amodeus

amodeus.amodeus

Autonome Mobility-on-Demand-Simulationsbibliothek, Version 2.1.1

Administratoren

AMoDeus wird gemeinsam von den Admins Christian Fluri (ETH Zürich), Joel Gächter (ETH Zürich), Sebastian Hörl (IRT SystemX), Claudio Ruch, Jan Hakenberg, ChengQi Lu (TU Berlin) und Marc Albert (nuTonomy) gepflegt und weiterentwickelt. . Es gibt einen Slack-Kanal, in dem sich Stakeholder der Bibliothek treffen und austauschen können.

Bitte teilen Sie uns mit, ob Sie zum Code beitragen oder dem Slack-Kanal beitreten möchten!

Zweck

Bei diesem Repository handelt es sich um eine Bibliothek, die die Simulation autonomer Mobility-on-Demand-Systeme (AMoD) einschließlich ihrer Flottenmanagementalgorithmen in der Multiagenten-Transportsimulationsumgebung MATSim ermöglicht.

Probieren Sie es aus und orchestrieren Sie Ihre eigene Flotte von Amod-Taxis! Um zu beginnen, installieren Sie amod und führen Sie es aus. Hier ist eine Visualisierung.

Unsere Website ist amodeus.science.

Merkmale

Der Code verwaltet die Disposition autonomer Taxis in der MATSim-Umgebung. Es bietet standardmäßige autonome Mobility-on-Demand-Dispatching-Algorithmen und eine API zum Implementieren und Testen neuartiger Algorithmen.

Algorithmen zur Verteilung der verfügbaren Einheitenkapazität

• Adaptive Real-Time Rebalancing Policy von Robotic Load Balancing für Mobility-on-Demand-Systeme von Pavone, M., Smith, SL, Frazzoli, E. und Rus, D., 2012.
• Feedforward Fluidic Optimal Rebalancing Policy von Robotic Load Balancing für Mobility-on-Demand-Systeme von Pavone, M., Smith, SL, Frazzoli, E. und Rus, D., 2012.
• Global Bipartite Matching Policy von Ruch, Claudio, Sebastian Hörl und Emilio Frazzoli. „Amodeus, ein simulationsbasiertes Testfeld für autonome Mobility-on-Demand-Systeme.“ 2018 21. Internationale Konferenz über Intelligente Verkehrssysteme (ITSC). IEEE, 2018.
• SQM-Algorithmus aus Fundamental Performance Limits and Efficient Polices for Transportation-On-Demand Systems von M. Pavone, K. Treleaven, E. Frazzoli, 2010.
• Dispositionsheuristik zur Nachfrage-Angebot-Ausgleichung aus der groß angelegten mikroskopischen Simulation von Taxidiensten von Maciejewski, M. und Bischoff J., 2015.
• „Wer zuerst kommt, mahlt zuerst“-Strategie mit Netzneuausrichtung aus dem Betrieb einer gemeinsam genutzten autonomen Fahrzeugflotte für Austin, Texas, Markt von Fagnant, DJ, Kockelman, KM, und Bansal, P., 2015.
• Zeitvariable Feedforward-Rebalancing-Richtlinie von Spieser, Kevin, Samitha Samaranayake und Emilio Frazzoli. „Fahrzeugrouting für Shared-Mobility-Systeme mit zeitveränderlicher Nachfrage.“ American Control Conference (ACC), 2016. IEEE, 2016.
• +1-Methode aus „The +1 Method: Model-Free Adaptive Repositioning Policies for Robotic Multi-Agent Systems“ von Ruch, C., Gächter, J., Hakenberg, J. und Frazzoli, E., 2019.
• DFR-Algorithmus von Albert, M., Ruch, C. und Frazzoli, E. „Imbalance in Mobility-on-Demand Systems: A Stochastic Model and Distributed Control Approach.“ ACM Transactions on Spatial Algorithms and Systems (TSAS) – Sonderausgabe zu Urban Mobility: Algorithms and Systems, 2019.
• Kontrollpolitik, die keine explizite Kommunikation erfordert , und sensorbasierte Kontrollpolitik von Arsie, Alessandro, Ketan Savla und Emilio Frazzoli. „Effiziente Routing-Algorithmen für mehrere Fahrzeuge ohne explizite Kommunikation.“ IEEE-Transaktionen zur automatischen Steuerung, 2009.

Verfügbare Ride-Sharing-Dispatching-Algorithmen

• Nachfrage-Angebot-Balancing mit Beam Extension für Ride-Sharing. Heuristik für den Nachfrage-Angebot-Balancing aus der groß angelegten mikroskopischen Simulation von Taxidiensten von Maciejewski, M. und Bischoff J., 2015, erweitert um Ride-Sharing, wenn zwei Anfragen nahe beieinander beginnen und haben eine ähnliche Richtung.
• Dynamische Ride-Sharing-Strategie aus dynamischem Ride-Sharing und optimaler Flottengröße für ein System gemeinsam genutzter autonomer Fahrzeuge von Fagnant, DJ, und Kockelman, KM, 2015.
• T-Share von Ma, Shuo, Yu Zheng und Ouri Wolfson. „T-Share: Ein groß angelegter dynamischer Taxi-Mitfahrdienst.“ Data Engineering (ICDE), 29. Internationale IEEE-Konferenz 2013 zum Thema. IEEE, 2013.
• Hochleistungsalgorithmus von Alonso-Mora, Javier et al. „On-Demand-Mitfahrgelegenheit mit hoher Kapazität über dynamische Zuweisung von Reisefahrzeugen.“ Proceedings of the National Academy of Sciences 114.3 (2017): 462-467.

Galerie

Integration

Geben Sie repository und dependency der Amodeus-Bibliothek in der Datei pom.xml Ihres Maven-Projekts an:

< repositories >
  < repository >
    < id >amodeus-mvn-repo</ id >
    < url >https://raw.github.com/amodeus-science/amodeus/mvn-repo/</ url >
    < snapshots >
      < enabled >true</ enabled >
      < updatePolicy >always</ updatePolicy >
    </ snapshots >
  </ repository >
</ repositories >

< dependencies >
  < dependency >
    < groupId >amodeus</ groupId >
    < artifactId >amodeus</ artifactId >
    < version >2.1.1</ version >
  </ dependency >
</ dependencies >

Der Quellcode ist jeder Veröffentlichung beigefügt.

Literatur

AMoDeus wurde ursprünglich in dem Artikel vorgestellt

• AMoDeus, ein simulationsbasiertes Testbed für autonome Mobility-on-Demand-Systeme von Ruch, C., Hörl, S., Frazzoli, E., in 21st International Conference on Intelligent Transportation Systems (ITSC), Seiten 3639–3644, 2018.

Seitdem wurde die Bibliothek für verschiedene wissenschaftliche Beiträge genutzt, darunter:

• Quantifizierung der Effizienz von Mitfahrgelegenheiten von Ruch, C., Lu, C., Sieber, L. und Frazzoli, in IEEE Transactions on Intelligent Transportation Systems, 10.1109/TITS.2020.2990202, 2020
• Verbesserter öffentlicher Verkehr in ländlichen Gebieten mit selbstfahrenden Autos: Eine Studie zum Betrieb Schweizer Bahnstrecken. von Sieber, L., Ruch, C., Hörl, S., Axhausen, KW und Frazzoli, E. in Transportation Research Part A: Policy and Practice, 134:35–51, 2020
• Flottenbetriebsrichtlinien für automatisierte Mobilität: Eine Simulationsbewertung für Zürich von Hörl, S., Ruch, C., Becker, F., Frazzoli, E. und Axhausen, K, in Transportation Research Part C: Emerging Technologies, 102:20 –31, 2019
• Lernen, eine Fahrzeugflotte zu bedienen von Fluri, C., Ruch, C. Zilly, J. und Frazzoli, E., . Im Jahr 2019 IEEE Intelligent Transportation Systems Conference (ITSC), Seiten 2292–2298. IEEE, 2019
• Ungleichgewicht in Mobility-on-Demand-Systemen: Ein stochastisches Modell und ein verteilter Steuerungsansatz von Albert, M., Ruch, C. und Frazzoli, E. in ACM Transactions on Spatial Algorithms and Systems (TSAS), 5(2):13 , 2019
• Skalierbare modellprädiktive Steuerung für autonome Mobility-on-Demand-Systeme von Carron, A., Seccamonte, F., Ruch, C., Frazzoli, E. und Zeilinger, M., in IEEE Transactions on Control Systems Technology, Seiten 1– 10. 2019
• Der Wert der Koordination in One-Way-Mobility-on-Demand-Systemen von Ruch, C., Richards, S. und Frazzoli, in IEEE Transactions on Network Science and Engineering, 10.1109/TNSE.2019.2912078, 2019

Sonstiges

So beherrscht mein äusserer Sinn die physische, mein innerer Sinn die moralische Welt. Alles unterwirft sich meiner Willkür, jede Erscheinung, jede Handlung kann ich nennen, wie es mir gefällt; Die lebendige und leblose Welt hängt an den Ketten, die mein Geist regiert, mein ganzes Leben ist nur ein Traum, dessen manche Gestalten sich nach meinem Willen formen. Ich selbst bin das einzige Gesetz in der ganzen Natur, dieses Gesetz gehorcht alles.