するように、グループのルートを探索する。これは、乗客に、より良好な(目的地までに要する時間が短い)サービスを提供し、CVによって費やされることになる総エネルギー(燃料)も削減し、CVのエネルギー消費量を削減する。
更に図3Aを参照すると、実施形態において、通勤用車両割当てプログラムは、乗客の総移動時間に関する制約、乗客を輸送する際に割り当てられたCVによって使用されるエネルギーに関する制約、及び総移動時間と乗客を輸送する際に使用されるエネルギーとの線形結合に関する制約のうちの1つに基づいて、最適化問題を解く。これは、乗客に、CVを少ないエネルギー消費量で運用できるようにする柔軟な選択肢を提供することができる。
さらに、そのシステムは、乗客が環境に優しい移動スケジュールを選択する場合に、定時運行車両の運賃がどれだけ割引されるかに関する情報を各乗客に送信することができる。これは、乗客に、環境に優しい移動に貢献する経済的なインセンティブを与えることができる。これは、定時運行車両の環境に優しい運行に関して大きな利点である。
図3Bは、本開示のいくつかの実施形態による、要求される乗客目的地に達する際に通勤用車両によって使用されることになるルートを計算するためのルート探索プログラムの要素からなるフローチャートを示す一例である。例えば、ルート探索プログラム302は、メモリ内にCVの運用エリアのマップ321を有し、運用マップは、CVが移動できる道路、道路間の交差点、及び異なる時間帯にこれらの各道路を移動するのに要する時間を表す。マップ上の情報はステップ322においてグラフとして表示される。グラフのノードは中継発着所、道路交差点及び目的地であり、グラフ内のエッジは道路である。グラフ表現を用いて、ステップ323において、中継発着所と目的地との間の最短経路が、よく知られたダイクストラアルゴリズムを用いて、乗換発着所からの異なる移動時間において計算され、戻るのに要する時間も同様にして計算される。そのような最短時間ルートに関する情報は、乗客のスケジューリングにおいて後に使用するために、ステップ324においてデータベースに記憶される。さらに、ルート探索プログラムを用いてルートが選択又は決定されると、CV運賃計算プログラム(図示せず)に基づいて、CVの運賃が与えられる。そのプログラムは、決定されたルートの距離と、定時運行車両の発着所によって決定される対応する中継地から目的地に達するのに要する予想時間とに基づいて、CVの運賃を計算する。
場合によっては、システム300は、対応する距離を含む、ルート情報を提供する外部ネットワークから、最短時間ルートに関する情報を取得することができる。外部ネットワークは第三者によって運用することができる。
図4は、本開示のいくつかの実施形態による、複数の輸送モードにおいて乗客をスケジューリングする主要手順400を示すフローチャートである。手順400は入力ステップ410を実施し、入力データは起点s(j)、目的地d(j)及び到着時間窓[t(j)-T,t(j)+T]の各アーリーライダー(ER)乗客j∈Jに関する情報を含む。また、入力として提供されるのは、レイトライダー(LR)乗客の異なる実現を表すシナリオの有限集合Qである。ただし、
Figure 2022513414000002
は、シナリオq∈Qにおけるフォアキャストレイトライダー(FLR)乗客である。各FLR乗客
Figure 2022513414000003
は、発着所s(j)∈SからTへの輸送を要求し、次いでCVで目的地d(j)∈Dへ向かい、時刻t(j)及び到着時間窓[t(j)-T,t(j)+T]に到着する。目的地dへのサービスを要求するFLR乗客は
Figure 2022513414000004
で示される。
Figure 2022513414000005
及び
Figure 2022513414000006
とする。この情報を使用して、手順400は、ステップ420において、乗客の総移動時間及びCVトリップの数の線形結合等の目的関数を最小化するために、ER及びFLR乗客の最適なスケジューリング及びグループ分けを計算する。次いで、ステップ430において、計算された解を用いて、ER及びFLR乗客への通勤用車両の割当てを特定する。最後に、ステップ440において、割り当てられた定時運行車両、出発時刻、及び割り当てられた通勤用車両情報は、ER乗客に通信される。
本開示の実施形態は、追加の乗客の不確実性の下での統合ラストマイル輸送問題(ILMTP)(ILMTP-APU:integrated last-mile transportation problem under additional passenger uncertainty)のための2段階確率的計画定式化を使用する。乗客の要求は、既知の乗客/アーリーライダー(ER)及び不確実な乗客/レイトライダー(LR)からなると仮定する。LRは、シナリオの有限集合を通してモデル化され、フォアキャストレイトライダー(FLR)と呼称される。第1段階の決定はERのスケジューリングであり、第2段階はシナリオの有限集合からFLRをスケジューリングする。少なくとも1つの手法は、決定図(DD)ベースの最適化(DDO)に依存し、より具体的にはDDに基づく分解に依存する。具体的には、DDモデルは、各建物に行くERに対して、これとは別に、建物ごとの各シナリオにおいてFLRに対して構築される。次いで、DDは、整数計画法(IP)定式化により全体にわたって最適化できるチャネリング制約を通して統合される。これにより、大きなモデルがもたらされる。しかしながら、定式化が厳密であるため、問題を最適に解決するための信頼できる手法が得られる。結果として生じる解は、既知の乗客に対して最適に問題を解決し、次いで、シナリオが実現するとき未知の乗客を残っている定員でスケジューリングすることによって取得することができるものよりもかなり良好である。
本開示のいくつかの実施形態は、DDを使用する第1段階の決定及び第2段階の決定の両方を含むモデルを利用し、割当て制約を通してそれらを結合する。これにより不確実性の下での意思決定に対処できる追加機構が可能になる。
(問題の説明)
最初に、問題の要素について説明する。要素には、大量輸送システム、ラストマイル車両、目的地、乗客の要求、及び関連付けられたパラメータが含まれる。
大量輸送システム:便宜上、非限定例として、大量輸送は列車システムであると仮定する。T0を、大量輸送システムをラストマイルサービスシステムと結び付けるターミナル発着所とする。大量輸送システムは、Cで示されるトリップの組によって記述される。ただし、n:=|C|である。各トリップは、集合Sの発着所で始まり、T0で終わる。各トリップの最終駅としてT0を用いて、列車はSの全ての発着所に順番に停車するという意味で、トリップは定期的である。トリップcは、時刻
Figure 2022513414000007
で発着所s∈Sを出発し、
Figure 2022513414000008
でT0に到着する。
目的地:DをCVが停車する目的地の組とする。ただし、K:=│D│であり、T∈Dである。目的地d∈Dごとに、τ(d)をCVがT0を出発し、dに移動し(τ(d)で示される)、乗客が降車するためにdで停車し(τ(d)で示される)、また、T0へ戻る(τ(d)で示される)のにかかる総時間とする。それゆえ、τ(d)=τ(d)+τ(d)+τ(d)である。τ:={1,...,tmax}を両方のシステムの運用時間の添数集合とする。乗客がCVに乗車するのに必要とする時間は、τ(d)に組み込まれると仮定する。簡単にするために、乗車時間は乗客の数とは独立している。
ラストマイルシステム:VをCVの組とする。ただし、m:=|V|である。単一CVトリップに割り当てることができる乗客数をvcapで示す。各CVトリップは、CVに乗車し、T0から目的地d∈Dへ移動し、次いでT0へ戻る1組の乗客からなる。それゆえ、共通のCVトリップを共有する乗客は、共通の建物への輸送を要求しなければならない。また、各CVは、時刻tmaxまでにターミナルへ戻らなければならないと仮定する。
アーリーライダー(ER)/既知の乗客:Jを既知のER乗客の組とする。各ER乗客j∈Jは、発着所s(j)∈SからTへの輸送を要求し、次いでCVで目的地d(j)∈Dへ向かい、時刻t(j)に到着する。目的地dへのサービスを要求するER乗客はJ(d)で示される。n:=|J|及びn:=|J(d)|とする。各ER乗客j∈Jは、t(j)-Tとt(j)+Tとの間でd(j)へ到着しなければならない。
フォアキャストレイトライダー(FLR)/不確実な乗客の予測:Qを不確実なLR乗客の異なる実現を表すシナリオの有限集合を示す。
Figure 2022513414000009
をシナリオq∈Qのフォアキャストレイトライダー(FLR)乗客とする。各FLR乗客
Figure 2022513414000010
は、発着所s(j)∈SからTへの輸送を要求し、次いでCVで目的地d(j)∈Dへ移動し、時刻t(j)に到着する。目的地dへのサービスを要求するFLR乗客の組は、
Figure 2022513414000011
で示される。
Figure 2022513414000012
及び
Figure 2022513414000013
とする。
問題のステートメントには、追加の乗客の不確実性の下での統合ラストマイル輸送問題(ILMTP)(ILMTP-APU)が含まれ、これは、既知の各ER乗客に列車トリップ及びCVを割り当てる問題である。その結果、シナリオQのいずれかでFLRの乗客を実行可能にスケジューリングすることができ、総通過時間と利用されるCVトリップ数との凸結合の期待値を最小化される。それゆえ、解は、以下からなることができる。
・JすなわちER乗客Jの区分g={g,...,gγ}。ただし、各グループglは、l=1,...,γについて、glにおけるER乗客を運搬するCVがTに出発する時間を示す出発時刻t に関連付けられ、全ての要求時間及び運用制約を満足する。任意のER乗客j∈Jについて、g(j)をjが属するgのグループとする。
・q∈Qごとに、
Figure 2022513414000014
(或るシナリオからのFLR乗客)の区分
Figure 2022513414000015
。ただし、各グループ
Figure 2022513414000016
は、
Figure 2022513414000017
についての出発時刻
Figure 2022513414000018
、及び指標関数
Figure 2022513414000019
に関連付けられる。
Figure 2022513414000020
は、フォアキャストの不確実な乗客グループ
Figure 2022513414000021
がラストマイルトリップを既知のER乗客グループg(q,k)と共有することを示す。換言すると、グループは同時にターミナルを出発し(すなわち、
Figure 2022513414000022
)、ER乗客グループと或るシナリオでそのように共有されたFLR乗客グループ全てとの組合せは、以下のCV定員、すなわち、l∈{1,...,γ}及びq∈Qごとに
Figure 2022513414000023
を超過しない。
(最適解の構造)
ILMTPの決定論的バージョンには、コンパクトモデルの定義に特に役立つ構造を伴う最適解がある。目的地ごとに、乗客をその所望の到着時刻で並べ替え、次いで、順番にグループ分けすることができる。この構造は、乗客の平均待機時間及び移動時間、並びに、CVトリップの数を最小化するのに有効であるため、コンパクトなDDベースモデルになる。ただし、ILMTP-APUの場合は、より複雑な構造を必要とする。
例えば、特定の時間範囲について、利用可能な4人の定員、4人の既知のER乗客、及び10個のシナリオのうちの1つにおけるただ1人の未知のLR乗客の単一のCVがあると仮定する。さらに、そのCVでの最初のトリップでは待機時間が発生しないのに対し、2回目のトリップでは関与するいずれの乗客にもwの待機時間を課し、また、不確実な乗客の所望の到着時刻は、厳密には既知のER乗客の到着時刻の中間になると仮定する。乗客がそのカテゴリに関係なく並べ替えられ、グループ分けされる場合、少なくとも2回のトリップが常に必要になり、少なくとも1人の既知の乗客がwを待機する必要がある。しかし、未知のLR乗客に対してのみ2回目のトリップを定義すると、2回目のトリップ及び対応する待機時間wは、10個のシナリオのうち1つにおいてのみ実現するので、解の平均コストの成果は10分の1に削減される。不確実なLR乗客は目的関数に与える影響がより小さいので、スケジュールが実行可能なままである場合、不確実なLR乗客が既知の乗客に対して遅延する可能性があることは直感的である。この2層構造は、ER乗客のグループ及びフォアキャストの不確実なFLR乗客のグループを使用して形式化される。
ILMTP-APUが実行可能であるとき、既知(ER)又は或るシナリオからのフォアキャスト(FLR)のカテゴリごとの乗客のグループが、その所望の到着時刻によって順番にグループ分けされる最適解がある。
前のステートメントから独立している次のステートメントも、また、ILMTP-APUのモデリングを簡素化するのに役立つ。
ILMTP-APUが実行可能であるとき、シナリオごとに不確実な乗客(FLR)の最大1つのグループが既知の(ER)乗客の各グループに割り当てられる最適解がある。
(単一目的地の決定図)
決定図(DD)は、目的地ごとのERグループを表すために使用される。目的地d∈Dごとに、決定図Dは構成される。DD Dは階層非循環有向グラフ(layered-acyclic directed graph)D=(N,A)である。ただし、NはDD内の1組のノードであり、AはDD内の1組のアークである。1組のノードNは(n+2)個の順序付き階層
Figure 2022513414000024
に分割される。ただし、n=|J(d)|である。階層L ={r}及び
Figure 2022513414000025
は、それぞれが、根及び末端をそれぞれ表す1つのノードからなる。ノードu∈L の階層は、l(u)=iと定義される。各アークa∈Aは、自らのアーク-根ψ(a)から自らのアーク-末端ω(a)に向けられる。ただし、l(ω(a))=l(φ(a))+1である。aのアーク-階層は、l(a):=φ(a)と表される。DDの階層
