[論文レビュー] CrowdExpress: A Probabilistic Framework for On-Time Crowdsourced Package Deliveries

Chao Chen, Sen Yang+4 more|arXiv (Cornell University)|Sep 8, 2018

Transportation and Mobility Innovations参考文献 49被引用数 3

ひとこと要約

CrowdExpressは、過去のタクシーGPSトレースを活用して交通ネットワークを構築し、オンラインで適応するスケジューリングアルゴリズムを用いて、到着確率が最も高いルートを特定することで、タイムリーでコスト効率の良い配達を実現する確率的フレームワークを提案する。ニューヨーク市のタクシーデータを用いた評価では、平均25ms未塔の計算時間で94％を超えるタイムリー配達成功率を達成した。

ABSTRACT

Speed and cost of logistics are two major concerns to on-line shoppers, but they generally conflict with each other in nature. To alleviate the contradiction, we propose to exploit existing taxis that are transporting passengers on the street to relay packages collaboratively, which can simultaneously lower the cost and accelerate the speed. Specifically, we propose a probabilistic framework containing two phases called CrowdExpress for the on-time package express deliveries. In the first phase, we mine the historical taxi GPS trajectory data offline to build the package transport network. In the second phase, we develop an online adaptive taxi scheduling algorithm to find the path with the maximum arriving-on-time probability "on-the-fly" upon real- time requests, and direct the package routing accordingly. Finally, we evaluate the system using the real-world taxi data generated by over 19,000 taxis in a month in the city of New York, US. Results show that around 9,500 packages can be delivered successfully on time per day with the success rate over 94%, moreover, the average computation time is within 25 milliseconds.

研究の動機と目的

• 物流におけるコストとスピードの両立を図るため、既存のタクシー乗客の流れを活用して配達を実現すること。
• 乗客のサービス品質を損なわず、協働的なタクシー中継を用いてタイムリーな配達を実現すること。
• 確率的到着確率推定に基づき、動的かつリアルタイムにパッケージルーティングをスケジューリングするスケーラブルでリアルタイムなシステムの開発。
• トレースデータマイニングと適応的ルート計画を用いて、乗客およびパッケージ需要のパターンにおける不確実性を克服すること。

提案手法

• オフライン段階：過去のタクシーGPSトレースをマイニングして、地点間の潜在的中継ルートをモデル化する確率的パッケージ輸送ネットワークを構築する。
• オンライン段階：各パッケージリクエストに対して、タイムリー到着確率が最大となるルートを計算する適応的タクシースケジューリングアルゴリズムを採用する。
• 動的乗客需要および交通状況を考慮し、各候補ルートの到着がタイムリーである確率を推定する確率的モデルを用いる。
• リアルタイムでのタクシーの空き状況および乗客ルーティングデータを統合し、指定された中継ステーションを通じてパッケージのルーティング意思決定を支援する。
• 構築された輸送ネットワーク上で動的計画法またはグラフ探索技術を適用して、最適な中継シーケンスを特定する。
• タクシーのトレースの空間的・時間的クラスタリングを活用して、高確率の中継ポイントを同定し、ルーティング効率を向上させる。

実験結果

リサーチクエスチョン

• RQ1 既存の乗車中のタクシーを、追加コストや作業を最小限に抑えつつ、タイムリーなパッケージ配達に効果的に活用できるか？
• RQ2 リアルタイムでの乗客およびパッケージ需要の不確実性をどのようにモデル化すれば、信頼性の高いタイムリー配達予測が可能になるか？
• RQ3 動的で共有型モビリティ環境において、タイムリー配達確率を最大化する最適なルート計画戦略は何か？
• RQ4 実世界の条件下において、システムのタイムリー配達率と計算効率はどの程度の水準にあるか？

主な発見

• 本システムは、実世界のニューヨーク市のタクシーデータを用いて、1日あたり約9,500件のパッケージを配達し、タイムリー配達成功率が94％を超えることを確認した。
• ルート計画の平均計算時間は25ミリ秒未塔であり、リアルタイムでの展開に適した高い効率性を示した。
• 比較評価を通じて、ベースラインアルゴリズムに比べて本フレームワークが著しく優れたタイムリー配達パフォーマンスを発揮することが実証された。
• タクシーのトレースの確率的モデリングにより、需要の不確実性が高まっても、正確な配達確率推定が可能となった。
• 過去データからの輸送ネットワークのオフライン構築により、オンラインルーティング意思決定に活用可能なスケーラブルで再利用可能なインfraが実現された。
• 1台のタクシーでの1回の移動に限界がある問題を克服するため、複数のタクシーを介したマルチホップ中継を可能にしたことで、長距離パッケージ配達が効果的に実現された。