Resumen

Los sistemas de coche compartido han desempeñado un papel importante como modo de transporte alternativo para evitar la congestión del tráfico y la contaminación debida al rápido crecimiento del uso del coche privado. En este artículo proponemos un novedoso sistema de reubicación de vehículos con una importante mejora en tres aspectos: (i) preprocesamiento de datos, (ii) previsión de la demanda y (iii) optimización de la reubicación. El preprocesamiento de datos se presenta con el fin de eliminar automáticamente las demandas falsas causadas por fallos de búsqueda y errores de aplicación. A continuación, se pronostica la demanda real utilizando un enfoque de aprendizaje profundo, Bidirectional Gated Recurrent Unit. Por último, se despliega el algoritmo Minimum Cost Maximum Flow para maximizar las demandas pronosticadas, al tiempo que se minimiza la cantidad de reubicaciones. Además, el sistema se despliega en el caso de uso real, titulado "CU Toyota Ha:mo", que es un sistema de coche compartido en la Universidad de Chulalongkorn. Se basa en una aplicación web junto con una notificación basada en reglas a través de Line. El experimento se llevó a cabo basándose en los datos reales de uso del vehículo en 2019. Al comparar en un entorno real en noviembre de 2019, los resultados muestran que nuestro modelo supera incluso la reubicación manual por parte de personal experimentado. Logró una reducción de pérdida de oportunidad del 3% y un 3% menos de viajes de reubicación, reduciendo el esfuerzo humano en 17 horas-hombre/semana.

• Materias:Infraestructura de transportes Ingeniería del transporte Accidentes de transito Seguridad del transporte Planificación de ruta
• Subjects:Transport infrastructure Transport engineering Traffic accidents Transport safety Path planning
• Palabras claves:sistema, preprocesamiento de datos, algoritmo de flujo máximo de coste mínimo, novedoso sistema de reubicación de vehículos, datos reales de uso de vehículos, cu toyota ha, modo de transporte alternativo, enfoque de aprendizaje profundo, menos viajes de reubicación, reducción de pérdida de oportunidad.
• Keywords:system, data preprocessing, minimum cost maximum flow algorithm, novel vehicle relocation system, real vehicle usage data, cu toyota ha, alternative transport mode, deep learning approach, less relocation trips, opportunity loss reduction