In this study, we propose a novel heuristic two-step algorithm for shared ridehailing in which users can share their rides with only one more user. The algorithm, which is centrally formulated, starts with matching users and creating a set of passenger pairs in step 1 and is followed by solving an assignment problem to assign passenger pairs to the vehicles. To solve the problem of high computational time in dynamic ride-matching problems, we propose a distributed system that is based on vehicle to infrastructure (V2I) and infrastructure to infrastructure (I2I) communication. To evaluate the distributed system's performance, we compare it with the proposed centralized ridehailing algorithm. Both centralized and distributed systems are implemented in a micro-traffic simulator to assess their performance and their impact on traffic congestion. Downtown Toronto road network was chosen as the study area. Based on our obtained results, the service rate of the distributed system was 91.59% which is close to 95.80% in the centralized system. However, the distributed system yielded much lower computational time compared to centralized. Furthermore, the scalability of the distributed system was shown by testing it on a small network and comparing with the entire network.


翻译:在这项研究中,我们建议采用一种新的双步算法,使用户能够与仅多一个用户共享他们的乘车。算法是中央制成的,从匹配用户开始,然后在第1步建立一套客配对,然后解决分配车辆配对的派任问题。为了解决机动搭车问题中高计算时间的问题,我们建议采用一个分布式系统,该系统以车辆为基础设施(V2I)和基础设施为基础设施(I2I)通信为基础。为了评估分配式系统的业绩,我们将其与拟议的中央骑车算法进行比较。集中和分配式系统都由微型运输模拟器实施,以评估其性能及其对交通拥堵的影响。多伦多市公路网被选为研究区。根据我们获得的结果,分布式系统的服务率为91.59%,接近中央系统的95.80%。但是,分布式系统比中央化的计算时间要低得多。此外,分布式系统的可扩缩性通过测试小网络和与整个网络进行比较来显示分布式系统的可扩缩性。

0
下载
关闭预览

相关内容

会议涵盖了从理论结果到具体应用的各个方面,重点讨论了实际的验证工具以及实现这些工具所需的算法和技术。CAV认为,在向生物系统和计算机安全等新领域扩展的同时,继续推动硬件和软件验证的进步至关重要。会议记录将发表在《计算机科学》系列的斯普林格-维拉格讲稿中。预计将邀请一些论文参加《系统设计中的形式化方法》专刊和《ACM杂志》。官网链接:http://i-cav.org/2019/
【WWW2021】场矩阵分解机推荐系统
专知会员服务
31+阅读 · 2021年2月27日
面向健康的大数据与人工智能,103页ppt
专知会员服务
108+阅读 · 2020年12月29日
最新《联邦学习Federated Learning》报告,Federated Learning
专知会员服务
86+阅读 · 2020年12月2日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
【陈天奇】TVM:端到端自动深度学习编译器,244页ppt
专知会员服务
86+阅读 · 2020年5月11日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
计算机 | ISMAR 2019等国际会议信息8条
Call4Papers
3+阅读 · 2019年3月5日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
IEEE2018|An Accurate and Real-time 3D Tracking System for Robots
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
BranchOut: Regularization for Online Ensemble Tracking with CNN
统计学习与视觉计算组
9+阅读 · 2017年10月7日
Arxiv
0+阅读 · 2021年6月9日
Arxiv
0+阅读 · 2021年6月8日
Arxiv
0+阅读 · 2021年6月8日
Arxiv
0+阅读 · 2021年6月6日
VIP会员
相关资讯
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
计算机 | ISMAR 2019等国际会议信息8条
Call4Papers
3+阅读 · 2019年3月5日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
IEEE2018|An Accurate and Real-time 3D Tracking System for Robots
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
BranchOut: Regularization for Online Ensemble Tracking with CNN
统计学习与视觉计算组
9+阅读 · 2017年10月7日
Top
微信扫码咨询专知VIP会员