Figure 2022513414000026
は、t(j)≦t(jk+1)のようなt減少しない順に順序付けられる乗客
Figure 2022513414000027
に対応する。各ノードuは、DDにおいてCVに既に乗車している乗客の数を表す状態s(u)に関連付けられる。DDは2つのクラスの車:それぞれφ(a)=1,0によって示される、1-アーク及び0-アークからなる。1-アークは、W(a)と、CVによる出発時刻を表すアーク-出発時刻t(a)とを記憶する。アークのアーク-コストは、1組の乗客が負う全目的関数に対応し、アーク-出発時刻は、CVにおいてT0から乗客が出発する時刻を示す。0-アークは、これらの属性を有しない。
目的地dに関するDD Dは、乗客の順序付けに基づいてCVに乗車することができるER乗客のグループへのJ(d)の全ての実行可能な分割を表す。集合Pは、D内のアーク-指定されたr-t間経路の集合である。任意の経路p∈Pについて、pによって規定される区分を構成するグループg(p)は以下の通りである。p内の全ての1-アークaがグループg(a)={jl(a)-s(φ(a)),jl(a)-s(φ(a))+1,...,jl(a)}に、すなわち、サイズs(φ(a))+1の添字l(a)において終了する、連続して添字を付される乗客の集合に対応する。pによって規定される区分は、
Figure 2022513414000028
である。全てのアーク-指定されたr-t間の場合に、各乗客j∈J(d)の厳密に一度の発生を有する、すなわち、g(j)∈g(p)が一意であるように、DDが構成される。
また、1-アークはCVによる出発時刻を有するので、その経路は、各グループg∈g(p)がT0を出発する時刻も決定付ける。時刻t(a)はCVによる出発時刻を示し、それゆえ、CVは、時点t∈[t(a),t(a)+t(d,t(a))]において、引き続きサービス中である。そのDDの構成は、全てのj∈g(a)の場合に、グループごとに目的地dへの到着時刻が実行可能であること、すなわち、t(a)+t(d,t(a))∈[t(j)-T,t(j)+T]であることを確実にする。
アークに関する目的関数値は、
Figure 2022513414000029
として取得することができる。
曖昧性の除去のために対応する上付きの添字qを使用することにより、目的地d∈Dごとに、シナリオq∈Qごとに、定義し、Dd,q=(Nd,q,Ad,q)として各シナリオからのFLR乗客に対するDDを定義する。1組のノードNd,q
Figure 2022513414000030
個の順序付き階層
Figure 2022513414000031
に分割される。ただし、
Figure 2022513414000032
である。階層
Figure 2022513414000033
及び
Figure 2022513414000034
は、それぞれが、根及び末端それぞれを表す1つのノードからなる。ノード
Figure 2022513414000035
の階層はl(u)=iとして定義される。各アークa∈Ad,qは、自らのアーク-根ψ(a)から自らのアーク-末端ω(a)へ向けられる。ただし、l(ω(a))=l(φ(a))+1である。aのアーク-階層は、l(a):=ψ(a)として示される。DDの階層
Figure 2022513414000036
は、t(j)≦t(jk+1)のようなtの非減少順に順序付けられる乗客
Figure 2022513414000037
に対応する。各ノードuは、DDにおいてCVに既に乗車している乗客の数を表す状態s(u)に関連付けられる。DDは2つのクラスの車:それぞれφ(a)=1,0によって示される、1-アーク及び0-アークからなる。1-アークは、W(a)と、CVによる出発時刻を表すアーク-出発時刻t(a)とを記憶する。アークのアーク-コストは、1組の乗客が負う全目的関数に対応し、アーク-出発時刻は、CVにおいてT0から乗客が出発する時刻を示す。0-アークは、これらの属性を有しない。
シナリオqごとの目的地dに関するDD Dd,qは、乗客の順序付けに基づいてCVに乗車することができる乗客のグループへのJ(q,d)の全ての実行可能な分割を表す。集合Pd,qは、Dd,q内のアーク-指定されたrd,q-td,q間経路の集合である。任意の経路p∈Pd,qに関して、pによって規定される区分を構成するグループg(p)は以下の通りである。p内の全ての1-アークaがグループ
Figure 2022513414000038
に、すなわち、サイズs(φ(a))+1の添字l(a)において終了する、連続して添字を付される乗客の集合に対応する。pによって規定される区分は、
Figure 2022513414000039
である。全てのアーク-指定されたrd,q-td,q間の場合に、各乗客j∈J(q,d)の厳密に一度の発生を有する、すなわち、g(j)∈g(p)が一意であるように、DDが構成される。また、1-アークはCVによる出発時刻を有するので、その経路は、各グループg∈g(p)がT0を出発する時刻も決定付ける。時刻t(a)はCVによる出発時刻を示し、それゆえ、CVは、時点t∈[t(a),t(a)+t(d,t(a))]において、引き続きサービス中である。そのDDの構成は、全てのj∈g(a)の場合に、グループごとに目的地dへの到着時刻が実行可能であること、すなわち、t(a)+t(d,t(a))∈[t(j)-T,t(j)+T]であることを確実にする。アークW(a)の目的関数は、式(DD.1)で定義されているように計算される。
図の階層間のアークは、目的地への輸送を要求する乗客に対応する。各ノードuは、次の乗客とともにグループ分けされる直前の乗客の数に対応する状態s(u)に関連付けられる。各アークaは、乗客ψ(a)がグループの最後のアークではないか否かに関するラベルφ(a)∈{0,1}に関連付けられる。この場合、φ(a)=0及びs(ω(a))=s(ψ(a))+1≦vcapであり、そうでなければφ(a)=1である。後者の場合、同じノード間に複数のアークが存在する可能性があり、各アークaは異なるCV出発時刻t(a)に対応する。したがって、アークaが選択されている場合、φ(a)=1であるような各アークaは、グループ内の全ての乗客に対応する待機時間W(a)と、CVが時間tでアクティブとなる(すなわち、t(a)≦t≦t(a)+τ(d))ことを示すラベルχ(a,t)∈{0,1}を有する。したがって、φ(a)=0はχ(a,t)=0を意味する。
(整数計画法定式化)
各DDからの経路を使用して乗客がグループ分けされる定式化を定義する。既知及び不確実な乗客のグループのうちのいくつかが結合され、CVフリートを使用して結果として生じるグループの実行可能なスケジュールを目指す。
2値変数x∈{0,1}∀a∈A,d∈DDを導入して既知の乗客のためのDDにおける特定のアークの選択を示す。同様に、2値変数y ∈{0,1}∀a∈Ad,q,d∈Dを導入して、シナリオq∈Qにおける不確実な乗客のためのDDにおける特定のアークの選択を示す。
Figure 2022513414000040
とする。集合
Figure 2022513414000041
は、シナリオq、すなわち、CVでの同一の出発時刻の既知の乗客グループ及び不確実な乗客グループの実行可能なペアの集合を示し、定員の制約を満たす。
Figure 2022513414000042
は、アークaで表される既知の乗客のグループ及びアークaで表される不確実な乗客のグループをペアリングする決定を示す。
目的関数は、
Figure 2022513414000043
として表すことができる。
次の制約は、既知の乗客のグループが選択される場合、不確実な乗客の1つのグループのみが既知の乗客のグループとペアになることを課す。
Figure 2022513414000044
フリートサイズの制約は、全てのt∈T、q∈Qについて、
Figure 2022513414000045
としてモデル化できる。
ILMTP-APUに対するIPモデルは、
Figure 2022513414000046
である。
(2a)及び(2b)のネットワークフロー制約は、各決定図で経路が取られることを確実にし、各決定図は既知のER乗客及びシナリオごとのFLR乗客のグループ分けに対応する。
図5は、本開示の実施形態による、図4のステップ420を実施するための別の例示的なアルゴリズム500の概略図である。アルゴリズム500は、ネットワークフロー定式化を使用する乗客の最適なスケジューリングに含まれるステップのフローチャートを使用して示される。手順は、最初に、ER乗客及びシナリオごとのFLR乗客を目的地によって分離する(510)。そのような目的地ごとに、ER乗客及びシナリオごとのFLR乗客に対して決定図が構成される(520)。最適化問題に対して決定変数が定義される(530)。目的関数の式(OBJ)が定式化され(540)、また、制約が定義される(540)。最適化問題は最適解を取得するために解決される(560)。この解は、乗客グループ分けを定義するために使用される(570)。さらに、アルゴリズムは、また各シナリオのFLRグループgごとにFLRグループgとともに通勤用車両に乗る対応するER G(g)グループを特定する関数Gを定義する(570)。或るシナリオにおけるLRグループgが通勤用車両をERグループと共有しない場合、
Figure 2022513414000047
となる。アルゴリズムは、また、通勤用車両の出発時刻と、ER乗客及び各シナリオからのFLR乗客ごとの定時運行トリップ時間とを割り当てる(580)。
図6Aは、本開示の実施形態による、図4のステップ430を実施するための別の例示的なアルゴリズム600Aの概略図である。アルゴリズム600Aは、ネットワークフロー定式化を解くことから取得される乗客グループの組分け及び通勤用車両出発時刻に基づいて、ER乗客への通勤用車両の割当てを提供する。アルゴリズム600Aは、各通勤用車両に、全てのCV V={1,...,m}について、ラベルval(v)=0、及び、その車両が運用されている時間間隔の組
Figure 2022513414000048
を割り当てることによって進行する(610)。これらのラベルを使用して、val(v)がより低い車両が待ち行列の先頭にあるような、優先度付き待ち行列Qv={(v,val(v))|v∈V}が作成される(620)。ループはグループ
Figure 2022513414000049
ごとに実行され(630)、CVの目的地及び出発時刻は、グループのそれに従って選択される(640)。アルゴリズム600Aは、待ち行列の先頭にある車両を選択し(650)、グループgの乗客はCV vに割り当てられ(650)、ラベルval(v)の値は増加し(650)、CV vが運用されている1組の時間間隔Int(v)は更新され(560)、また、CV vは待ち行列にプッシュされる(650)。アルゴリズム600Aは、全てのER乗客のための1組の通勤用車両及び車両が運用されているCV vごとの1組の間隔時間Int(v)を出力する。
図6Bは、本開示の実施形態による、図4のステップ430を実施するための別の例示的なアルゴリズム600Bの概略図である。アルゴリズム600Bは、シナリオq∈QのFLR乗客への通勤用車両の割当てを、そのシナリオの1組のFLR乗客グループ分け、ネットワークフロー定式化を解いて取得される通勤用車両の出発時刻、ネットワークフロー定式化を解いて取得される通勤用車両のFLRグループに場合によって付随して割り当てられたER570、及び図6Aのアルゴリズム600Aから取得されるER乗客への通勤用車両の割当てに基づいて、提供する。アルゴリズム600Bは、各通勤用車両に、全てのCV V={1,...,m}について、車両が運用されているそのシナリオの時間間隔Int(v)=Int(v)の組を割り当てることによって進む(611)。ループは、グループ
Figure 2022513414000050
ごとに実行される(621)。FLRグループgがERグループG(g)に付随して起こる場合、ERグループG(g)の乗客に割り当てられる通勤用車両が、FLRグループgにも割り当てられる(631)。FLRグループgが通勤用車両をERグループと共有していない場合、CVの目的地及び出発時刻は、グループのそれに従って選択される(641)。FLRグループgのサービスに必要とされる時間間隔にわたって運用されていない通勤用車両が見つかる(641)。その通勤用車両はFLRグループgの乗客に割り当てられる。通勤用車両がそのシナリオInt(v)で運用されている1組の間隔は、FLRグループgにサービスを提供するための時間間隔を使用して更新される(641)。アルゴリズム600Bは、シナリオq∈Qおける全てのLR乗客に対する通勤用車両の割当てを出力する。アルゴリズム600Bは、全てのFLRグループに対する通勤用車両の割当てを取得するためにシナリオごとに繰り返される。
