SOUP：时空需求预测与竞争性供给
数据库
2021-01-19 v2 信号处理
摘要
我们考虑如下场景：一组不断演化的运输请求，要求在某截止时间前从起点到达终点，以及一组可服务这些请求的智能体。在此场景中，指派机构将智能体分配给请求，以使智能体的平均空闲时间最小化。一个例子是将出租车（智能体）调度以满足到来的出行请求，同时确保出租车尽可能少地空驶。本文研究时空需求预测与竞争性供给（SOUP）问题。我们分两步解决该问题。首先，我们构建提供请求时空预测的细粒度模型。具体地，我们提出时空图卷积序列学习（ST-GCSL）算法，预测跨地点与时间片的服务请求。其次，我们提供将智能体路由至请求起点同时避免智能体间竞争的方法。特别地，我们开发了考虑时空预测与供需状态的需求感知路由规划（DROP）算法。我们报告了使用真实与合成数据的大量实验，这些实验揭示了解决方案的性能，并表明其能够超越最先进的方案。
引用
@article{arxiv.2009.12157,
title = {SOUP: Spatial-Temporal Demand Forecasting and Competitive Supply},
author = {Bolong Zheng and Qi Hu and Lingfeng Ming and Jilin Hu and Lu Chen and Kai Zheng and Christian S. Jensen},
journal= {arXiv preprint arXiv:2009.12157},
year = {2021}
}