Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Proposal and Implementation of a New Matching M...

Koki Kazaore
February 26, 2025

Proposal and Implementation of a New Matching Model for CtoC Bike Share Service

FY2024 4th KP Presentation Materials

Koki Kazaore

February 26, 2025
Tweet

More Decks by Koki Kazaore

Other Decks in Research

Transcript

  1. 4 【研究目的】 個人間(CtoC)ドックレスシェアサイクルシステムの実現 • 自転車を調達する必要がない • 未使用自転車の有効活用 • ポート設置数の偏りに依存しない •

    乗り捨て可能な範囲の拡大 特徴 ※ドックレス:自転車を駐輪・固定するための特定のドックが不要。 研究対象 研究対象 既存事業
  2. 10 【モデル評価方法】モデル入力データ データの概要 • 提供元:タクシー・リムジン委員会(TLC) • 2023年1月1日の24時間のNYCのイエロータクシー利用履歴 • 合計約7.7万のリクエスト数 データ選定理由

    サービス利用者がX地点からY地点へ移動する際の自由度の面で 親和性が高いため。 ニューヨーク市のタクシーデータを利用し、 構築した自転車割り当てモデルを検証する。
  3. 11 - ある1分間にストックされたリク エスト位置と自転車の分布を プロット。 - 制約条件の 1つである ユーザーから半径 250mの

    自転車を対象とする。 - 最適化処理に必要なユーザー の進行方向と自転車オーナー までの位置関係を取得する。 - 2台の自転車の割り当てが 成功する。 【バッチ最適化割り当てモデルの場合のシミュレーション例】 ユーザーリクエスト 自転車駐輪位置
  4. 12 - ある1分間にストックされたリク エスト位置と自転車の分布を プロット。 - 制約条件の 1つである ユーザーから半径 250mの

    自転車を対象とする。 - 最適化処理に必要なユーザー の進行方向と自転車オーナー までの位置関係を取得する。 - 2台の自転車の割り当てが 成功する。 【バッチ最適化割り当てモデルの場合のシミュレーション例】 ユーザーリクエスト 自転車駐輪位置
  5. 13 - ある1分間にストックされたリク エスト位置と自転車の分布を プロット。 - 制約条件の 1つである ユーザーから半径 250mの

    自転車を対象とする。 - 最適化処理に必要なユーザー の進行方向と自転車オーナー までの位置関係を取得する。 - 2台の自転車の割り当てが 成功する。 【バッチ最適化割り当てモデルの場合のシミュレーション例】 ユーザーリクエスト 自転車駐輪位置 自転車所有者 ユーザーの目的方向 自転車と所有者の位置関係
  6. 14 - ある1分間にストックされたリク エスト位置と自転車の分布を プロット。 - 制約条件の 1つである ユーザーから半径 250mの

    自転車を対象とする。 - 最適化処理に必要なユーザー の進行方向と自転車オーナー までの位置関係を取得する。 - 2台の自転車の割り当てが 成功する。 【バッチ最適化割り当てモデルの場合のシミュレーション例】 ※自転車とユーザーの色は割り当て成功後のペアに対応している 同様の処理を24時間分繰り返し行う。 ユーザーリクエスト 自転車駐輪位置 自転車所有者 ユーザーの目的方向 自転車と所有者の位置関係
  7. 18 【考察】 • 24時間継続して割り当て処理を試行した場合 , 提案したモデルの再配置コストの推移が有意. • 対象となる自転車のスケールや時間帯に応じて適切なモデルが変化する ◦ 小規模の場合,

    割り当て処理開始後8時間程度までは, リクエストを1分間ストックするかどうかに影響は見られない. ◦ 大規模であるほど, バッチ最適化モデルがより再配置コストを抑えられる ことが期待される。 ◦ 長時間運用することになる場合はリクエストをストックするバッチ最適化 割り当てモデルが適しているが, 短時間の運用である場合は逐次最適化 割り当てモデルが適している傾向にあると考えられる. ▪ ストックする時間幅に関しては , 1分以上大きくしても , 再配置コス トに大きな改善は見られないことが示唆される . • 自転車よりも移動距離が大きくなるタクシーデータを利用したため , 実際の自転車利用の場合はもう少し再配置コストは小さくなることが考えら れる.
  8. 20

  9. 23 実際に収束した再配置コストを確認 1. バッチ最適化割り当てモデル a. 約0.63くらいに収束 b. 前述した手順で度をメートルに変換 c. 結果は約54200mであった

    2. 最近傍割り当てモデル a. バッチ最適化の約2倍の再配置コスト b. 実態は100km以上と推測 再配置コストの実態調査②
  10. 28 - ランダムに 10個の自転車を配 置する。 - シェアサイクルのユーザーが ★にいるとする。 - ユーザーは

    →の方向を目的 地として自転車を利用した い。 - 直感的にはユーザーは 〇の どちらかを利用したい。 - これらが乗り捨てされた自転車 だった場合は? 課題の整理
  11. 32 - 自転車(乗り捨て含む )とユー ザーの方向をプロット。 - それぞれの自転車の所有者 の位置を考慮。 - それぞれの自転車の所有者

    までの位置関係をベクトルで 表現。 - 「乗り捨て可能なシステム」を 実現するにあたっては、直感 的に〇をユーザーに割り当て ることが最適。 課題の整理