Recomendados
Mais conteúdo relacionado
Semelhante a SIGSPATIAL2020 参加報告
Semelhante a SIGSPATIAL2020 参加報告 (20)
Mais de Fumihiko Takahashi
SIGSPATIAL2020 参加報告
- 1. 2020.12.10 齋藤 智輝 高橋 文彦 株式会社 Mobility Technologies SIG SPATIAL2020 参加レポート
- 2. ● 名前：高橋文彦 ● 略歴 ○ 2015年4月 ヤフー株式会社 入社 ○ 2018年8月 JapanTaxi株式会社 入社 ○ 2020年4月 株式会社MobilityTechnologies ● 領域 ○ データサイエンス、自然言語処理 ● 過去の主な仕事 ○ ECサイトの検索精度改善 ○ 形態素解析ツールの開発 ○ MLを使った お迎え時間予測のロジック、APIの開発 ○ SceneTextRecognitionの研究開発（画像処理） ○ マネージャー（10人程度組織） ○ 論文書いたり ● 趣味 ○ ボードゲーム、一蘭
- 3. 3 04 論文紹介 Part 2 by 高橋
- 4. 4 Grab-Posisi-L: A Labelled GPS Trajectory Dataset for Map Matching in Southeast Asia Links: • Paper • Movie Xiaocheng Huang et al. GrabTaxi Holdings, National University of Singapore
- 6. 6 ▪既存のデータセットの課題 ▪ 場所が限定的 ▪ 中国・アメリカが多い ▪ 街の一部のエリアのみを対象 ▪ 規模が小さい ▪ GPSのsampling rateが低い ▪ 付加情報(方向・GPS精度・速度など)がない Background
- 7. 7 ▪GPSデータ ▪ Grabのドライバー端末 ▪ シンガポール、ジャカルタ ▪ 2019年4月 ▪ GPS精度, 進行方向, 速度 ▪ mode: 車, バイク ▪ 地図はOSMを使用 ▪統計 ▪ 84,000 軌跡 ▪ 1,003,510 km ▪ 30,104 時間 Dataset
- 10. 10 ▪背景 ▪ GPSの点のマッチ先の道路候補を、半径d以内の道路と決めている ▪ 半径dが小さすぎる場合精度が低下、大きすぎる場合計算量が膨大になるトレードオフ ▪改善案 ▪ GPSの点ごとに、GPS精度（accuracy level）を使って半径dを動的に変更 ▪ 半径d = accuracy level * 2 Application – マップマッチのロジック改善
- 11. 11 Spatio-Temporal Hierarchical Adaptive Dispatching for Ridesharing Systems Links: • Paper • Movie Chang Liu et al. Shanghai Jiao Tong University, Didi Chuxing
- 14. 14 1.配車傾向ごとに空間をクラスタリング (Spatial Clustering) 2.クラスター毎に利益が最大化されるタイミングで配車 (Adaptive Interval) Hierarchical Adaptive Framework
- 15. 15 ▪配車傾向ごとに空間をクラスタリング ▪方法 1. 過去の相乗り配車履歴から共有配車グラフを作成 2. エッジの重みの分散が閾値以下になるように、クラスタ内の重みの合計を最大化する Framework - Spatial Clustering
- 16. 16 ▪利益が最大化されるタイミングで配車 ▪ ただし、将来の利益はわからない ▪アルゴリズム ▪ 1/e-ADI algorithm ▪ 秘書問題として解く ▪ 閾値時間までは配車せず、前回配車からこれまでで利 益が最大になったタイミングで配車 ▪ BI-ADI algorithm ▪ 将来の利益を過去の統計データを利用 ▪ 利益が最大になるタイミングで配車 Framework - Adaptive Interval
- 17. 17 Framework - Adaptive Interval - Algorithm
- 18. 18 ▪いずれの設定でも提案手法の方が利益が高い Results unit time intervalごとの利益 最大配車間隔ごとの利益
- 19. 19 Succinct Trit-array Trie for Scalable Trajectory Similarity Search Links: • Paper • Movie Shunsuke Kanda et al. RIKEN AIP, Kyoto University, Nagoya University
- 21. 21 Highly Efficient and Scalable Multi-hop Ride-sharing Links: • Paper • Movie Yixin Xu et al. The University of Melbourne