図7は、本開示のいくつかの実施形態による、所望の到着時刻に従って並べ替えられる1組の乗客のグループ分けの決定図表現を示す概略図である。開始ノード(根)701を伴う決定図は、連続する乗客1(711)、2(721)、3(731)及びN(791)がどのようにグループ分けされるかに関する一連の決定を示す。定員が2人である通勤用車両の場合の決定図が示される。乗客1(711)の場合、ノード712は、乗客1(711)とともにグループ分けされる前の乗客が0人、アーク713が乗客1(711)のみをグループ分けし、アーク714が乗客1(711)を乗客2(721)及び場合によっては他の乗客とともにグループ分けすることを示す。乗客2(721)の場合、ノード722は、アーク713が前の乗客1(711)のみをグループ分けすることにより乗客2(721)とともにグループ分けされる前の乗客がいないことを示し、ノード723は、アーク714は乗客1(711)を乗客2(721)とともにグループ分けすることにより、乗客2(721)とともにグループ分けされる前の乗客が1人いることを示し、アーク724は乗客2(721)のみをグループ分けし、アーク725は乗客2(721)を乗客3(731)及び場合によっては他の乗客とともにグループ分けし、アーク726は乗客2(721)を乗客1(711)のみとともにグループ分けすることを示す。乗客3(731)の場合、ノード732は、アーク724が前の乗客2(721)のみをグループ分けするか、アーク726が前の乗客1(711)及び2(721)を乗客(731)とは別にグループ分けするかにより、乗客3(731)とともにグループ分けされた前の乗客がいないことを示す。ノード723は、アーク725が乗客2(721)を乗客3(731)とともにグループ分けすることにより、乗客3(731)とともにグループ分けされる前の乗客が1人いることを示す。乗客N(791)の場合、ノード792は、乗客N(791)とともにグループ分けされる前の乗客がいないことを示し、ノード793は、乗客N(791)が1人の前の乗客とともにグループ分けされ、アーク794が乗客N(791)のみをグループ分けし、アーク795は、乗客N(791)を1人の前の乗客とともにグループ分けすることを示す。決定図は、終了ノード(末端)799を有し、乗客の任意のグループ分けは、根701から末端799につながる一連のアークからなる。
図8は、本開示のいくつかの実施形態による、通勤用車両における乗客のグループ分けを表す決定図の一例である。同じ目的地までのサービスを要求する2人の乗客がいると仮定し、それらの乗客は時間窓内に目的地に到着するよう要求し、起点発着所の到着時刻は以下の通りである。
・乗客1:到着時間窓:[10,12]、起点発着所:1
・乗客2:[12,14]、起点発着所:2
定時運行車両は2つのトリップからなり、異なる発着所における出発時刻は以下の通りである。
・トリップ1:発着所3:4、発着所2:6、発着所1:8、T0:10
・トリップ2:発着所3:8、発着所2:10、発着所1:12、T0:14
通勤用車両による目的地到着時刻は2であり、通勤用車両の定員は2である。乗客1は、トリップ1において到着し、12において通勤用車両において移動した後に目的地に達することによって、単独で移動することができる。待機時間は0であり、通勤用車両において唯一可能な出発時刻は10である。これが、決定図において、待機時間及び通勤用車両による出発時刻を表すラベル(0,10)を有するアーク850によって表される。このアークは階層1の0-ノード810から階層2の0-ノード820まで描かれ、1-アークである。乗客2は、トリップ1において到着し、目的地に達することによって、単独で移動することができる。通勤用車両における可能な出発時刻は10、11、12である。これらの異なる出発時刻の場合に、待機時間はそれぞれ0、1、2である。したがって、ラベル(0,10)861、(1,11)862、(2,12)863をそれぞれ有する3つの異なるアークがある。これらのアークは、階層2上の0-ノードから階層3の末端-ノード840まで描かれる。0-アーク855は、階層2上の0-ノードと階層3上の1-ノードとの間に描かれ、通勤用車両において乗客1及び2が一緒に移動することを示す。2人の乗客は、トリップ1において到着し、時刻10において出発して通勤用車両において移動することによって、通勤用車両において一緒に移動することができる。このグループに関する総待機時間は0であり、これが、階層2上の1-ノードを階層3上の末端ノードに接合する1-アークにおいて示される。
図9は、本開示のいくつかの実施形態による、アーリーライダー(ER)/既知の乗客、及びフォアキャストレイトライダー(FLR)の複数のシナリオを示す概略図であり、各シナリオは、レイトライダー(LR)/未知の乗客の可能な具体化を表す。ERはブロック910の乗客のグループで表され、l~Nまでの番号が付けられる。シナリオごとのFLRは、ブロック921、922、及び929の乗客のグループで表される。シナリオは、1~Kまでの番号が付けられる。各シナリオのFLRでは、1~Mまでの番号が付けられる。ERの数であるNは、事前に知られている。シナリオの数及び各シナリオのFLRの数であるK及びMは、事前に定義された値、及び以前に輸送された乗客からの履歴MTNデータに基づく推論等、様々な方法から選択されることになるが、しかし、それらに限定されない。各シナリオでは、履歴MTNデータに基づいて、要求された目的地及び目的地到着時刻も取得される。
図10は、本開示のいくつかの実施形態による、CVトリップが、アーリーライダー(ER)/既知の乗客のみからなる、レイトライダー(LR)/未知の乗客のみからなる、又はER及びLRの両方の組合せからなる場合がある乗客のスケジュールを示す概略図である。この図は、時間軸1003に沿って各CV1001を占有するグループを表しており、各グループ1002は、ERのみからなる。不確実な乗客なしのスケジュール1010は、ERグループ1002のみを示す。ボックス1020では、不確実な乗客が、ERを伴うスケジュール1010に追加される。各グループ1002は、ERのみからなり、他のボックスのグループと一致する。各グループ1009は、LRのみからなり、ERのグループスケジュール1010と重複しない時間間隔の間、CVを占有する。各グループ1008は、ER及びLRの組合せでからなり、グループ1002は、対応するERのみを伴う(1010)。
図11は、本開示のいくつかの実施形態による、CVトリップに割り当てられる乗客のスケジュールの構成を示す概略図であり、1組のレイトライダー(LR)/未知の乗客は、事前にはアーリーライダー(ER)/既知の乗客のみからなるものであったスケジュールに徐々に組み込まれる。この図は、時間軸1103に沿って各CV1101を占有するグループを表し、各グループ1102はERのみからなり、各グループ1109はLRのみからなり、各グループ1108はER及びLRの組合せからなる。スケジュールにない乗客1110のグループは減少し、一方、CV内のグループに割り当てられる乗客の数は増加する。
図12は、本開示のいくつかの実施形態による、各シナリオからのフォアキャストレイトライダー(FLR)を、アーリーライダー(ER)/既知の乗客のみからなる乗客のスケジュールに追加することから生じる延長スケジュールを示す概略図であり、ERのスケジュールは、異なるシナリオにわたりFLRを含めることによって影響を受けない。この図は、時間軸1203に沿って各CV1201を占有するグループを表しており、各グループ1202は、ERのみからなる。ボックス1210には、シナリオ1からグループ1211を含めることにより乗客の延長スケジュールが示され、そのようなグループのそれぞれは、シナリオ1からのFLRのみからなる。ボックス1220には、グループ1221を含めることによるシナリオ2から乗客の延長スケジュールが示され、そのようなグループのそれぞれはシナリオ1からのFLRのみからなる。
図13A~図13Dは、本開示のいくつかの実施形態による、最適解のいくつかの構造を示す概略図である。図13Aにおいて、同じ長さの到着時間窓を有する乗客は、所望の到着時刻によって並べ替えられ、これは、スケジューリング問題に対する最適解が存在する順次グループ分けの形式を定義する。ボックス1300は、その所望の到着時刻によって順序付けられたERである乗客に対応する。ボックス1310及び1320は、FLRである乗客に対応し、ボックス1310はシナリオ1を表し、ボックス1320はシナリオ2を表す。ボックス1300において、各乗客1301は、対応する時間窓1302を伴うERである。ボックス1310において、各乗客1311は、対応する時間窓1312を伴うシナリオ1からのFLRである。ボックス1320において、各乗客1321は対応する時間窓1322を伴うシナリオ2からのFLRである。全ての時間窓は時間軸1303に対してプロットされる。図13Bでは、ERである乗客をシナリオ1からのFLRを混合しながら、同じフォーム又は乗客の順序が提示される。図13Cにおいて、ボックス1320は、乗客の順序に基づいて2つのグループを定義する乗客のグループ分けを示す。図13Dでは、ボックス1330は、FLRが別個のグループに入れられている乗客のグループ分けを示す。
図13Eは、本開示のいくつかの実施形態による、アーリーライダー(ER)/既知の乗客及びフォアキャストレイトライダー(FLR)のスケジュールがスケジュールのグローバルコストにどのように影響するかの違いを示す概略図である。ボックス1350において、図13Cからのグループ分けは、時間軸1342に沿ってCV1341にスケジューリングされており、グループ1351は最初の5人の乗客を表し、グループ1352は最後の乗客を表す。ボックス1360において、図13Dからのグループ分けは、時間軸1342に沿ってCV1341にスケジューリングされており、グループ1361は、ERのグループを表し、グループ1362は、FLRを含む。待機時間なしで1回のトリップと待機時間Lで2回目のトリップとのみを実行できる単一のCVだけがある場合、更にK個のシナリオの存在を考慮すると、ボックス1350で定義される解は、2番目のグループにER乗客がいるので、Lの待機時間を意味する。対照的に、ボックス1360で定義される解は、2番目のグループにFLR乗客がいて、K個のシナリオのうちの1つに影響するだけであるので、L/Kの待機時間を意味する。
本開示の別の実施形態では、アーリーライダー(ER)及び各シナリオからのフォアキャストレイトライダー(FLR)のスケジュールを取得するための発見的手法が提案されている。この手法において、シナリオのそれぞれからのFLR乗客のそれぞれは、事前のER乗客に同伴するように割り当てられる。ER乗客への割当ては、ER乗客と、CVの出発時刻及び中継地から所望の到着時間窓内にFLR乗客が目的地に到達できるルートを有するシナリオからのFLR乗客とを対象とする。任意のシナリオからのFLR乗客のER乗客への割当ての数も、CVの定員よりも1つ少なく制限される。次いで、CVでER乗客が占有する座席の数は、FLR乗客の割当て数のシナリオ全体に最大値で増加する。これにより、ER乗客及び任意のシナリオからの割り当てられたFLR乗客をCVに収めることができることが確実になる。
図14Aは、本開示のいくつかの実施形態による、発見的手法を示す概略図である。1組のER乗客及びFLR乗客の2つのシナリオがあるスケジューリング状況1400Aを考える。最初のシナリオにおけるFLR乗客1403は、ER乗客1402に同伴するように割り当てられる(1406)。2番目のシナリオにおけるFLR乗客1404及び1405も、また、ER乗客1402に同伴するように割り当てられる。これらの関連付けに基づいて、ER乗客1402に同伴するように割り当てられる2番目のシナリオからの2人の追加のFLR乗客がいるので、CVにおけるER乗客1402が占有する座席の数は3である。一方、ER乗客1401、1403、1411は各CVにつき1つの席のみを占有する。CVの定員は5人であると仮定する。これらの関連付けに基づいて、グループ1410は、5人のCV定員を満たすER乗客の実行可能なグループ分けである。しかしながら、乗客1411をグループ1410に追加することはできない。なぜならば、これは、5人のCV座席定員よりも大きくなる総計6人のCV座席占有をもたらすことになるためである。同様に、ER乗客1413は、シナリオ1からのFLR乗客1415を割り当てられ(1417)、また、シナリオ2からのFLR乗客1416を割り当てられる(1418)。これらの割当てに基づいて、CVにおけるER乗客1413の定員は2人である。ER乗客1411、1412、1413、及び1414からなるグループ1420は、CV定員が5人であり、追加のER乗客を含むことはできない。ER乗客1421は、シナリオ1からのFLR乗客1424を割り当てられる(1427)。ER乗客1422は、シナリオ1からのFLR乗客1425を割り当てられる(1428)。ER乗客1423は、シナリオ2からFLR乗客1426を割り当てられる(1429)。このようにして、ER乗客1421、1422及び1423の定員は、それぞれ2人である。したがって、ER乗客1421、1422、及び1423は、結果として生じる6人の座席占有が5人のCV定員を超えるので、一緒にグループを形成することはできない。ER乗客1421は別個のグループを形成する。
図14Bは、本開示のいくつかの実施形態による、発見的手法によりER及びFLR乗客をスケジューリングするアルゴリズムを示すフローチャートである。アルゴリズム1400Bは、1組のER乗客及びシナリオの集合からのFLR乗客を入力として受け取る(1451)。1組のER乗客及び各シナリオにおけるFLR乗客は、最初に目的地によって分離され、目的地への到着時間窓の昇順で並べ替えられる(1455)。ループ1470は、目的地ごとに実行される(1460)。目的地ごとに、各シナリオのFLR乗客は、ER乗客に割り当てられる(1461)。ER乗客への割当てに基づいて、定員1465及びER乗客のための目的地への到着時間窓は更新される(1469)。更新された定員及び目的地への到着時間窓を伴うER乗客は、FLR乗客が既に考慮されていたスケジューリング問題を形成する。更新されたER乗客は、シナリオの数がゼロであるインスタンスとして図4のアルゴリズムの概要を使用して解決される(1480)。
(特徴)
