Aprendizaje profundo de refuerzo basado en precios dinámicos para soluciones de estacionamiento
Autores: Poh, Li Zhe; Connie, Tee; Ong, Thian Song; Goh, Michael Kah Ong
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Aprendizaje profundo de refuerzo basado en precios dinámicos para soluciones de estacionamiento
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Software
Palabras clave
Crecimiento
Automóviles
Precios dinámicos
Datos de estacionamiento en tiempo real
Embotellamientos de tráfico
Precios dinámicos basados en aprendizaje profundo de refuerzo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 25
Citaciones: Sin citaciones
El crecimiento en el número de automóviles en áreas metropolitanas ha llamado la atención sobre la necesidad de un control más eficiente de estacionamientos en espacios públicos como centros de salud, tiendas minoristas y edificios de oficinas. En esta investigación, se integra la fijación dinámica de precios con datos de estacionamiento en tiempo real para optimizar la utilización de los estacionamientos y reducir los embotellamientos. La fijación dinámica de precios es la práctica de cambiar el precio de un producto o servicio en respuesta a las tendencias del mercado. Este enfoque tiene el potencial de gestionar el tráfico de automóviles en el espacio de estacionamiento durante las horas pico y fuera de ellas. El método de fijación dinámica de precios puede establecer la tarifa de estacionamiento a un precio mayor durante las horas pico y a una tarifa más baja durante los horarios fuera de pico. En este documento se propone un método llamado fijación dinámica de precios basada en aprendizaje profundo por refuerzo (DRL-DP). La fijación dinámica de precios se divide en episodios y se desplaza hacia adelante y hacia atrás por hora. Las tasas de utilización de estacionamiento y las ganancias se consideran como incentivos para el control de precios. La salida de la simulación ilustra que la solución propuesta es creíble y efectiva en circunstancias en las que el mercado de estacionamiento alrededor del área de estacionamiento es competitivo entre cada proveedor de estacionamiento.
Descripción
El crecimiento en el número de automóviles en áreas metropolitanas ha llamado la atención sobre la necesidad de un control más eficiente de estacionamientos en espacios públicos como centros de salud, tiendas minoristas y edificios de oficinas. En esta investigación, se integra la fijación dinámica de precios con datos de estacionamiento en tiempo real para optimizar la utilización de los estacionamientos y reducir los embotellamientos. La fijación dinámica de precios es la práctica de cambiar el precio de un producto o servicio en respuesta a las tendencias del mercado. Este enfoque tiene el potencial de gestionar el tráfico de automóviles en el espacio de estacionamiento durante las horas pico y fuera de ellas. El método de fijación dinámica de precios puede establecer la tarifa de estacionamiento a un precio mayor durante las horas pico y a una tarifa más baja durante los horarios fuera de pico. En este documento se propone un método llamado fijación dinámica de precios basada en aprendizaje profundo por refuerzo (DRL-DP). La fijación dinámica de precios se divide en episodios y se desplaza hacia adelante y hacia atrás por hora. Las tasas de utilización de estacionamiento y las ganancias se consideran como incentivos para el control de precios. La salida de la simulación ilustra que la solución propuesta es creíble y efectiva en circunstancias en las que el mercado de estacionamiento alrededor del área de estacionamiento es competitivo entre cada proveedor de estacionamiento.