机构名称：
¥ 1.0
摘要 - 自动共享系统（BSS）代表了一种可持续有效的城市运输解决方案。BSS的一个主要挑战是重新定位自行车，以避免用户遇到空或完整的自行车储物柜时短缺。现有算法在很大程度上依赖于精确的需求预测，并且倾向于忽略与重新分配相关的大量运营成本。本文介绍了一种新颖的成本感知自适应自行车重新定位剂（CABRA），该剂利用了基于码头的BSS中先进的深层强化学习技术。通过对需求模式进行了要求，Cabra学习了旨在降低短缺和提高卡车路线计划效率的自适应重新定位策略，从而大大降低了运营成本。我们利用都柏林，伦敦，巴黎和纽约的现实数据进行了对CABRA的广泛实验评估。报告的结果表明，Cabra达到了运营效率，其表现优于或匹配非常具有挑战性的基准，从而获得了大幅降低的成本。在由1765个对接站组成的最大城市的表现强调了拟议解决方案的效率和可扩展性，即使在拥有大量对接站的BSS上也是如此。
使用深度强化学习
主要关键词
相关文件推荐