システムは、以下にリストされている異なる態様の任意の組合せを含むことができると考えられる。このシステムは、アーリーライダー(ER)及びレイトライダー(LR)をスケジューリングするためのものであり、ERがスケジューリングされた時点で、LRはマルチモード輸送ネットワーク(MTN)内の車両に対して未知である。システムは、インターフェース及びメモリに接続される少なくとも1つのプロセッサを含む(。メモリに記憶されるのは、MTNデータ及びER移動要求、並びに少なくとも1つのプロセッサによって実行されると、少なくとも1つのプロセッサに、シナリオの有限集合を予測することを含むステップを実行させる命令であり、各シナリオは1組の可能なフォアキャストLR(FLR)の移動要求を含む。シナリオの有限集合は、MTNデータから取得される過去のER及び過去のLRが完了した移動から生成される。目的地への所望の到着時刻に基づいて、ERグループ及びシナリオごとのFLRグループを繰り返し生成する。ERグループ及びシナリオの有限集合の各シナリオにおけるFLRグループごとに通勤用車両(CV)を割り当てる。ERグループ及びFLRグループが割り当てられている対応するCVの出発時刻及び目的地への到着時刻を、ERグループ及びFLRグループごとに、繰り返し決定する。任意の時点におけるCVで移動する全てのグループのライダーの総数は、CVの定員を超えず、ライダーをその場所からその目的地まで乗せるルートが存在する。反復は、ER及びFLRのための共同スケジュールが、目的関数を最小化する各シナリオを形成するまで継続する。割当て情報を定式化し、インターフェースを介して、割当て情報をER及び割り当てられたCVに送信する。
本開示の態様によれば、ERグループ及び各シナリオからのFLRグループに同時にサービスを提供しているCVの数は、フリートの定員よりも少ない。一態様は、FLRの各シナリオが、ERのスケジューリングが後の時点でLRをスケジューリングする能力を提供することを確実にするために使用されるLRの予想量の尤度の高い具体化を表すというものであり得る。別の態様は、各LR及びER移動要求が出発地、目的地、及び目的地への所望の到着時間窓を含むように、LRは、ERの移動要求がMTNによって受信される時点よりも遅い時点に移動要求を提供するというものである。さらに、別の態様は、所望の時刻が目的地への到着時刻の時間窓内にあるというものであり得る。またさらに、別の態様は、CVトリップは乗換発着所から目的地まで、目的地から乗換発着所まで、又はその両方のうちの1つを含む。
本開示の態様によれば、FLR移動を、受信したER移動要求で表されるERの意図した移動時間として、おおよその時刻における過去のLRによって実現する。別の態様では、シナリオごとのFLRの数は、オペレータによって提供されるLRの事前設定された数であり、MTNデータから取得される。さらに、別の態様は、FLRの場所及び目的地への所望の到着時間窓が、記憶されたMTNデータから取得された過去のLR移動から取得されることである。またさらに、別の態様は、ERグループ内の各ERの到着期限を満たすように、ERグループ内のERグループごとに、CVの少なくとも1つのルート、そのルートの出発時刻を含むというものである。一態様は、割当て情報は、ERグループに割り当てられたCV、CVに割り当てられたルート、場所及びその場所から割り当てられたCVの出発時刻を含むというものであり得る。
本開示の態様によれば、ライダーの総移動時間は、ライダーがMTNの1つ以上の輸送モードに乗って費やす移動時間、ライダーが中継地、MTNのターミナル発着所又は発着所デポで、割り当てられたCVを待機するのに費やす時間、及びライダーの目的地に到達するためにCV内を移動するのに費やす時間の和である。
本開示の態様によれば、ERグループ及びシナリオごとのFLRグループを生成するための反復プロセス、並びにCVの割当て及びCVトリップのスケジューリングは、不確実性問題の下での最適化を解決することに基づいている。不確実性問題の下での最適化は、多段階確率的最適化問題又はロバスト最適化問題のうちの1つである。目的関数は、ライダーの総待機時間とCVトリップ数との間の重み係数を使用するメトリックの期待値である。不確実性問題の下での最適化は、ERがERの到着時間窓内にその目的地に到達することを確実にし、各ERグループのERの数がCVの最大定員座席数よりも少ないことを確実にし、及び、ルート探索プログラム及び運用ルートマッププログラムがCVのためのそれぞれの移動時間を提供することを確実にする制約が含まれる。制約は、同時に運用するCVの数がMTNのフリートで利用可能なCVの総数よりも少ないことを確実にする。
本開示の別の態様は、ERグループ及びLRグループに同時にサービスを提供しているCVの数がフリートの定員よりも少ない場合を含むことができる。一態様は、CVが、私的マルチモード輸送ネットワーク(MTN)、私的ライダーマルチ輸送システム、空港ライダー輸送システム、少なくとも1つの企業のライダー輸送システム又はライダー共有輸送システムのうちの1つに関連付けられる又はその一部であることである。
本開示の他の態様によれば、ライダーの場所は、MTNの乗換発着所、MTNの起点発着所又はMTNの中継発着所のうちの1つを含み、ライダーの目的地は、目的地、目的地建物又は最終目的地のうちの1つを含む。さらに、一態様は、ERによる移動要求が、ERによって支払われるべき最小総コストを示す好ましいオプションを含むとき、ERは、MTNの定時運行車両のコスト及び割り当てられたCVのコストの和を最小化するための別の制約を満たすグループに割り当てられるというものであり得る。またさらに、一態様は、CVの運用状況が、プロセッサに接続される情報インターフェースを介して各CVから状況情報を受信することによって監視及び更新されるというものであり得る。更新された運用状況がメモリに記憶されるように、運用状況はCVの場所及びCVのそれぞれの利用可能な座席の数を含む。
システムは、以下にリストされている異なる態様の任意の組合せを含むことができると考えられる。システムは、アーリーライダー(ER)/既知の乗客及びレイトライダー(LR)/不確実な乗客を有するマルチモード輸送ネットワーク(MTN)で通勤用車両(CV)をスケジューリングする。インターフェースは、ER及びLRからの移動要求を受信する。そのシステムは、MTNデータを記憶するメモリ、グループ分けプログラム、ルート探索プログラム、CVの運用ルートマッププログラム、LRプログラム、及び通勤用車両割当てプログラムを含むコンピュータ実行可能プログラムを含む。プロセッサは、コンピュータ実行可能プログラムを実行するために、インターフェース及びメモリに接続されるプロセッサであって、最適化問題を解いて、1組の重み係数と、ERの総移動時間及びグループ数の組合せとに従って解を取得することにより、1組の解を生成することを含むグループ分けプログラムを実行するように構成される。プロセッサは、以下を実行する。CVで乗車を共有する意思があるERの数を特定し、ER解のサブセット及びオペレータが提供するLRの数を取得することを含むLRプログラムを実行する。ER解のサブセットのうちのいくつかの目的地に対応するLRの目的地のグループ数を決定し、また、ER解のサブセットのうちのいくつかに対応するCVのLR出発時刻を決定する。ER解のサブセットからのグループ数のグループごとに、最大CVライダー定員を超えずに、そのグループに割当て可能なLRの数を特定できるように、ERのそのグループに割り当てられたCV、グループが割り当てられたCVで移動する出発時刻、及びそのグループに割り当てられたCVの残りのライダー定員を特定することを含む変更されたグループ分けプログラムを実行する。最大CVライダーの定員を超えずに、ER解のサブセットから各グループにいくつかのLRを割り当てることを含む通勤者割当てプログラムを実行する。ER及びLRを伴うグループに割り当てられたCV、CVに割り当てられたルート、発着所デポの場所、及び発着所デポの場所から割り当てられたCVの出発時刻を含む割当て情報を更新する。更新された割当て情報を、インターフェースを介して割り当てられたCVに送信する。
本開示の他の態様によれば、グループ分けプログラムは、ERの目的地に基づいてERのグループ数を決定し、受信した移動要求から、定時運行車両(FSV)及びCVのERの出発時刻を決定することを含む。ERのグループ並びにFSV及びCVのER出発時刻を定義する解を生成するために最適化を解決する。最適化は、1組の重み係数、並びにERの総移動時間及びグループ数の組合せに従って解を取得することにより、1組の解を繰り返し生成することを更に含む。ERの総移動時間とグループ数の線形結合に対して取得される1組の解から解を選択する。一態様は、グループ分けプログラムが、社会的な最適を達成するように、MTN内の全てのライダーの総移動時間を最小化するためにERスケジュールを決定することを含むことができ、修正されたグループ分けプログラムは、社会的な最適を達成するように、MTN内の全てのライダーの総移動時間を最小化するためにER及びLRスケジュールを決定する。別の態様は、変更されたグループ分けプログラムは、一部のERの乗り物の残りのライダー定員を決定すると同時に、CVで共有するERのサブセットを決定するように構成され、その結果、URを含む他のライダーからのその後の要求がいくつかのERの乗り物に追加されることを含み得る。一態様は、URをスケジューリングできない場合、又は通勤用車両割当てプログラムでグループの実行可能なスケジュールが得られない場合、制約を所与としてできるだけ多くのURがスケジューリングされ、又はグループの緩和された到着時間窓が設けられ、目的関数の緩和時間にペナルティを課すことを含み得る。別の態様は、CVの、グループ及びそのCVのためのルートへの割当ては、選択された解に基づいて、CVの中で割り当てられたCVの割当て情報を生成することによるというものである。
少なくとも1つの実施形態は、アーリーライダー(ER)及びレイトライダー(LR)をスケジューリングするシステムを含む。ERがスケジューリングされた時点では、LRはマルチモード輸送ネットワーク(MTN)における車両に対して未知である。システムは、インターフェース及びメモリに接続される少なくとも1つのプロセッサを含む。メモリに記憶されるのは、MTNデータ及びER移動要求、並びに少なくとも1つのプロセッサによって実行されると、少なくとも1つのプロセッサに、シナリオの有限集合を予測することを含むステップを実行させる命令である。各シナリオは1組の可能なフォアキャストLR(FLR)の移動要求を含む。シナリオの有限集合は、MTNデータから取得される過去のER及び過去のLRが完了した移動から生成される。目的地への所望の到着時刻に基づいて、ERグループ及びシナリオごとのFLRグループを繰り返し生成する。ERグループ及びシナリオの有限集合の各シナリオにおけるFLRグループごとに通勤用車両(CV)を割り当てる。ERグループ及びFLRグループごとに、ERグループ及びFLRグループが割り当てられている対応するCVの出発時刻及び目的地への到着時刻を繰り返し決定する。任意の時点におけるCVで移動する全てのグループのライダーの総数は、CVの定員を超えず、ライダーをその場所からその目的地まで乗せるルートが存在する。ER及びFLRのための共同スケジュールが目的関数を最小化する各シナリオを形成するまで、反復は継続する。割当て情報を定式化し、インターフェースを介して、割当て情報をER及び割り当てられたCVに送信する。
(定義)
マルチモード輸送ネットワークは、公共輸送サブネットワークと、私的輸送によって使用するための私的輸送サブネットワーク、例えば、道路ネットワーク(本明細書において「私的輸送サブネットワーク」と呼ばれる)とを含むことができる。これらのタイプのネットワークは異なる特性を有する。公共輸送ネットワークを経由する場合の進入時刻、退出時刻及び移動時間は制約を受け、特定の時刻においてのみ、すなわち、そのネットワークに関連付けられるスケジュールに従ってのみ、ネットワークを経由して進入、退出及び移動を行うことができるようになる。対照的に、私的輸送を使用するとき、道路ネットワーク等の私的輸送ネットワークに関して、そのような制約はない。私的輸送ネットワークでは、ユーザが、自らが選択する時点において、ネットワークへの進入、ネットワークからの退出又はネットワーク内の移動を自由に選択することができる。公共輸送の例は種々の定時運行車両、すなわち、定時及び/又は所定のスケジュールを有し、ユーザの都合又は要件に合わせて変更することができない車両を含む。定時運行車両の例は、列車、バス、船及び飛行機のうちの1つ又はその組合せを含む。私的輸送の例は、自律走行車両、半自律走行車両及び運転者によって操作される車両等の種々の、柔軟にスケジューリングされる通勤用車両を含む。柔軟にスケジューリングされる通勤用車両は、乗客の要求に応じて、ルート及び時刻を指定できるようになる。
定時運行車両は、中継地まで、又は中継地から1組の乗客を輸送するために、乗客の要求に合わせることができないスケジュールと、制約されない乗客定員とを有することができる。本明細書において参照されるときに、制約されない乗客定員は、スケジューリング及び管理の解において考慮に入れられない、定時運行車両の最大定員と理解することができる。対照的に、通勤用車両は、1組の所定のルートから選択されるルートのうちの1つを介して、乗客を中継地まで、又は中継地から輸送するために、制約されないスケジュールと、最大乗客定員とを有することができる。
図15Aは、本開示の実施形態による、システム及び方法を実施するために使用することができるいくつかの構成要素を示すブロック図である。例えば、システム及び方法1500Aは、環境1501から環境信号を含むデータ1508を収集するセンサ等の単数のセンサ1502又は複数のセンサと通信するハードウェアプロセッサ1511を含むことができる。環境信号は、複数のセンサを含むことができる。さらに、環境センサ1502は、入力を環境信号に変換することができる。マシン監視センサ、MTNの管理に関連するデータを取得するためにセンサを利用する輸送の構成要素等、環境センサ以外の他のタイプのセンサを利用できることが考えられる。ハードウェアプロセッサ1511は、コンピュータ記憶メモリ、すなわち、メモリ1509と通信し、メモリ1509は、ハードウェアプロセッサ1511によって実行することができるアルゴリズム、命令、及び他のデータを含む記憶されたデータを含むようになる。
