Deep reinforcement learning may be used for vehicle (150) repositioning on mobility-on-demand platforms. Information may be obtained. The information may include a current location of a vehicle (150) on a ride-sharing platform. A set of paths originated from the current location of the vehicle (150) may be obtained. Each of the set of paths may have a length less than a preset maximum path length. A set of expected cumulative rewards along the set of paths may be obtained based on a trained deep value-network. A best path from the set of paths may be selected based on a heuristic tree search of the set of expected cumulative rewards. A next step along the best path may be recommended as a reposition action for the vehicle (150).
Un apprentissage de renforcement profond peut être utilisé pour un repositionnement de véhicule (150) sur des plateformes de mobilité sur demande. Des informations peuvent être obtenues. Les informations peuvent inclure un emplacement actuel d'un véhicule (150) sur une plateforme de partage de course. Un ensemble de trajets partant de l'emplacement actuel du véhicule (150) peut être obtenu. Chacun des trajets de l'ensemble de trajets peut présenter une longueur inférieure à une longueur de trajet maximale prédéfinie. Un ensemble de récompenses cumulées attendues le long de l'ensemble de trajets peut être obtenu sur la base d'un réseau de valeurs soumis à un entraînement profond. Un meilleur trajet à partir de l'ensemble de trajets peut être sélectionné sur la base d'une recherche par arbre heuristique de l'ensemble de récompenses cumulées attendues. Une étape suivante le long du meilleur trajet peut être recommandée en tant qu'action de repositionnement pour le véhicule (150).
VEHICLE REPOSITIONING ON MOBILITY-ON-DEMAND PLATFORMS
REPOSITIONNEMENT DE VÉHICULE SUR DES PLATEFORMES DE MOBILITÉ SUR DEMANDE
2022-01-13
Patent
Electronic Resource
English
Springer Verlag | 2024
|i-Rebalance: Personalized Vehicle Repositioning for Supply Demand Balance
ArXiv | 2024
|