Benutzer: Gast  Login
Mehr Felder
Einfache Suche
Originaltitel:
Optimization of Autonomous Mobility on Demand Services based on Spatio-Temporal Relations
Übersetzter Titel:
Optimierung von autonomen Mobility-on-Demand-Services basierend räumlich-zeitlichen Beziehungen
Autor:
Syed, Arslan Ali
Jahr:
2024
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Engineering and Design
Institution:
Lehrstuhl für Verkehrstechnik (Prof. Bogenberger)
Betreuer:
Bogenberger, Klaus (Prof. Dr.)
Gutachter:
Bogenberger, Klaus (Prof. Dr.); Ott, Jörg (Prof. Dr.)
Sprache:
en
Fachgebiet:
VER Technik der Verkehrsmittel
Stichworte:
Mobility-on-Demand, Ride Hailing, Kernel Density Estimation (KDE), Autonomous Mobility-on-Demand, Repositioning, Dynamic VRP
Übersetzte Stichworte:
Mobility-on-Demand, Ride Hailing, Kerndichteschätzung, Autonomous Mobility-on-Demand, Repositioning, Dynamic VRP
TU-Systematik:
BAU 850; BAU 875
Kurzfassung:
This thesis optimizes the operation of Autonomous Mobility-on-Demand (AMoD) Services using novel spatiotemporal relations inspired by Kernel Density Estimation (KDE). The KDE is first modified to represent the AMOD service quality as heat maps. Later, it is used in novel repositioning and proactive vehicle assignment methods. The methods are tested in an agent-based simulation called FleetPy using open-source New York Taxi data, which shows a significant improvement in AMoD performance.
Übersetzte Kurzfassung:
Diese Arbeit optimiert den Betrieb von Autonomous Mobility-on-Demand (AMoD) Services unter Verwendung neuartiger räumlich-zeitlicher Beziehungen, inspiriert von der Kerndichteschätzung (KDS). Die KDS wird zunächst modifiziert, um die AMOD-Servicequalität in Form von Heatmaps darzustellen. Später wird sie in neuartigen Repositionierungs- und proaktiven Fahrzeugzuweisungsmethoden verwendet. Die Methoden werden in einer agentenbasierten Simulation namens „FleetPy“ unter Verwendung von New Yorker Op...     »
WWW:
https://mediatum.ub.tum.de/?id=1714855
Eingereicht am:
09.08.2023
Mündliche Prüfung:
20.02.2024
Dateigröße:
45885059 bytes
Seiten:
218
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20240220-1714855-1-2
Letzte Änderung:
07.03.2024
 BibTeX