-
题名基于深度强化学习的网约车动态路径规划
被引量：9
- 1
-
-
作者
郑渤龙
明岭峰
胡琦
方一向
郑凯
李国徽
-
机构
华中科技大学计算机科学与技术学院
香港中文大学(深圳)数据科学学院
电子科技大学计算机科学与工程学院
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2022年第2期329-341,共13页
-
基金
国家自然科学基金项目(61902134,62011530437)
湖北省自然科学基金项目(2020CFB871)
中央高校基本科研业务费专项资金(2019kfyXKJC021,2019kfyXJJS091)。
-
文摘
随着移动互联网的快速发展,许多利用手机App打车的网约车平台也应运而生.这些网约车平台大大减少了网约车的空驶时间和乘客等待时间,从而提高了交通效率.作为平台核心模块,网约车路径规划问题致力于调度空闲的网约车以服务潜在的乘客,从而提升平台的运营效率,近年来受到广泛关注.现有研究主要采用基于值函数的深度强化学习算法(如deep Q-network,DQN)来解决这一问题.然而,由于基于值函数的方法存在局限,无法应用到高维和连续的动作空间.提出了一种具有动作采样策略的执行者-评论者(actor-critic with action sampling policy,AS-AC)算法来学习最优的空驶网约车调度策略,该方法能够感知路网中的供需分布,并根据供需不匹配度来确定最终的调度位置.在纽约市和海口市的网约车订单数据集上的实验表明,该算法取得了比对比算法更低的请求拒绝率.
-
关键词
移动信息处理系统
时空数据挖掘
深度强化学习
网约车路径规划
车队调度
-
Keywords
mobile information processing systems
spatial-temporal data mining
deep reinforcement learning
ride-hailing route planning
fleet management
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-
