Space-Time Demand Adaptive Taxi Routing

摘要

V průběhu posledních pěti let začali poskytovatelé přepravy na objednávku využívat nové přístupy, vycházející z pokročilých technik umělé inteligence.Jednou z takových firem je Uber, která zavedla místo klasického fixního nastavení v oblasti taxi služeb dynamické, tržně orientované nastavení ceny.To znamená, že cena přepravy se dynamicky přizpůsobuje poptávce zákazníka. Tento dynamický přístup zavádí nový parametr, který je - na rozdíl od klasického systému - nutno zohlednit, t.j. sumu, kterou je zákazník ochoten zaplatit.Dosud byly navrženy různé metody na optimalizaci přepravy na objednávku, všechny jsou však zaměřeny hlavně na tradičně orientované systémy.Jednou z optimalizačních metod je směrovací systém, který doporučí přepravci lokalitu, kde nepravděpodobněji získá nového zákazníka.Výsledkem této práce jsou dva nové, snadno implementovatelné směrovací systémy, určené pro tržně orientované přepravy na objednávku. Tyto systémy využívají matematický model popisující reálný přepravní systém, který je následně využit ve směrovacím algoritmu, a tento je pak implementovaný do online simulace. Následně jsou oba tyto směrovací systémy podrobeny experimentu, kde se testuje jejich chování. Každý z těchto dvou systémů má svoje výhody, které se liší v závislosti na počtu operujících vozidel a poptávce zákazníků.Přínosem práce je poskytnutí přehledu, který ze systémů je vhodnější v závislosti na konkrétní situaci.