COBACABANA’s Card-Based System for Delivery Time Estimation

CIRP Annals ◽  
1999 ◽  
Vol 48 (1) ◽  
pp. 361-364 ◽  
Author(s):  
P. Xirouchakis ◽  
D. Kiritsis ◽  
C. Gunther ◽  
J.-G. Persson

Author(s):  
Yi Ding ◽  
Baoshen Guo ◽  
Lin Zheng ◽  
Mingming Lu ◽  
Desheng Zhang ◽  
...  

The revolution of online shopping in recent years demands corresponding evolution in delivery services in urban areas. To cater to this trend, delivery by the crowd has become an alternative to the traditional delivery services thanks to the advances in ubiquitous computing. Notably, some studies use public transportation for crowdsourcing delivery, given its low-cost delivery network with millions of passengers as potential couriers. However, multiple practical impact factors are not considered in existing public-transport-based crowdsourcing delivery studies due to a lack of data and limited ubiquitous computing infrastructures in the past. In this work, we design a crowdsourcing delivery system based on public transport, considering the practical factors of time constraints, multi-hop delivery, and profits. To incorporate the impact factors, we build a reinforcement learning model to learn the optimal order dispatching strategies from massive passenger data and package data. The order dispatching problem is formulated as a sequential decision making problem for the packages routing, i.e., select the next station for the package. A delivery time estimation module is designed to accelerate the training process and provide statistical delivery time guarantee. Three months of real-world public transportation data and one month of package delivery data from an on-demand delivery platform in Shenzhen are used in the evaluation. Compared with existing crowdsourcing delivery algorithms and widely used baselines, we achieve a 40% increase in profit rates and a 29% increase in delivery rates. Comparison with other reinforcement learning algorithms shows that we can improve the profit rate and the delivery rate by 9% and 8% by using time estimation in action filtering. We share the data used in the project to the community for other researchers to validate our results and conduct further research.1 [1].


