Space-Time Demand Adaptive Taxi Routing
Space-Time Demand Adaptive Taxi Routing
Type of document
diplomová prácemaster thesis
Author
Grajciar Matej
Supervisor
Egan Malcolm Alexander
Opponent
Komenda Antonín
Field of study
Umělá inteligenceStudy program
Otevřená informatikaInstitutions assigning rank
katedra počítačůRights
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://www.cvut.cz/sites/default/files/content/d1dc93cd-5894-4521-b799-c7e715d3c59e/cs/20160901-metodicky-pokyn-c-12009-o-dodrzovani-etickych-principu-pri-priprave-vysokoskolskych.pdfVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://www.cvut.cz/sites/default/files/content/d1dc93cd-5894-4521-b799-c7e715d3c59e/cs/20160901-metodicky-pokyn-c-12009-o-dodrzovani-etickych-principu-pri-priprave-vysokoskolskych.pdf
Metadata
Show full item recordAbstract
V průběhu posledních pěti let začali poskytovatelé přepravy na objednávku využívat nové přístupy, vycházející z pokročilých technik umělé inteligence.
Jednou z takových firem je Uber, která zavedla místo klasického fixního nastavení v oblasti taxi služeb dynamické, tržně orientované nastavení ceny.
To znamená, že cena přepravy se dynamicky přizpůsobuje poptávce zákazníka. Tento dynamický přístup
zavádí nový parametr, který je - na rozdíl od klasického systému - nutno
zohlednit, t.j. sumu, kterou je zákazník ochoten zaplatit.
Dosud byly navrženy různé metody na optimalizaci přepravy na objednávku, všechny jsou však zaměřeny hlavně na tradičně orientované systémy.
Jednou z optimalizačních metod je směrovací systém, který doporučí přepravci
lokalitu, kde nepravděpodobněji získá nového zákazníka.
Výsledkem této práce jsou dva nové, snadno implementovatelné směrovací
systémy, určené pro tržně orientované přepravy na objednávku. Tyto
systémy využívají matematický model popisující reálný přepravní systém,
který je následně využit ve směrovacím algoritmu, a tento je pak
implementovaný do online simulace. Následně jsou oba tyto směrovací
systémy podrobeny experimentu, kde se testuje jejich chování. Každý z
těchto dvou systémů má svoje výhody, které se liší v závislosti na počtu
operujících vozidel a poptávce zákazníků.
Přínosem práce je poskytnutí přehledu, který ze systémů je vhodnější v
závislosti na konkrétní situaci. Over the last five years, on-demand transport services have begun adopting new approaches,
which exploit advanced techniques from artificial intelligence. Most notably Uber have begun
to adopt market-based approaches instead of using fixed-pricing. The key feature is that
prices are adjusted dynamically with respect to the demand of customers. This means
that how much the passengers are prepared to pay matters, in addition to other system
parameters also present in traditional on-demand transport systems. Various methods have
been proposed to optimize on-demand transport systems, however these are designed for
traditional systems, which do not use a market-based approach. One of these methods is a
recommendation system to route each taxi to their next location, where they are most likely
to obtain a new customer.
In this thesis new, easy to implement, recommendation systems are proposed for marketbased
on-demand transport systems. The proposed recommendation systems are designed
using mathematical models of the system, which leads to novel driver routing algorithms
and implementations used for on-line simulation. Moreover these recommendation systems
are also evaluated in a realistic system based in the city of the Hague.
Both recommendation systems have different strengths, depending on the size of the
operating taxi fleet and the passenger demand. This work provides insights into the right
recommendation system that should be used in each scenario.
Collections
- Diplomové práce - 13136 [892]