任意選択で、ハードウェアプロセッサ1511は、データソース1503、コンピュータデバイス、モバイルフォンデバイス及び記憶デバイスと通信するネットワーク1507に接続することができる。また、任意選択で、ハードウェアプロセッサ1511は、クライアントデバイス1515に接続されたネットワーク対応サーバ1513に接続することもできる。ハードウェアプロセッサ1511は、任意選択で、外部メモリデバイス1517、送信機1519に接続することができる。さらに、対象話者ごとのテキストは、特定のユーザ使用目的に従って出力することができ(1521)、例えば、いくつかのタイプのユーザ使用は、更なる解析等のために、モニター若しくはスクリーン等の1つ以上のディスプレイデバイス上にテキストを表示すること、又は、対象話者ごとのテキストをコンピュータ関連デバイス内に入力することができる。
ハードウェアプロセッサ1511は、特定のアプリケーションの要件に応じて2つ以上のハードウェアプロセッサを含むことができることが考えられる。これらのプロセッサは、内部のものとすることもできるし、外部のものとすることもできる。他のデバイスの中でも特に出力インターフェース及び送受信機を含む他の構成要素をシステム及び方法1500Aに組み込むことができることは確かである。
ネットワーク1507は、非限定例として、1つ以上のローカルエリアネットワーク(LAN:local area networks)及び/又はワイドエリアネットワーク(WAN:wide area networks)を含むことができることが可能である。ネットワーク接続環境は、企業全体のコンピュータネットワーク、イントラネット及びインターネットと同様のものとすることができる。言及した全ての構成要素について、任意の数のクライアントデバイス、記憶構成要素、及びデータソースをシステム1500A内で用いることができることが考えられる。それぞれは、単一のデバイスを含むこともできるし、分散環境において協働する複数のデバイスを含むこともできる。さらに、システム1500Aは、1つ以上のデータソース1503を備えることができる。データソース1503は、輸送ネットワークをトレーニングするためのデータリソースを含むことができる。例えば、一実施形態では、トレーニングデータは、複数の構成要素の信号を含むことができる。また、トレーニングデータには、単一の構成要素だけの信号を含むこともできる。
データソース1503のいくつかの例は、限定ではなく例として、ストリーミングサウンド若しくはストリーミングビデオ、ウェブクエリ、モバイルデバイスカメラ若しくはオーディオ情報、ウェブカムフィード、スマートグラスフィード及びスマートウォッチフィード、顧客ケアシステム、セキュリティカメラフィード、ウェブ文書、カタログ、ユーザフィード、SMSログ、インスタントメッセージングログ、発話単語トランスクリプト、音声コマンド若しくはキャプチャー画像(例えば、深度カメラ画像)等のゲームシステムユーザインタラクション、ツイート、チャット記録若しくはビデオ通話記録、又はソーシャルネットワークメディアを含む様々なソースを含むことができる。使用される特定のデータソース1503は、データが、性質上、或る特定のクラスのデータ(例えば、機械システム、娯楽システムを含む、例えば、特定のタイプの音にのみ関係したデータ)であるのか又は一般的なもの(非クラス固有のもの)であるのかを含む用途に基づいて決定することができる。
システム1500Aは、任意のタイプのコンピューティングデバイスを含むことができるサードパーティーデバイス1504、1505を備えることができる。例えば、サードパーティーデバイスは、本明細書では、コンピュータデバイス1504、又は、図15Bに関して説明するタイプのモバイルコンピューティングデバイス等のモバイルデバイス1505を含む。ユーザデバイスは、パーソナルデジタルアシスタント(PDA)、スマートフォン、スマートウォッチ、スマートグラス(又は他のウェアラブルスマートデバイス)等のモバイルデバイス、拡張現実ヘッドセット、仮想現実ヘッドセットとして具現化することができることが考えられる。さらに、ユーザデバイスは、タブレット等のラップトップ、リモコン、娯楽システム、車両コンピュータシステム、組込みシステムコントローラー、電気器具、ホームコンピュータシステム、セキュリティシステム、民生用電子デバイス、又は他の同様の電子デバイスとすることができる。1つの実施形態では、クライアントデバイスは、当該デバイス上で動作している本明細書において説明するASRシステムによって使用可能なオーディオ情報及び画像情報等の入力データを受信することが可能である。例えば、サードパーティーデバイスは、オーディオ情報を受信するマイクロフォン若しくはライン入力端子、ビデオ情報若しくは画像情報を受信するカメラ、又はインターネット若しくはデータソース1503等の別の情報源からそのような情報を受信する通信構成要素(例えば、Wi-Fi機能)を有することができる。
例示のサードパーティーデバイス1504、1505は、任意選択で、ディープニューラルネットワークモデルを展開することができる環境を例示するためにシステム1500Aに含められる。さらに、本開示のいくつかの実施形態は、サードパーティーデバイス1504、1505を備えないものとすることもできる。例えば、ディープニューラルネットワークモデルは、サーバ上に存在することもできるし、クラウドネットワーク、クラウドシステム又は同様の装置構成内に存在することもできる。
記憶装置1506に関して、記憶装置1506は、本明細書において説明する技術の実施形態において用いられるデータ、コンピュータ命令(例えば、ソフトウェアプログラム命令、ルーチン、又はサービス)、及び/又はモデルを含む情報を記憶することができる。例えば、記憶装置1506は、1つ以上のデータソース1503からのデータ、1つ以上のディープニューラルネットワークモデル、ディープニューラルネットワークモデルを生成及びトレーニングするための情報、並びに1つ以上のディープニューラルネットワークモデルによって出力されるコンピュータ使用可能情報を記憶することができる。
図15Bは、本開示の実施形態による、通勤用車両をスケジューリングする図15Aのマルチモード輸送ネットワークシステムを示す概略図である。例えば、通勤用車両(CV)をスケジューリングするシステムのMTNネットワーク対応サーバ1513は、移動通信デバイス1533A~1533F、ネットワーク1577、データ記憶装置1571、データソース1588、及びデータベース1599を含むことができる。その移動通信デバイス1533A~1533Fは、それぞれ、ユーザ1543A~1543Fに向けることができる。車両1544、1545、1546は、それぞれ、運転者1543B、1543C及び1543Fに関連付けられる、いくつかの移動通信デバイス1533B、1533C、1533Fに関連付けることができる。
MTNネットワーク対応サーバ又はMTNサーバ1513は、自律走行車両、すなわちCVに関連付けられる運転管理システムに更に関連付けることができる。さらに、MTNサーバは、MTN、地理的領域等の管理の観点から、アプリケーションに応じて複数のサーバとすることができる。
更に図15Bを参照すると、ネットワーク1577は、ユーザ無線通信デバイス1533A~1533FとMTNサーバ1513との間の通信に役立つことができる。例えば、少なくとも1つの実施形態によれば、ネットワーク1577は、ユーザの無線通信デバイス1533A~1533Fから、乗車要求及び他の乗車サーバ関連情報を受信することができる。また、可能なことは、ネットワーク1577は、車両1544、1545、1546に対して、乗車サービス割当てを管理デバイス1533B、1533C及び1533F、すなわち、無線通信デバイスに送信することができることである。ネットワーク1577は、他のタイプの通信を提供し、情報を交換し、及び/又はMTNサーバ1513と無線通信デバイス1533A~1533Fとの間の情報の交換を提供することができるタイプのネットワークであってもよいと考えられる。例えば、ネットワーク1577は、インターネット、ローカルエリアネットワーク、セルラーネットワーク、公衆交換電話網(「PSTN」)、又はライドシェアリングを可能にする他の適切な接続であってもよい。ネットワーク1577はまた、異なるタイプのメッセージングフォーマットを提供し、また無線通信デバイス1533A~1533Fのための様々なサービス及びアプリケーションを更にサポートすることができる。例えば、ネットワーク1577は、ユーザ1543B、1543C、1543F及びサービス車両を途中で乗せ又は下車させる場所に向ける等、無線通信デバイス1533A~1533Fのためのナビゲーションサービスをサポートすることができる。
MTNサーバ1513は、メッセージング、音声、リアルタイムオーディオ/ビデオ等の異なるタイプのデータ又はサービスを含む通信をユーザ1543A~1543Fに提供するように装備することができる。MTNサーバ1513は、コンピュータシステム構成要素、デスクトップコンピュータ、ワークステーション、タブレット、携帯無線通信デバイス1533A~1533F、メモリデバイス、及び/又は構成要素を接続する内部ネットワークを含むコンピュータベースシステムであってもよい。MTNサーバ1513は、ネットワーク1577を介して無線通信デバイス1533A~1533Fから情報を受信し、情報を処理し、情報を記憶し、及び/又はネットワーク1577を介して無線通信デバイス1533A~1533Fに情報を送信するように構成してもよい。例えば、いくつかの実施形態では、MTNサーバ1513は、無線通信デバイス1533A~1533Fから乗車要求を受信し、乗車確認及び乗車運賃情報を送信し、車両の運転者及び車両の管理デバイスに乗車サービス割当てを送信することができる。
更に図15Bを参照すると、データベース1599は、MTNサーバ1513と結合される物理タイプ又はクラウドタイプの記憶装置を含むことができ、ユーザアカウント情報、連絡先情報、プロファイル写真等の対応するユーザプロファイル、及び関連する無線通信デバイス1533A~1533Fの情報を記憶することができる。運賃を支払うユーザ1543A~1543F又はタクシーライダーに関して、ユーザ/タクシーライダーのアカウント情報は、乗車履歴、サービスフィードバック、苦情、又はコメントを更に含む場合がある。データベース1599はまた、交通データ、地域マップ、及び有料道路情報を含むことができ、これらは、ユーザ1543A~1543Fのためのライドシェアリングサービス又は他の関連する態様を管理するために使用することができる。データベース1599、記憶装置1571、又はデータソース1588に記憶されるデータは、乗車要求、ユーザニーズ等に対応するためにMTNサーバ1513に送信することができる。データベース1599、記憶装置1571又はデータソース1588をMTNサーバ1513、及び/又はネットワーク1577を介して無線通信デバイス1533A~1533Fによってアクセス可能なクラウドベースサーバに記憶することができる。
無線通信デバイス1533A~1533Fは、テレビ、タブレット、コンピュータモニター、ビデオ会議コンソール、又はラップトップコンピュータスクリーン等のディスプレイを含んでもよい。さらに、通信デバイス1533A~1533Fは、ディスプレイ及びビデオ/オーディオキャプチャ機能を有し、また、IM、VoIP、ビデオ会議等の通信を容易にするソフトウェアアプリケーションを有するタブレット又はスマートフォンであってもよい。
いくつかの実施形態では、無線通信デバイス1533B、1533C及び1533Fは、タクシー会社によって管理される商用又は私用タクシーと同様に、特定の車両に関連付けられる管理システムの一部として、車両1544、1545、1546の管理パネルに接続することができる。例えば、ユーザ1543B、1543C及び1543F、並びに関連付けられた無線通信デバイス1533B、1533C、1533Fは、管理パネルの一部として及び/又は車両1544、1545、1546と関連付けられる別個のデバイスとして設置されるカードリーダー等の支払いデバイスと結合することができる。次いで、ユーザ1543B、1543C及び1543Fは、代替の支払い機構として関連付けられた支払いデバイスを使用してもよい。例えば、タクシー、すなわち、車両1544、1545、1546を受け入れる人は、支払いデバイスを介してタクシー運賃を支払うことができる。
図16は、本開示の実施形態による方法及びシステムのいくつかの技法を実施するために使用することができるコンピューティング装置1600を非限定例として示す概略図である。コンピューティング装置又はデバイス1600は、ラップトップ、デスクトップ、ワークステーション、パーソナルデジタルアシスタント、サーバ、ブレードサーバ、メインフレーム、及び他の適切なコンピュータ等の様々な形態のデジタルコンピュータを表す。
コンピューティングデバイス1600は、電力源1608、プロセッサ1609、メモリ1610、記憶デバイス1611を備えることができる。これらは全てバス1650に接続されている。さらに、高速インターフェース1612、低速インターフェース1613、高速拡張ポート1614及び低速拡張ポート1615をバス1650に接続することができる。また、低速接続ポート1616がバス1650と接続されている。特定の用途に応じて、非限定例として共通のマザーボードに実装することができる様々な構成要素の構成が考えられる。またさらに、入力インターフェース1617を、バス1650を介して外部受信機1606及び出力インターフェース1618に接続することができる。受信機1619を、バス1650を介して外部送信機1607及び送信機1620に接続することができる。外部メモリ1604、外部センサ1603、機械1602及び環境1601もバス1650に接続することができる。さらに、1つ以上の外部入力/出力デバイス1605をバス1650に接続することができる。ネットワークインターフェースコントローラー(NIC)1621は、バス1650を通じてネットワーク1622に接続するように適合することができ、特にデータ又は他のデータは、コンピュータデバイス1600の外部のサードパーティーディスプレイデバイス、サードパーティー撮像デバイス、及び/又はサードパーティー印刷デバイス上にレンダリングすることができる。
