NCG-TSM: A Noncooperative Game for the Taxi Sharing Model in Urban Road Networks
Notice bibliographique
Résumé
Taxi sharing is a promising method to save resource consumption and alleviate traffic congestion while satisfying people’s commuting needs. Existing research methods include taxi dispatching methods based on intelligent algorithms, single vehicle route recommendation algorithms, and route recommendation algorithms based on vehicle traffic history. However, these studies either focus on how to efficiently dispatch satisfactory vehicles for passengers, ignoring the effect of efficient routes on vehicle travel efficiency, or let vehicles follow the shortest detour distance recommended by the system, ignoring the traffic congestion caused by the influx of vehicles into the same road. To address the abovementioned problems, a noncooperative game for a taxi sharing model (NCG-TSM) in urban road networks is proposed in this paper combined with the traffic conditions of the optional routes, and a distribution estimation algorithm for the shared taxi game is designed to make multivehicle route selections reach Nash equilibrium. The effectiveness of NCG-TSM is verified through simulation experiments. When the number of vehicles reaches the congestion capacity of the road segment, compared to the three common frameworks, the travel time cost and fuel consumption cost can be reduced by 5.8% to 9.1% and 3.5% to 8.9%, respectively. Besides, the occupancy rate has been improved, especially compared to the BMP framework, by 5.5% to 40%.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».