直播预告 | MIT博后：基于动态期限的电动共享汽车实时车队管理

2021 年 11 月 22 日 THU数据派

  
  
    
   
   
     
    
    
      
     
     
       
      
      
        
       
       
          
          来源：AI Time论道 
         
      
      
        
     
     
       
    
    
      
   
   
     
  
  
    
  
  
    
   
   
     
    
    
      
     
     
       
      
      
        

     
     
       
    
    
      
    
    
      
     
     
       
      
      
        
       
       
          
            本文约898字，建议阅读3分钟 
           
           本文介 
           绍 
           了11月24日晚7:30-8:30，由麻省理工学院博士后研究员王广带来的分享——基于动态期限的电动共享汽车实时车队管理，欢迎扫码观看直播。

11月24日晚 7:30-8:30

AI TIME特别邀请了麻省理工学院博士后研究员王广，给大家带来分享——基于动态期限的电动共享汽车实时车队管理

哔哩哔哩直播通道

★ 嘉宾简介 ★

王广：

麻省理工学院博士后研究员，合作导师为Alex "Sandy" Pentland教授。此前，他从美国罗格斯大学计算机系获得博士学位，师从张德升教授。主要研究方向为智慧城市，人类移动，和计算社会科学。目前已在KDD, ICDE, MobiCom, UbiComp, RTSS，WWW, AAAI 等计算机顶级会议发表论文30余篇，其中CCF A类会议论文15篇。

个人主页：http://guangwang.me/

分享内容：

基于动态期限的电动共享汽车实时车队管理

报告简介：

电动汽车共享，作为一种新兴的按需移动服务，最近在全球范围内激增。虽然共享汽车提供了便捷、低成本和环保的移动模式，但现有的车队管理的低效性也使得的共享汽车的推广困难重重。例如，现有的车队管理使用预定义的定期人为搬运车辆而没有自适应地结合高度动态的用户需求时间表，而且许多实际因素如时变充电价格没有被充分考虑。为了解决这些问题，在这个文章中，我们设计了 Record，一个有效的考虑重定位和充电的电动共享汽车车队管理系统，其旨在提高运营利润的同时也满足用户的实时用车和还车需求。Record不仅考虑了高度动态的用户用车需求来调整车辆位置 (即搬运到哪里）也考虑了随时间变化的充电价格用于充电调度（即在哪里充电）。为了高效地完成这两个任务，在 Record 中，我们设计了一个基于动态期限的分布式深度强化学习算法，结合需求预测和误差补偿机制去自适应地实时搜索和学习满足高动态和不平衡用户需求的最佳位置。我们使用10 个月的真实共享汽车数据去实现和评估我们的系统, 详尽的实验结果表明我们的 Record 能有效地降低25.8%的充电成本，减少30.2%的车辆搬运，同时也能满足用户需求和小的运行时间开销。

—— END ——