メモリ1610は、コンピュータデバイス1600によって実行可能な命令、履歴データ、並びに本開示の方法及びシステムによって利用することができる任意のデータを記憶することができると考えられる。メモリ1610は、ランダムアクセスメモリ(RAM)、リードオンリーメモリ(ROM)、フラッシュメモリ、又は他の任意の適したメモリシステムを含むことができる。メモリ1610は、単数若しくは複数の揮発性メモリユニット及び/又は単数若しくは複数の不揮発性メモリユニットとすることができる。メモリ1610は、磁気ディスク又は光ディスク等の別の形態のコンピュータ可読媒体とすることもできる。
更に図16を参照すると、記憶デバイス1611は、コンピュータデバイス1600によって用いられる補助データ及び/又はソフトウェアモジュールを記憶するように適合することができる。例えば、記憶デバイス1611は、本開示に関して上述したような履歴データ及び他の関連データを記憶することができる。加えて又は代替的に、記憶デバイス1611は、本開示に関して上述したようなデータと同様の履歴データを記憶することができる。記憶デバイス1611は、ハードドライブ、光ドライブ、サムドライブ、ドライブのアレイ、又はそれらの任意の組合せを含むことができる。さらに、記憶デバイス1611は、ストレージエリアネットワーク又は他の構成におけるデバイスを含めて、フロッピーディスクデバイス、ハードディスクデバイス、光ディスクデバイス、若しくはテープデバイス、フラッシュメモリ若しくは他の同様の固体メモリデバイス、又はデバイスのアレイ等のコンピュータ可読媒体を含むことができる。命令は情報担体に記憶することができる。命令は、1つ以上の処理デバイス(例えば、プロセッサ1609)によって実行されると、上記で説明した方法等の1つ以上の方法を実行する。
システムは、任意選択で、このシステムをディスプレイデバイス1625及びキーボード1624に接続するように適合されたディスプレイインターフェース又はユーザインターフェース(HMI)1623にバス1650を通じてリンクすることができる。ディスプレイデバイス1625は、特に、コンピュータモニター、カメラ、テレビ、プロジェクター、又はモバイルデバイスを含むことができる。
更に図16を参照すると、コンピュータデバイス1600は、バス1650を通じてプリンタインターフェース(図示せず)に接続するとともに、印刷デバイス(図示せず)に接続するように適合されたユーザ入力インターフェース1617を備えることができる。印刷デバイスは、特に、液体インクジェットプリンタ、固体インクプリンタ、大型商用プリンタ、サーマルプリンタ、UVプリンタ、又は昇華型プリンタを含むことができる。
高速インターフェース1612は、コンピューティングデバイス1600の帯域幅消費型動作を管理する一方、低速インターフェース1613は、より低い帯域幅消費型動作を管理する。そのような機能の割当ては一例にすぎない。いくつかの実施態様では、高速インターフェース1612は、メモリ1610、ユーザインターフェース(HMI)1623に結合することができ、(例えば、グラフィックスプロセッサ又はアクセラレーターを通じて)キーボード1624及びディスプレイ1625に結合することができ、高速拡張ポート1614に結合することができる。この高速拡張ポートは、バス1650を介して様々な拡張カード(図示せず)を受容することができる。この実施態様では、低速インターフェース1613は、バス1650を介して記憶デバイス1611及び低速拡張ポート1615に結合されている。様々な通信ポート(例えば、USB、Bluetooth、イーサネット、無線イーサネット)を含むことができる低速拡張ポート1615は、1つ以上の入力/出力デバイス1605、及び他のデバイス、キーボード1624、ポインティングデバイス(図示せず)、スキャナ(図示せず)に結合することもできるし、スイッチ又はルーター等のネットワーク接続デバイスに、例えば、ネットワークアダプターを通じて結合することもできる。
更に図16を参照すると、コンピューティングデバイス1600は、この図に示すように、複数の異なる形態で実施することができる。例えば、このコンピューティングデバイスは、標準的なサーバ1626として実施することもできるし、そのようなサーバが複数個ある一群のサーバとして実施することもできる。加えて、このコンピューティングデバイスは、ラップトップコンピュータ1627等のパーソナルコンピュータにおいて実施することができる。このコンピューティングデバイスは、ラックサーバシステム1628の一部として実施することもできる。或いは、コンピューティングデバイス1600からの構成要素は、モバイルデバイス(図示せず)における他の構成要素と組み合わせることができる。
(実施形態)
以上の説明では、実施形態の十分な理解を提供するために、具体的な詳細が与えられる。しかしながら、当業者は、これらの具体的な詳細がなくても実施形態を実施することができることを理解することができる。例えば、開示された主題におけるシステム、プロセス、及び他の要素は、実施形態を不必要な詳細で不明瞭にしないように、ブロック図形式の構成要素として示される場合がある。それ以外の場合において、既知のプロセス、構造、及び技法は、実施形態を不明瞭にしないように不必要な詳細なしで示される場合がある。さらに、様々な図面における同様の参照符号及び名称は、同様の要素を示す。
また、個々の実施形態は、フローチャート、フロー図、データフロー図、構造図、又はブロック図として描かれるプロセスとして説明される場合がある。フローチャートは、動作を逐次的なプロセスとして説明することができるが、これらの動作の多くは、並列又は同時に実行することができる。加えて、これらの動作の順序は、再配列することができる。プロセスは、その動作が完了したときに終了することができるが、論述されない又は図に含まれない追加のステップを有する場合がある。さらに、特に説明される任意のプロセスにおける全ての動作が全ての実施形態において行われ得るとは限らない。プロセスは、方法、関数、手順、サブルーチン、サブプログラム等に対応することができる。プロセスが関数に対応するとき、その関数の終了は、呼び出し側関数又はメイン関数へのその機能の復帰に対応することができる。
さらに、開示された主題の実施形態は、少なくとも一部は手動又は自動のいずれかで実施することができる。手動実施又は自動実施は、機械、ハードウェア、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語、又はそれらの任意の組合せを用いて実行することもできるし、少なくとも援助することができる。ソフトウェア、ファームウェア、ミドルウェア又はマイクロコードで実施されるとき、必要なタスクを実行するプログラムコード又はプログラムコードセグメントは、機械可読媒体に記憶することができる。プロセッサが、それらの必要なタスクを実行することができる。
さらに、本開示の実施形態及び本明細書において説明された機能動作は、本明細書に開示された構造及びそれらの構造的均等物を含むデジタル電子回路部、有形に具現化されたコンピュータソフトウェア若しくはファームウェア、コンピュータハードウェア、又はそれらのうちの1つ以上のものの組合せにおいて実施することができる。さらに、本開示のいくつかの実施形態は、データ処理装置によって実行されるか又はデータ処理装置の動作を制御する1つ以上のコンピュータプログラム、すなわち、有形の非一時的プログラム担体上に符号化されたコンピュータプログラム命令の1つ以上のモジュールとして実施することができる。またさらに、プログラム命令は、データ処理装置による実行のために、適した受信機装置への送信用の情報を符号化するように生成される人工的に生成された伝播信号、例えば、機械によって生成された電気信号、光信号、又は電磁信号において符号化することができる。コンピュータ記憶媒体は、機械可読記憶デバイス、機械可読記憶デバイス基板、ランダムアクセスメモリデバイス若しくはシリアルアクセスメモリデバイス、又はそれらのうちの1つ以上のものの組合せとすることができる。
本開示の実施形態によれば、用語「データ処理装置」は、データを処理する全ての種類の装置、デバイス、及び機械を包含することができ、例として、プログラマブルプロセッサ、コンピュータ、又は複数のプロセッサ若しくはコンピュータを含む。装置は、専用論理回路部、例えば、FPGA(フィールドプログラマブルゲートアレイ)又はASIC(特定用途向け集積回路)を備えることができる。装置は、ハードウェアに加えて、問題になっているコンピュータプログラムの実行環境を作り出すコード、例えば、プロセッサファームウェア、プロトコルスタック、データベース管理システム、オペレーティングシステム、又はそれらのうちの1つ以上の組合せを構成するコードも有することができる。
コンピュータプログラム(プログラム、ソフトウェア、ソフトウェアアプリケーション、モジュール、ソフトウェアモジュール、スクリプト、又はコードと呼称又は記載される場合もある)は、コンパイラ型言語若しくはインタープリター型言語、又は宣言型言語若しくは手続型言語を含む任意の形態のプログラミング言語で記述することができ、スタンドアローンプログラムとしての形態、又は、モジュール、構成要素、サブルーチン、若しくはコンピューティング環境における使用に適した他のユニットとしての形態を含む任意の形態で配備することができる。コンピュータプログラムは、ファイルシステムにおけるファイルに対応する場合があるが、必ずしも対応する必要はない。プログラムは、他のプログラム又はデータ、例えば、マークアップ言語ドキュメントに記憶された1つ以上のスクリプトを保持するファイルの一部分に記憶することもできるし、問題となっているプログラムに専用化された単一のファイルに記憶することもできるし、複数のコーディネートファイル、例えば、1つ以上のモジュール、サブプログラム、又はコード部分を記憶するファイルに記憶することもできる。コンピュータプログラムは、1つのコンピュータ上で実行されるように配備することもできるし、1つのサイトに配置された複数のコンピュータ上で、又は、複数のサイトにわたって分散されて通信ネットワークによって相互接続された複数のコンピュータ上で実行されるように配備することもできる。コンピュータプログラムの実行に適したコンピュータは、例として、汎用マイクロプロセッサ若しくは専用マイクロプロセッサ若しくはそれらの双方、又は他の任意の種類の中央処理装置を含む。一般に、中央処理装置は、リードオンリーメモリ若しくはランダムアクセスメモリ又はそれらの双方から命令及びデータを受け取る。コンピュータの必須素子は、命令を遂行又は実行する中央処理装置と、命令及びデータを記憶する1つ以上のメモリデバイスとである。一般に、コンピュータは、データを含むか、又は、データを記憶する1つ以上のマスストレージデバイス、例えば、磁気ディスク、光磁気ディスク、若しくは光ディスクからのデータの受信若しくはそれらへのデータの転送若しくはそれらの双方を行うように作動結合される。ただし、コンピュータは、必ずしもそのようなデバイスを有するとは限らない。その上、コンピュータは、別のデバイスに組み込むことができ、例えば、数例を挙げると、モバイル電話機、パーソナルデジタルアシスタント(PDA)、モバイルオーディオプレーヤ若しくはモバイルビデオプレーヤ、ゲームコンソール、全地球測位システム(GPS)受信機、又はポータブル記憶デバイス、例えば、ユニバーサルシリアルバス(USB)フラッシュドライブに組み込むことができる。
ユーザとのインタラクションを提供するために、本明細書において説明した主題の実施形態は、ユーザに情報を表示するディスプレイデバイス、例えば、CRT(陰極線管)モニター又はLCD(液晶ディスプレイ)モニターと、ユーザがコンピュータに入力を提供することができるキーボード及びポインティングデバイス、例えば、マウス又はトラックボールとを有するコンピュータ上で実施することができる。他の種類のデバイスを用いて、ユーザとのインタラクションを同様に提供することができ、例えば、ユーザに提供されるフィードバックは、任意の形態の感覚フィードバック、例えば、視覚フィードバック、聴覚フィードバック、又は触覚フィードバックとすることができ、ユーザからの入力は、音響入力、音声入力、又は触覚入力を含む任意の形態で受信することができる。加えて、コンピュータは、ユーザによって用いられるデバイスに文書を送信すること及びこのデバイスから文書を受信することによって、例えば、ウェブブラウザーから受信された要求に応答してユーザのクライアントデバイス上のウェブブラウザーにウェブページを送信することによって、ユーザとインタラクトすることができる。
本明細書において説明した主題の実施形態は、バックエンド構成要素を、例えばデータサーバとして備えるコンピューティングシステム、又はミドルウェア構成要素、例えば、アプリケーションサーバを備えるコンピューティングシステム、又はフロントエンド構成要素、例えば、ユーザが本明細書において説明した主題の実施態様とインタラクトすることをできるようにするグラフィカルユーザインターフェース又はウェブブラウザーを有するクライアントコンピュータを備えるコンピューティングシステム、又は1つ以上のそのようなバックエンド構成要素、ミドルウェア構成要素、若しくはフロントエンド構成要素の任意の組合せを備えるコンピューティングシステムにおいて実施することができる。システムのこれらの構成要素は、任意の形態又は媒体のデジタルデータ通信、例えば、通信ネットワークによって相互接続することができる。通信ネットワークの例には、ローカルエリアネットワーク(「LAN」)及びワイドエリアネットワーク(「WAN」)、例えば、インターネットがある。
コンピューティングシステムは、クライアント及びサーバを備えることができる。クライアント及びサーバは、一般的に互いにリモートであり、通常、通信ネットワークを通じてインタラクトする。クライアント及びサーバの関係は、それぞれのコンピュータ上で動作するとともに互いにクライアントサーバ関係を有するコンピュータプログラムによって生じる。

