本文提出Route Recommendation新问题，不同于Route Planning和Taxi assignment。研究发现，构建前向网络并利用动态规划寻找权值最大路径能有效提高匹配乘客的概率。实验表明，约50%的轨迹仅包含前向边，且适当绕行（0.5km内）可覆盖85%的实际轨迹，验证了策略的有效性和实用性。
2019WWW–Beyond Shortest Paths: Route Recommendations for Ride-sharing
这篇文章的主要思想就是先将网络塑造为一个前向（forward）网络，然后在这个网络上通过动态规划寻找到一条最佳路径（即节点权值（节点权值表示将会接到非冲突用户的可能性）最大的路径）
贡献
- 提出了一个新问题：Route Recommendation，区别于Route Planning 和 Taxi assignment。考虑到所有出租车和乘车订单的现状，出租车分配问题着眼于将每个乘车订单映射到一辆出租车上，以使特定的目标函数最大化。该目标函数可以是最大化利润、最小化迂回等。路线规划问题确定最大化目标函数的客户接送的顺序。在这两方面的工作中，都假设的士在两个连续上落客点之间的最短路径上行驶。此外，没有预测因素：所有的计算本质上都是确定性的，并且仅基于已知的乘车顺序和出租车位置。Route Recommendation 本质上就是能否预测一条稍长一点的路径，从而显著提高找到兼容客户的机会？即绕一定距离的远路，以提高获得更多兼容客户的可能性。
- 提出了前向网络这个概念，并在这上面做了实际路径在前向网络的覆盖百分比等实验。动态规划等寻路方法都不新，不再赘述。
细节
-
前向（forward)网络
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
