دانلود مقاله انگلیسی رایگان:همجوشی ویژگی مکانی و زمانی برای توصیه مسیر پویا تاکسی از طریق یادگیری تقویتی عمیق - 2020
بلافاصله پس از پرداخت دانلود کنید
دانلود مقاله انگلیسی یادگیری تقویتی رایگان
  • Spatio-temporal feature fusion for dynamic taxi route recommendation via deep reinforcement learning Spatio-temporal feature fusion for dynamic taxi route recommendation via deep reinforcement learning
    Spatio-temporal feature fusion for dynamic taxi route recommendation via deep reinforcement learning

    سال انتشار:

    2020


    عنوان انگلیسی مقاله:

    Spatio-temporal feature fusion for dynamic taxi route recommendation via deep reinforcement learning


    ترجمه فارسی عنوان مقاله:

    همجوشی ویژگی مکانی و زمانی برای توصیه مسیر پویا تاکسی از طریق یادگیری تقویتی عمیق


    منبع:

    Sciencedirect - Elsevier - Knowledge-Based Systems, 205 (2020) 106302. doi:10.1016/j.knosys.2020.106302


    نویسنده:

    Shenggong Ji a, Zhaoyuan Wanga, Tianrui Li a,b,∗, Yu Zheng a,c,


    چکیده انگلیسی:

    Dynamic taxi route recommendation aims at recommending cruising routes to vacant taxis such that they can quickly find and pick up new passengers. Given citizens’ giant but unbalancing riding demand and the very limited taxis in a city, dynamic taxi route recommendation is essential for its ability to alleviate the waiting time of passengers and increase the earning of taxi drivers. Thus, in this paper we study the dynamic taxi route recommendation problem as a sequential decision-making problem and we design an effective two-step method to tackle it. First, we propose to consider and extract multiple real-time spatio-temporal features, which are related with the easiness degree of vacant taxis picking up new passengers. Second, we design an adaptive deep reinforcement learning method, which learns a carefully designed deep policy network to better fuse the extracted spatio-temporal features such that effective route recommendation can be done. Extensive experiments using real-world data from San Francisco and New York are conducted. Comparing with the state-of-the-arts, our method can increase at least 15.8% of average earning for taxi drivers and reduce at least 29.6% of average waiting time for passengers.
    Keywords: Spatio-temporal feature fusion | Sequential decision making | Taxi route recommendation | Deep reinforcement learning | Transportation


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 12
    حجم فایل: 1343 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi