Predictive behavioral models for taxi dispatch optimization

Autor: Otsuka, Breno José Bueno
Přispěvatelé: Vivaldini, Kelen Cristiane Teixeira
Jazyk: portugalština
Rok vydání: 2019
Předmět:
Zdroj: Repositório Institucional da UFSCAR
Universidade Federal de São Carlos (UFSCAR)
instacron:UFSCAR
Popis: Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) The popularization of smartphones has given rise to several online taxi-booking applications as a more efficient way to call for a taxi. These applications mediate communication between passengers and taxi drivers, reducing the waiting time of passengers and increasing the reliability of the service. This intermediation consists of the Taxi-Passenger Matching Problem, whose goal is to select the best taxi driver for each passenger, and to solve this problem a taxi dispatch method is used. In this context, the challenge arises to adapt this method to the interests and needs of users. Thus, in this work, a multi-passenger approach was proposed that used users' prediction of behavior with the goal of maximizing the rate of successful assignments. For this, two predictive models were trained using Supervised Machine Learning methods (Logistic Regression and Gradient Boosted Decision Trees), one to estimate the probability of a taxi driver accepting the offer of a request and another to estimate the probability of a request being answered by a taxi driver. In addition, two objective functions, one linear and one non-linear, were implemented to evaluate offer distributions. A heuristic was used for each of the functions, and for the linear it was guaranteed the optimal solution and for the non-linear one not. We also implemented two selection criteria, one based on cancellation of requests by passengers and another by waiting time of users. In numerical simulations with data from the capital of São Paulo made available by Easy Taxi, the proposed taxi dispatching method was tested. The results indicated that the predictive model of acceptance was superior to that of attendance with the objective function non-linear and inferior to linear, in addition it was verified that the selection criterion based on cancellation was slightly superior to the one based on waiting time. The best attendance rate was 74.76% with the predictive model of acceptance with the nonlinear function and the criterion of selection by cancellation. Finally, it was tested the repetition of requests not offered or not accepted, obtaining 76.59% of attendance. Com a popularização dos aparelhos smartphones, diversos aplicativos de chamada de táxi online surgiram como uma forma mais eficiente de requisitar um táxi. Estes aplicativos intermedeiam a comunicação entre os passageiros e os taxistas, reduzindo o tempo de espera dos passageiros e aumentando a confiabilidade do serviço. Esta intermediação consiste no Problema de Atribuição Táxi-Passageiro, cuja meta é selecionar o melhor taxista para cada passageiro, e para resolver este problema utiliza-se um método de despacho de táxis. Neste contexto, surge o desafio de adequar este método aos interesses e às necessidades dos usuários. Assim, neste trabalho, propôs-se uma abordagem para múltiplos passageiros utilizando a predição de comportamento dos usuários com a meta de maximizar a taxa de atribuições bem sucedidas. Para tanto, treinou-se dois modelos preditivos utilizando métodos de Aprendizagem de Máquina Supervisionada (Regressão Logística e Árvores de Decisão Impulsionadas por Gradiente), um para estimar a probabilidade de um taxista aceitar a oferta de uma requisição e outro para estimar a probabilidade de uma requisição ser atendida por um taxista. Além disso, implementou-se duas funções objetivos, uma linear e outra não-linear, para avaliar as distribuições de ofertas. Uma heurística foi utilizada para cada uma das funções, sendo que para a linear garantiu-se a solução ótima e para a não-linear não. Também implementou-se dois critérios de seleção, um baseado em cancelamento de requisições por passageiros e outro por tempo de espera dos usuários. Em simulações numéricas com dados da capital de São Paulo disponibilizados pela Easy Taxi, testou-se o método de despacho de táxis proposto. Os resultados indicaram que o modelo preditivo de aceite foi superior ao de atendimento com a função objetivo não-linear e inferior com a linear, além disso constatou-se que o critério de seleção baseado em cancelamento foi levemente superior ao baseado em tempo de espera. A melhor taxa de atendimento foi de 74,76% com o modelo preditivo de aceite com a função não-linear e o critério de seleção por cancelamento. Por fim, testou-se a repetição de requisições não ofertadas ou não aceitas, obtendo 76,59% de atendimento. CNPq: 131907/2017-4
Databáze: OpenAIRE
Externí odkaz: