没有合适的资源?快使用搜索试试~ 我知道了~
uber与lyft共享出行科研前沿 2018.10.30 方建勇1
需积分: 0 0 下载量 176 浏览量
2022-08-04
00:00:14
上传
评论
收藏 360KB PDF 举报
温馨提示
试读
28页
uber与lyft共享出行科研前沿 2018.10.30 方建勇1
资源详情
资源评论
资源推荐
uber
与
lyft
共享出科研前沿
2018.10.30
建勇
1
,之内,乎所有型汽公司,以及优步等队运营商都宣
布计划将动驾驶汽投使。与此同时,除提供减少碳迹的
好处之外,电动汽正迅速成为具有成本效益的下代技术。集中管
的驾驶辆队以及电动辆的运特性相结合,正在创造
种变性的新技术,可以在服务平下显着节省成本。这个问题涉
及将分配给汽的调度问题,决定队规模的计划问题,以及决
定每次旅的价格的激增定价问题。在这项作中,我们建议使近
似动态规划来制定质的运营调度策,以确定哪辆(给定电池
平)最适合特定程(考虑其度和的地),何时应对辆进
充电,当它应该重新定位到提供密度旅的同区域时。然后,
我们使适应学习法来讨论浪涌定价,以确定每次旅的价格。
最后,我们讨论队规模问题,这取决于前两个问题。
2
,我们提出
Chorus
,个具有新颖架构的系统,于为统计
SQL
查
询提供差异隐私。我们的法的关键是在执之前将差异隐私机制嵌
查询中,以查询动对其输出强制实施差异隐私。
Chorus
与任
何持标准数学函数的
SQL
数据库兼容,需要户修改数据库或
查询,同时持许多差异隐私机制。据我们所知,现有系统没有提供
这些功能。我们使四种通差异隐私机制来演示我们的法。在同
类型的第次评估中,我们使
Chorus
来评估真实世界查询和数据
上的这四种机制。结果表明,我们的法持我们语库中
93.9
%的
统计查询,需任何修改即可与产
DBMS
集成,并可扩展到数亿
条记录。
Chorus
前正在
Uber
部署其内部分析任务。
Chorus
代表
公司
GDPR
合规作的重要组成部分,可以提供差异化 隐私和
访问控制实施。在此职位上,
Chorus
每天处超过
10,000
个查询。
3
,解城市规模的辆移动性和出模式对于解决从交通,污染到
公共安全等许多问题关重要。辆移动性的时空分析,可以提
出有希望的解决案,以共享移动性和众包来缓解这些主要挑战。
交通络(如
Uber
,
Lyft
)的兴起仅仅是共享移动性的开始。在本
中,我们解决旅表示和匹配的问题。特别是,我们从空间和时
间的度研究个真实的旅数据集(来德国科)。对于依赖
于时空现象的应,期望较轨迹。为此,我们提出种基于加权
何平均值(
WGM
)的新型组合时空相似性得分,并对其适性和
优势进实验。先,我们使得分来找到使谱聚类在空间和
/
或时间上可分离的旅群。然后将该分数于
Catch-a-Ride
(
CaR
)
和
CarPooling
(
CP
)场景的实时匹配。
CaR
和
CP
分别实现≈
40
%
和≈
25
%的驶距离减少,其代价是转移到下降位置(即驾驶员在接
送时平均驶距离
<700m
)
-off for CP
)。此外,在
CaR
情景中提供
与献中可指标的较。我们发现
WGM
的主要优点包括持时间
或空间组件的灵活性,以及 运时复杂性的线性。最后,我们制
定个最佳的由浮动汽共享案(如,安排动驾驶汽或
出租系统),导致时内汽平均服务≈
3.88
次。
4
,在基于流的编程中,数据源被抽象为可以通过回调函数操纵的值
流。基于流的编程受到欢迎,因为它为处交互式软件中的异步数据
源提供强富有表现的范。但是,级流抽象也可能使开发
员难以推断其程序中的控制和数据流关系。当异步基于流的代码与
线程受限的功能(如限制对单个线程的
UI
访问的
UI
框架)交互时,
这尤其具有影响,因为流构造的线程为通常是直观的并且没有
充分记录。在本中,我们提出种基于类型的法,可以静态地
证明基于流的软件中
UI
访问的线程安全性。我们的主要观点是,
流处框架的流畅
API
使得能够通过类型细化来跟踪线程,从可以
动推断运代码的线程
-
般来说是个难题。我们将该系统实
现为基于注释的
Java
类型检测程序,于基于流的
ReactiveX
框架
构建的
Android
程序,并通过注释和分析
8
个开源应程序来评估其
功效,我们发现
33
个安全的
UI
访问实,同时仅产注释负担每
186
个源代码个注释。我们还报告我们将类型检测应于
Uber Technologies Inc.
