利用强化学习最小化出租车空闲时间
物理与社会
2019-10-29 v1
摘要
出租车有相当多的时间处于空闲状态以寻找乘客。空驶出租车为最小化其空闲时间所应遵循的路线难以计算；它们依赖于诸如乘客需求、交通状况和出租车间竞争等复杂因素。在此我们探讨强化学习（RL）是否可用于此目的。利用真实世界数据刻画乘客需求，我们表明 RL 出租车确实在许多环境中学会了如何减少其空闲时间。特别地，在常规出租车群体中运行的单辆 RL 出租车学会以显著优势超越其竞争对手。
引用
@article{arxiv.1910.11918,
title = {Using reinforcement learning to minimize taxi idle times},
author = {Kevin O'Keeffe and Sam Anklesaria and Paolo Santo and Carlo Ratti},
journal= {arXiv preprint arXiv:1910.11918},
year = {2019}
}