Claims (21)

  1. アーリーライダー(ER)及びレイトライダー(LR)をスケジューリングするシステムであって、前記LRは前記ERがスケジューリングされる時点でマルチモード輸送ネットワーク(MTN)内の通勤用車両(CV)を含む車両に対して未知であり、前記システムは、
    インターフェース及びメモリに接続されるプロセッサを備え、前記メモリには、MTNデータ及び前記ERの移動要求、並びに前記プロセッサによって実行されると、前記プロセッサにステップを実行させる命令が記憶され、前記ステップは、
    シナリオの有限集合を予測することであって、各シナリオは、
    可能なフォアキャストLR(FLR)の移動要求の組を含むことと、
    目的地への所望の到着時刻に基づいて、前記ERのグループ及びシナリオごとのFLRのグループを繰り返し生成することと、
    前記ERのグループ及び各シナリオにおける前記FLRのグループごとにCVを割り当てることと、
    前記ERのグループ及び前記FLRのグループごとに、前記ERのグループ及び前記FLRのグループが割り当てられる対応するCVの出発時刻及び前記目的地への到着時刻を繰り返し決定することであって、任意の時点におけるCVで移動する全てのグループのライダーの総数が前記CVの定員を超えず、ライダーをその場所からその目的地まで乗せるルートが存在することと、
    前記ER及び前記FLRのための共同スケジュールが、目的関数を最小化する各シナリオを形成するまで反復を継続することと、
    割当て情報を定式化し、前記インターフェースを介して、前記割当て情報を前記ER及び割り当てられたCVに送信することと、
    を含む、システム。
  2. 前記ERのグループ及び各シナリオからの前記FLRのグループに同時にサービスを提供するCVの数がフリート定員よりも少ない、請求項1に記載のシステム。
  3. 前記シナリオの有限集合は、前記MTNデータから取得される過去のER及び過去のLRが完了した移動から生成される、請求項1に記載のシステム。
  4. シナリオごとのFLRの数は、オペレータによって提供されるLRの事前設定された数であり、前記FLRの場所及び目的地への所望の到着時間窓は、記憶されたMTNデータから取得される過去のLR移動から取得される、請求項1に記載のシステム。
  5. 前記FLRの移動は、受信された前記ERの移動要求ごとの前記ERの意図した移動時間として、その時刻に過去のLRによって実現された移動である、請求項1に記載のシステム。
  6. 前記ERのグループ内のERのグループごとに、前記ERのグループ内の各ERの到着期限が満たされるような、前記CVのための少なくとも1つのルート、そのルートのための出発時刻を含む、請求項1に記載のシステム。
  7. 前記ライダーの総移動時間は、前記ライダーが前記MTNの1つ以上の輸送モードに乗車して費やす移動時間、前記ライダーが中継地、前記MTNのターミナル発着所又は発着所デポで、前記割り当てられたCVを待機するのに費やす時間、及び前記ライダーの目的地に到着するために前記CV内で移動するのに費やす時間の和である、請求項1に記載のシステム。
  8. 前記ERのグループ及びシナリオごとの前記FLRのグループを生成し、前記CVを割り当てし、CVトリップをスケジューリングする反復プロセスは、不確実性問題の下での最適化を解決することに基づく、請求項1に記載のシステム。
  9. 前記不確実性問題の下での最適化は、多段階確率的最適化問題又はロバスト最適化問題のうちの1つである、請求項8に記載のシステム。
  10. 前記目的関数は、ライダーの総待機時間とCVトリップの数との間の重み係数を使用するメトリックの期待値である、請求項8に記載のシステム。
  11. 前記不確実性問題の下での最適化は、前記ERが前記ERの到着時間窓内の目的地に到着すること、前記ERのグループのそれぞれにおけるERの数が前記CVの座席の最大定員数よりも少ないこと、及び、ルート探索プログラム及び運用ルートマッププログラムが前記CVのためのそれぞれの移動時間を提供することを制約として含み、前記制約は同時に運用するCVの数が前記MTNのフリートで利用可能なCVの総数よりも少ない、請求項8に記載のシステム。
  12. 前記FLRの各シナリオは、前記ERのスケジューリングが後の時点で前記LRをスケジューリングする能力を提供するために使用されるLRの予想量の尤度の高い具体化を表す、請求項1に記載のシステム。
  13. 前記LRは、各LR及び前記ERの移動要求が、出発地、目的地、及び前記目的地への所望の到着時間窓を含むような、前記ERの移動要求が前記MTNによって受信される時点よりも遅い時点に移動要求を提供する、請求項1に記載のシステム。
  14. CVトリップは、場所から目的地まで出発する前記CV、前記目的地から前記場所まで出発する前記CV、又は両方のうちの1つを含む、請求項1に記載のシステム。
  15. 前記ERのグループ及びシナリオごとの前記FLRのグループを生成するために使用される所望の時刻は、前記目的地への到着時刻の時間窓内にある、請求項1に記載のシステム。
  16. 前記割当て情報は、前記ERのグループに前記割り当てられたCV、前記CVに割り当てられるルート、場所及び前記場所から前記割り当てられたCVの出発時刻を含む、請求項1に記載のシステム。
  17. アーリーライダー(ER)及びレイトライダー(LR)をスケジューリングする方法であって、前記LRは、前記ERがスケジューリングされる時点で、輸送システム(TS)に関連付けられる通勤用車両(CV)に対して未知であり、前記方法は、
    インターフェースを介して前記ERの移動要求を受信することと、
    前記インターフェース及びメモリに接続されるプロセッサにより、前記プロセッサにステップを実行させるために前記メモリに記憶される命令を実行することと、
    を含み、前記ステップは、
    シナリオの有限集合を予測することであって、各シナリオは、可能なフォアキャストLR(FLR)の移動要求の組を含み、前記シナリオの有限集合は、前記メモリに記憶されるTSデータから取得される過去のER及び過去のLRが完了した移動から生成されることと、
    目的地への所望の到着時刻に基づいて、前記ERのグループ及びシナリオごとの前記FLRのグループを繰り返し生成することであって、前記ERのグループ及び前記LRのグループに同時にサービスを提供するCVの数がフリート定員よりも少なくなることと、
    前記ERのグループ及び前記シナリオの有限集合の各シナリオにおけるFLRのグループごとにCVを割り当てることと、
    前記ERのグループ及び前記FLRのグループごとに、前記ERのグループ及び前記FLRのグループが割り当てられる対応するCVの出発時刻及び前記目的地への到着時刻を繰り返し決定することであって、任意の時点におけるCVで移動する全てのグループのライダーの総数が前記割り当てられたCVの定員を超えず、ライダーをその場所からその目的地まで乗せるルートが存在することと、
    前記ER及び前記FLRのための共同スケジュールが、ライダーの総待機時間とCVトリップ数との組合せであるメトリックの目的関数を最小化する各シナリオを形成するまで反復を継続することと、
    割当て情報を定式化し、前記インターフェースを介して、前記割当て情報を前記ER及び前記割り当てられたCVに送信することと、
    を含む、方法。
  18. アーリーライダー(ER)及びレイトライダー(LR)をスケジューリングするシステムであって、前記LRは、前記ERがスケジューリングされた後の時点で、輸送システム(TS)に関連付けられる通勤用車両(CV)に対して未知であり、前記システムは、
    記憶されたTSデータ及び命令を含むメモリと、
    前記ERの移動要求を受信するインターフェースと、
    前記インターフェース及び前記メモリに接続される少なくとも1つのプロセッサと、
    を備え、
    前記記憶された命令は、前記少なくとも1つのプロセッサによって実行されると、前記少なくとも1つのプロセッサにステップを実行させるようになり、前記ステップは、
    シナリオの有限集合を予測することであって、各シナリオは可能なフォアキャストLR(FLR)の移動要求の組を含むことと、
    目的地への所望の到着時刻に基づいて、前記ERのグループ及びシナリオごとの前記FLRのグループを繰り返し生成することであって、前記ERのグループ及び前記LRのグループに同時にサービスを提供するCVの数がフリート定員よりも少なくなることと、
    前記ERのグループ及び前記シナリオの有限集合の各シナリオにおける前記FLRのグループごとにCVを割り当てることと、
    前記ERのグループ及び前記FLRのグループごとに、前記ERのグループ及び前記FLRのグループが割り当てられる対応する割り当てられたCVの出発時刻及び前記目的地への到着時刻を繰り返し決定することであって、任意の時点におけるCVで移動する全てのグループのライダーの総数が前記割り当てられたCVの定員を超えず、ライダーをその場所からその目的地まで乗せるルートが存在することと、
    前記ER及び前記FLRのための共同スケジュールが、ライダーの総待機時間とCVトリップ数との組合せであるメトリックの目的関数を最小化する各シナリオを形成するまで反復が継続することと、
    割当て情報を定式化し、前記インターフェースを介して、前記割当て情報を前記ER及び前記割り当てられたCVに送信することと、
    を含む、システム。
  19. 前記シナリオの有限集合は、前記TSデータから取得される過去のER及び過去のLRが完了した移動から生成される、請求項18に記載のシステム。
  20. 前記CVは、私的マルチモード輸送ネットワーク(MTN)、私的ライダーマルチ輸送システム、空港ライダー輸送システム、少なくとも1つの企業のライダー輸送システム、又はライダー共有輸送システムのうちの1つに関連付けられる又は一部である、請求項18に記載のシステム。
  21. アーリーライダー(ER)及びレイトライダー(LR)をスケジューリングするシステムであって、前記LRは、前記ERがスケジューリングされる時点で、マルチモード輸送ネットワーク(MTN)における車両に対して未知であり、前記システムは、
    インターフェース及びメモリに接続される少なくとも1つプロセッサ、
    を備え、
    前記メモリには、MTNデータ、及び前記少なくとも1つのプロセッサによって実行されると、前記少なくとも1つのプロセッサにステップを実行させる命令が記憶され、前記ステップは、
    シナリオの有限集合を予測することであって、各シナリオは可能なフォアキャストLR(FLR)の移動要求の組を含み、前記シナリオの有限集合は、前記MTNデータから取得される過去のER及び過去のLRが完了した移動から生成されることと、
    前記インターフェースを介して前記ERの移動要求を受信することと、
    目的地への所望の到着時刻に基づいて前記ERの移動要求から前記ERのグループ及びシナリオごとの前記FLRのグループを繰り返し生成し、各シナリオにおいて前記ER及び前記FLRのグループごとに通勤用車両(CV)を割り当てることであって、前記ERのグループ及び前記LRのグループに同時にサービスを提供しているCVの数がフリート定員よりも少ないことと、
    前記ERのグループ及び前記FLRのグループごとに、前記ERのグループ及びFLRのグループが割り当てられる対応するCVの出発時刻及び前記目的地への到着時刻を繰り返し決定することであって、任意の時点におけるCVで移動する全てのグループのライダーの総数は前記CVの定員を超えず、ライダーをその乗換発着所からその目的地まで乗せるルートが存在することと、
    前記ER及び前記FLRのための共同スケジュールがライダーの総待機時間とCVトリップ数との組合せであるメトリックの期待値を最小化する各シナリオを形成するまで反復を継続することと、
    割当て情報を定式化し、前記インターフェースを介して、前記割当て情報を前記ER及び前記割り当てられたCVに送信することと、
    前記インターフェースを介して前記LRの移動要求を受信することと、
    前記目的地への所望の到着時刻に基づいて、前記LRの移動要求から前記LRのグループを繰り返し生成することと、
    前記LRのグループごとに通勤用車両(CV)を割り当てることと、
    前記LRのグループごとに、前記対応するCVの出発時刻及び前記目的地への到着時刻を含む期間を繰り返し決定することであって、前記LRのグループの前記CVが、その期間任意の前記ERのグループによっても使用されておらず、前記LRのグループ又は前記CVを同時に使用するERのグループの全ての前記ライダーを輸送するために前記CVにライダー定員があり、及び、前記ERのグループ及び前記LRのグループの全ての前記ライダーを輸送するために前記CVにライダー定員があるということを条件とすることと、
    前記ERの決定されたスケジュールを条件とする前記LRのための共同スケジュールが、前記LRの総待機時間とCVトリップ数との組合せであるメトリックの目的関数を最小化するまで、反復を継続することと、
    割当て情報を定式化し、前記インターフェースを介して、前記割当て情報を前記LR及び前記割り当てられたCVに送信することと、
    を含む、システム。
JP2021551106A 2019-02-25 2019-10-08 アーリーライダー及びレイトライダーをスケジューリングするシステム及び方法 Active JP7275295B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US16/284,229 2019-02-25
US16/284,229 US11085781B2 (en) 2019-02-25 2019-02-25 System and method for scheduling multiple modes of transport with incomplete information
PCT/JP2019/040355 WO2020174739A1 (en) 2019-02-25 2019-10-08 System and method for scheduling of early rider and late rider