代码库中两个的应程序的经验,该应
程序前在每次代码改时运,并阻引潜在线程错误的改。
5
,本提出个通的分析框架来模拟提供到服务的运输系
统。该模型包括共享出租和需求响应运输(
DRT
)作为特殊情况。
在后种情况下,我们既包括辅助乘客服务,如拨号乘坐(
DAR
),
也包括前由
Lyft
和
Uber
等众包出租公司使的共乘(共享出租
)形式。该框架产些乐观的结果,因为除其他外,它是确定
性的,并跟踪跨太空的辆。然,由于其简单性,该框架产
许多感兴趣的情况的近似闭合形式公式。
6
,近来,城市环境中的强导航已经获得相当的学术和商业
益。这主要是由于歌和优步等型商业组织进主导航市场。
多数研究都避开基于全球导航卫星系统(
GNSS
)的导航。对
GNSS
数据的厌恶是由于城市环境中数据的性质下降(如,多径,
卫星可性差)。城市环境中
GNSS
数据的退化使得传统(
GNSS
)定
位法(如,扩展卡尔曼滤波,粒滤波)表现佳。然,
主要应于基于同时定位和映射(
SLAM
)的机应的基于鲁棒
图论的传感融合法的最新进展也可以应于
GNSS
数据处。
本将种称为因图的法,结合种稳健的优化技术来评估
它们对强的
GNSS
数据处的适性。这项研究的标是双重的。
先,对于
GNSS
应,我们将在图论论估计框架内通过实验评估
鲁棒优化技术的有效性。其次,通过发布于本研究的软件和数据集,
我们将为佐治亚学院平滑和映射(
GTSAM
)库引个新的开
源前端,以整合
GNSS
伪距观测。
7
,的命很重要。允许在我们的道上驶的动驾驶辆的决
定常重要。这直是政策制定者,技术专家和公共安全机构之间争
论的热话题。最近优步公司(
Uber Inc.
)的驾撞导致死
亡,这加剧动驾驶汽技术尚未准备好在公共道上部署的论点。
在这项作中,我们分析优步祸并揭示个问题:“
Uber
祸是
否可以避免?”。我们将最先进的计算机视觉模型应于这种度实
的场景。般地,我们的实验结果是对各种图像增强和物体识别
技术的评估,以使优步碰撞作为案研究在低照明条件下实现
安全。
8
,我们提出种模型,于优化从配送中到最终接收者的
n
个
包裹的最后英交付,使结合使乘坐共享平台(如
Uber
或
Lyft
)和传统内部货交付的策系统。主要标是计算为
n
个包中
的每个包提供给私驱动程序的最佳奖励,使得递送所有包的总预期
成本最化。我们的技术法基于离散顺序包装问题的制定,其中在
区间
[0
,
T]
期间随机时间从仓库中取捆包。我们的论结果包括精
确和渐近(如
n
→∞)表达式,于预期数的包将被时间
T
取,
并且与经典的
Renyi
的停
/
打包问题密切相关。
9
,各种汽和移动公司,如福特,优步和
Waymo
,前正在公共
道上测试他们的预制动驾驶辆(
AV
)队。然,由于安全
关键案的罕性以及实际上限数的可能交通场景,这些道测
试作被认为是乏味,昂贵且具有险的。在本研究中,我们提出加
剩余27页未读,继续阅读
WaiyuetFung
- 粉丝: 63
- 资源: 316
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0