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 PDFInfo
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000033001 locomotion Effects 0.000 claims description 35
- 230000006870 function Effects 0.000 claims description 33
- 238000005457 optimization Methods 0.000 claims description 31
- 238000012546 transfer Methods 0.000 claims description 10
- 238000012804 iterative process Methods 0.000 claims description 2
- 230000032258 transport Effects 0.000 description 72
- 238000010586 diagram Methods 0.000 description 54
- 238000004891 communication Methods 0.000 description 30
- 238000003860 storage Methods 0.000 description 28
- 238000004422 calculation algorithm Methods 0.000 description 23
- 238000007726 management method Methods 0.000 description 20
- 239000000203 mixture Substances 0.000 description 14
- 230000008569 process Effects 0.000 description 13
- 238000009472 formulation Methods 0.000 description 12
- 238000005265 energy consumption Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 238000003062 neural network model Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 238000007639 printing Methods 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 239000004984 smart glass Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000005465 channeling Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000859 sublimation Methods 0.000 description 1
- 230000008022 sublimation Effects 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3438—Rendez-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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3423—Multimodal routing, i.e. combining two or more modes of transportation, where the modes can be any of, e.g. driving, walking, cycling, public transport
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/005—Traffic control systems for road vehicles including pedestrian guidance indicator
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
- G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference 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)
- Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
Abstract
Description
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。
・JすなわちER乗客Jの区分g={g1,...,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T0に出発する時間を示す出発時刻tg l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、
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。
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Ddは構成される。DD Ddは階層非循環有向グラフ(layered-acyclic directed graph)Dd=(Nd,Ad)である。ただし、NdはDD内の1組のノードであり、AdはDD内の1組のアークである。1組のノードNdは(nd+2)個の順序付き階層
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。
・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。
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。
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。
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。
Claims (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)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。 - 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。 - 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。 - 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。
- 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。
- 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。
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 (13)
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 |
CN115358685A (zh) * | 2022-10-24 | 2022-11-18 | 齐鲁云商数字科技股份有限公司 | 一种矿山运输管理系统及管理方法 |
Citations (7)
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)
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 |
CA2975002C (en) * | 2015-01-27 | 2020-09-29 | Beijing Didi Infinity Technology And Development Co., Ltd. | Methods and systems for providing information for an 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 |
EP3482383A4 (en) * | 2016-07-07 | 2020-04-29 | Zunum Aero, Inc. | SYSTEMS AND METHODS FOR IMPLEMENTING A MULTIMODAL 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 |
US10168167B2 (en) * | 2017-01-25 | 2019-01-01 | Via Transportation, Inc. | Purposefully selecting longer routes to improve user satisfaction |
WO2019023324A1 (en) * | 2017-07-26 | 2019-01-31 | Via Transportation, Inc. | SYSTEMS AND METHODS FOR MANAGING AND ROUTING COOPERATING VEHICLES |
-
2019
- 2019-02-25 US US16/284,229 patent/US11085781B2/en active Active
- 2019-10-08 EP EP19798759.7A patent/EP3740915A1/en active Pending
- 2019-10-08 CN CN201980092761.5A patent/CN113474797B/zh active Active
- 2019-10-08 WO PCT/JP2019/040355 patent/WO2020174739A1/en unknown
- 2019-10-08 JP JP2021551106A patent/JP7275295B2/ja active Active
Patent Citations (7)
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 |
---|---|
JP7275295B2 (ja) | 2023-05-17 |
EP3740915A1 (en) | 2020-11-25 |
CN113474797B (zh) | 2024-07-02 |
CN113474797A (zh) | 2021-10-01 |
WO2020174739A1 (en) | 2020-09-03 |
US11085781B2 (en) | 2021-08-10 |
US20200272954A1 (en) | 2020-08-27 |
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 | |
CN112036676A (zh) | 运输系统中乘车共享的智能按需管理 | |
US20190114595A1 (en) | Systems and Methods for Joint Control of Multi-Modal Transportation Networks | |
d'Orey et al. | Can ride‐sharing become attractive? A case study of taxi‐sharing employing a simulation modelling approach | |
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 |