Publications (2)

Publication Number Publication Date
JP2022513414A true JP2022513414A (ja) 2022-02-07
JP7275295B2 JP7275295B2 (ja) 2023-05-17

Family

ID=68470601

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021551106A Active JP7275295B2 (ja) 2019-02-25 2019-10-08 アーリーライダー及びレイトライダーをスケジューリングするシステム及び方法

Country Status (5)

Country Link
US (1) US11085781B2 (ja)
EP (1) EP3740915A1 (ja)
JP (1) JP7275295B2 (ja)
CN (1) CN113474797B (ja)
WO (1) WO2020174739A1 (ja)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10395333B2 (en) * 2016-06-07 2019-08-27 Uber Technologies, Inc. Hierarchical selection process
JP6969507B2 (ja) * 2018-06-21 2021-11-24 トヨタ自動車株式会社 情報処理装置、情報処理方法及びプログラム
US11164335B2 (en) * 2018-11-06 2021-11-02 International Business Machines Corporation Passenger travel route inferencing in a subway system
EP3683742A1 (en) 2019-01-18 2020-07-22 Naver Corporation Method for computing at least one itinerary from a departure location to an arrival location
US11441912B2 (en) * 2019-02-27 2022-09-13 Gm Cruise Holdings Llc Systems and methods for multi-modality autonomous vehicle transport
JP7137151B2 (ja) * 2019-03-20 2022-09-14 トヨタ自動車株式会社 運行制御装置及び車両
EP3745331A1 (en) * 2019-05-29 2020-12-02 Naver Corporation Methods for preprocessing a set of non-scheduled lines within a multimodal transportation network of predetermined stations and for computing at least one itinerary from a departure location to an arrival location
US11995603B2 (en) * 2019-06-21 2024-05-28 Gm Cruise Holdings Llc Peer-to-peer autonomous vehicle delivery
US11263595B2 (en) * 2019-07-09 2022-03-01 Microsoft Technology Licensing, Llc Electronic scheduling assistant utilizing categories of participants
US20220164715A1 (en) * 2020-11-20 2022-05-26 Scheidt & Bachmann USA, Inc. Open loop transit system with a backend system
CN113536692B (zh) * 2021-08-03 2023-10-03 东北大学 一种不确定环境下的高铁列车智能调度方法及系统
CN114282823A (zh) * 2021-12-27 2022-04-05 中国民航信息网络股份有限公司 车辆调度方法及装置、存储介质及电子设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005258840A (ja) * 2004-03-12 2005-09-22 Omron Corp 車両運行管理システム、車両運行管理方法、および車両運行管理装置
JP2006172145A (ja) * 2004-12-16 2006-06-29 Hitachi Ltd 予約処理システム及びその方法
US20110004496A1 (en) * 2009-07-06 2011-01-06 Mitel Networks Corporation System and method for arranging a meeting time for a commuter with a transit system
US20150100238A1 (en) * 2013-10-03 2015-04-09 Danqing Cai Large scale demand responsive transit framework
US20170357914A1 (en) * 2016-06-10 2017-12-14 Conduent Business Services, Llc System and method for optimal automated booking of on-demand transportation in multi-modal journeys
JP6341352B1 (ja) * 2017-11-29 2018-06-13 三菱電機株式会社 デマンド交通運用システム
US20190205813A1 (en) * 2017-12-29 2019-07-04 ANI Technologies Private Limited Method and system for transportation service routing

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004094912A (ja) * 2002-07-08 2004-03-25 Honda Motor Co Ltd 共有車両予約管理装置
US20050070320A1 (en) * 2003-09-26 2005-03-31 Dent Paul W. Method and apparatus to reduce dispatch delays in dispatch communication networks
US20100299177A1 (en) * 2009-05-22 2010-11-25 Disney Enterprises, Inc. Dynamic bus dispatching and labor assignment system
US20100305984A1 (en) * 2009-06-01 2010-12-02 Scopia, LLC Intermodal trip planner
WO2013072729A1 (en) * 2011-11-14 2013-05-23 Way Better Ltd System and method for ride sharing
US10430736B2 (en) * 2012-05-25 2019-10-01 Conduent Business Services, Llc System and method for estimating a dynamic origin-destination matrix
US20150091507A1 (en) * 2013-09-30 2015-04-02 Elwha Llc Dwelling related information center associated with communication and control system and method for wireless electric vehicle electrical energy transfer
US20150317568A1 (en) * 2014-04-30 2015-11-05 Xerox Corporation System and method for flexible carpooling in a work context
GB2550309A (en) * 2015-01-27 2017-11-15 Beijing Didi Infinity Tech And Dev Co Ltd Information providing method and system for on-demand service
US10796248B2 (en) * 2015-04-29 2020-10-06 Ford Global Technologies, Llc Ride-sharing joint rental groups
US20170178044A1 (en) * 2015-12-21 2017-06-22 Sap Se Data analysis using traceable identification data for forecasting transportation information
US11138524B2 (en) * 2016-03-11 2021-10-05 Uber Technologies, Inc. Cascaded boosted predictive models
US20170316533A1 (en) * 2016-04-29 2017-11-02 GM Global Technology Operations LLC Personal safety and privacy features for passengers of an autonomous vehicle based transportation system
US20170330112A1 (en) * 2016-05-11 2017-11-16 Conduent Business Services, Llc Travel demand inference for public transportation simulation
CN107545319A (zh) * 2016-06-28 2018-01-05 滴滴(中国)科技有限公司 一种运力调配方法及装置
WO2018009914A2 (en) * 2016-07-07 2018-01-11 Zunum Aero, Inc. Systems and methods for implementing multi-modal transport
US20180038706A1 (en) * 2016-08-05 2018-02-08 Civic Resource Group International, Inc. Modal Transit Schema Based on Available Time, Transit Type, Selected Interests and Environmental Factors
US10957001B2 (en) * 2016-12-14 2021-03-23 Conduent Business Services, Llc Method and system for real time management of transportation services
US11619951B2 (en) * 2017-01-23 2023-04-04 Massachusetts Institute Of Technology On-demand high-capacity ride-sharing via dynamic trip-vehicle assignment with future requests
US20180209803A1 (en) * 2017-01-25 2018-07-26 Via Transportation, Inc. Dynamic Route Planning
EP3659078B1 (en) * 2017-07-26 2023-08-30 Via Transportation, Inc. Systems and methods for managing and routing ridesharing vehicles

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005258840A (ja) * 2004-03-12 2005-09-22 Omron Corp 車両運行管理システム、車両運行管理方法、および車両運行管理装置
JP2006172145A (ja) * 2004-12-16 2006-06-29 Hitachi Ltd 予約処理システム及びその方法
US20110004496A1 (en) * 2009-07-06 2011-01-06 Mitel Networks Corporation System and method for arranging a meeting time for a commuter with a transit system
US20150100238A1 (en) * 2013-10-03 2015-04-09 Danqing Cai Large scale demand responsive transit framework
US20170357914A1 (en) * 2016-06-10 2017-12-14 Conduent Business Services, Llc System and method for optimal automated booking of on-demand transportation in multi-modal journeys
JP6341352B1 (ja) * 2017-11-29 2018-06-13 三菱電機株式会社 デマンド交通運用システム
US20190205813A1 (en) * 2017-12-29 2019-07-04 ANI Technologies Private Limited Method and system for transportation service routing

Also Published As

Publication number Publication date
EP3740915A1 (en) 2020-11-25
CN113474797A (zh) 2021-10-01
JP7275295B2 (ja) 2023-05-17
US11085781B2 (en) 2021-08-10
US20200272954A1 (en) 2020-08-27
WO2020174739A1 (en) 2020-09-03
CN113474797B (zh) 2024-07-02

Similar Documents

Publication Publication Date Title
JP2022513414A (ja) アーリーライダー及びレイトライダーをスケジューリングするシステム及び方法
US11416795B2 (en) Systems and methods for vehicle resource management
US11062415B2 (en) Systems and methods for allocating networked vehicle resources in priority environments
JP7166222B2 (ja) 乗客に通勤用車両を割り当てるシステム
US20180060778A1 (en) Driver location prediction for a transportation service
CN108352001B (zh) 基于计算设备的用户的场境自动预订运输
US11562300B2 (en) System and method for optimal automated booking of on-demand transportation in multi-modal journeys
JP6931446B2 (ja) プログラム、情報処理方法及び情報処理装置
US20190383623A1 (en) Dynamic connection determinations
CN112036676A (zh) 运输系统中乘车共享的智能按需管理
d'Orey et al. Can ride‐sharing become attractive? A case study of taxi‐sharing employing a simulation modelling approach
US20190114595A1 (en) Systems and Methods for Joint Control of Multi-Modal Transportation Networks
JP2020166760A (ja) スケジュール管理システム、移動体、プログラム及び方法
CA3053089A1 (en) Dynamic selection of geo-based service options in a network system
JP7460062B2 (ja) オンライン予約車両情報処理方法、装置、機器、及びコンピュータ記憶媒体
KR20210106445A (ko) 운송 관련 서비스에 대한 요청을 관리하기 위한 통신 서버 장치, 방법, 및 통신 시스템
US20210342760A1 (en) Systems and methods for utilizing constrained modes of transportation
WO2022139904A1 (en) Route-based digital service management
KR20210151771A (ko) 도착지로 운행 중인 차량의 배차 관리 방법, 이에 사용되는 관리 서버 및 도착지로 운행 중인 차량의 배차 관리 방법을 실행시키는 프로그램이 기록된 기록 매체
US20220290998A1 (en) Planning System for Multimodal Travel

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210513

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220802

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220912

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230117

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230201

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20230404

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230502

R150 Certificate of patent or registration of utility model

Ref document number: 7275295

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150