2015 ◽  
Author(s):  
Νικόλαος Μπεζιργιαννίδης

Στην παρούσα διδακτορική διατριβή μελετάμε το πρόβλημα της ακριβούς εκτίμησης του χρόνου μετάδοσης των δεδομένων από-άκρο-σε-άκρο, σε διαστημικά διαδίκτυα. Παρέχουμε λύσεις που αντιμετωπίζουν τις απαιτητικές συνθήκες των επικοινωνιών σε διαστημικά περιβάλλοντα και βελτιώνουν την εκτίμηση της καθυστέρησης μεταφοράς των δεδομένων σε διαφορετικές δικτυακές συνθήκες. Για να επιτύχουμε τους στόχους μας χρησιμοποιούμε τα Δίκτυα Ανεκτικά στην Καθυστέρηση και στις Διακοπές Επικοινωνίας (Delay/Disruption Tolerant Networking – DTN), μία δικτυακή αρχιτεκτονική που προτάθηκε πρόσφατα για να διασυνδέσει τις επικοινωνίες μεταξύ των διαφορετικών διαστημικών αποστολών και υπηρεσιών σε ένα Διαπλανητικό Διαδίκτυο. Εκμεταλλευόμενοι τις βασικές αρχές της αρχιτεκτονικής DTN και μελετώντας τις διαφορετικές δικτυακές συνθήκες, μοντελοποιούμε τα επιμέρους συστατικά της καθυστέρησης από-άκρο-σε-άκρο και βελτιώνουμε την εγγενή ικανότητα του δικτύου να τα προβλέπει με ακρίβεια.Αρχικά μελετάμε με αναλυτικό τρόπο την καθυστέρηση παράδοσης ενός πακέτου δεδομένων και σχεδιάζουμε την αντίστοιχη διαχειριστική εφαρμογή, με όνομα Bundle Delivery Time Estimation (BDTE). Η εφαρμογή αυτή εκμεταλλεύεται στατιστικές πληροφορίες που βρίσκονται σε μία διαχειριστική βάση δεδομένων καθώς και το πλάνο συνδεσιμότητας του δικτύου, για να προβλέψει τους μελλοντικούς ρυθμούς σφαλμάτων που υπάρχουν σε κάθε κανάλι σύνδεσης του δικτύου, και να υπολογίσει με ακρίβεια τις διαφορετικές καθυστερήσεις που μπορεί να συναντήσει το πακέτο στη διαδρομή που θα ακολουθήσει μέχρι την παράδοση στον προορισμό του. Οι διαφορετικές αυτές καθυστερήσεις περιέχουν ντετερμινιστικά συστατικά (καθυστερήσεις διάδοσης, καθυστερήσεις μετάδοσης, χρόνοι αναμονής για επαναφορά επικοινωνίας) καθώς και στοχαστικά συστατικά (καθυστερήσεις επαναναμετάδοσης χαμένων πακέτων), ενώ δε λαμβάνονται υπόψη οι καθυστερήσεις ουράς με την υπόθεση ότι το πακέτο είναι υψηλής προτεραιότητας. Το τελικό αποτέλεσμα της εφαρμογής είναι μία σειρά από διαφορετικούς πιθανούς χρόνους άφιξης του πακέτου στον προορισμό, καθώς και οι αντίστοιχες πιθανότητες για κάθε χρόνο.Στη συνέχεια επικεντρωνόμαστε στην εκτίμηση της καθυστέρησης ουράς που παρατηρείται κατά τη μετάδοση των δεδομένων σε διαστημικά διαδίκτυα. Για τη λύση του προβλήματος αυτού παρουσιάζουμε δύο διαφορετικές προσεγγίσεις. Στην πρώτη προσέγγιση ενσωματώνουμε πληροφορίες σχετικές με την καθυστέρηση ουράς στο πλάνο συνδεσιμότητας, με την παράμετρο Earliest Transmission Opportunity (ETO), η οποία χρησιμοποιείται από τον εξελιγμένο αλγόριθμο δρομολόγησης CGR-ETO, επιτυγχάνοντας τη βελτίωση της εκτίμησης του συνολικού χρόνου άφιξης των δεδομένων και επομένως την βελτιστοποίηση της δρομολόγησης. Η λειτουργία αυτή συμπληρώνεται από το πρωτόκολλο Contact Plan Update Protocol (CPUP), το οποίο σχεδιάστηκε για να διαχέει στο δίκτυο πληροφορίες για μεταβολές σε καθυστερήσεις ουράς. Στη δεύτερη προσέγγιση χρησιμοποιούμε στατιστικά δεδομένα του δικτύου για ρυθμούς μετάδοσης δεδομένων, καθώς και το πλάνο συνδεσιμότητας, για να προβλέψουμε με τη χρήση χρονοσειρών μελλοντικούς ρυθμούς άφιξης και προώθησης δεδομένων και επομένως καθυστερήσεις ουράς που θα εμφανιστούν σε μελλοντικές χρονικές στιγμές. Οι δύο αυτές τεχνικές προσεγγίζουν ικανοποιητικά την καθυστέρηση ουράς και συνεπώς επιτυγχάνουν σημαντικές βελτιώσεις στην ακρίβεια της εκτίμησης της συνολικής καθυστέρησης μετάδοσης. Στο τελευταίο μέρος της διατριβής προσαρμόζουμε την ανάλυση και τους αλγορίθμους που παρουσιάζονται προηγουμένως, στον υπολογισμό του χρόνου μετ’επιστροφής (round-trip time – RTT) για το επίπεδο μεταφοράς που εφαρμόζεται πάνω από την αρχιτεκτονική DTN και συγκεκριμένα για το πρωτόκολλο μεταφοράς DTPC. Σχεδιάζουμε ένα νέο, δυναμικό πλαίσιο επαναμεταδόσεων από-άκρο-σε-άκρο, το οποίο υπολογίζει τη μέγιστη (εντός ενός διαστήματος εμπιστοσύνης) τιμή του χρόνου μετ’ επιστροφής, για μια ομάδα πακέτων, και ορίζει αντίστοιχα το χρονισμό επαναμετάδοσης για αυτά τα πακέτα. Με αυτό τον τρόπο, επιτυγχάνουμε γρηγορότερες επαναμεταδόσεις των χαμένων πακέτων, μείωση στον συνολικό χρόνο μεταφοράς ενός συνόλου δεδομένων, και καλύτερη διαχείριση αποθηκευτικού χώρου από το πρωτόκολλο μεταφοράς, όταν αυτό παραδίδει τα δεδομένα στην εφαρμογή σε σειρά.Για την αποτίμηση των πρωτοκόλλων και μεθόδων που αναπτύχθηκαν σε αυτή τη διατριβή πραγματοποιήθηκαν μελέτες προσομοίωσης και εξομοίωσης σε εξειδικευμένα περιβάλλοντα. Συγκεκριμένα υλοποιήσαμε τον προσομοιωτή διαδικτύων SpaceDTNSim, που στοχεύει στις προσομοιώσεις δικτύων με προγραμματισμένη και διακοπτόμενη συνδεσιμότητα και υλοποιεί τον πυρήνα λειτουργικότητας της αρχιτεκτονικής DTN. Επιπλέον, πραγματοποιήσαμε δικτυακές εξομοιώσεις στο περιβάλλον του Spice Testbed, που χρηματοδοτήθηκε από την Ευρωπαϊκή Υπηρεσία Διαστήματος (ESA) και την Ευρωπαϊκή Επιτροπή (EC FP7) για να αποτελέσει ένα πρότυπο κέντρο εξομοίωσης διαστημικών διαδικτύων με ρεαλιστικές συνθήκες.


2013 ◽  
Vol 49 (3) ◽  
pp. 1897-1910 ◽  
Author(s):  
Nikolaos Bezirgiannidis ◽  
Scott Burleigh ◽  
Vassilis Tsaoussidis

Author(s):  
Roberto Limongi ◽  
Angélica M. Silva

Abstract. The Sternberg short-term memory scanning task has been used to unveil cognitive operations involved in time perception. Participants produce time intervals during the task, and the researcher explores how task performance affects interval production – where time estimation error is the dependent variable of interest. The perspective of predictive behavior regards time estimation error as a temporal prediction error (PE), an independent variable that controls cognition, behavior, and learning. Based on this perspective, we investigated whether temporal PEs affect short-term memory scanning. Participants performed temporal predictions while they maintained information in memory. Model inference revealed that PEs affected memory scanning response time independently of the memory-set size effect. We discuss the results within the context of formal and mechanistic models of short-term memory scanning and predictive coding, a Bayes-based theory of brain function. We state the hypothesis that our finding could be associated with weak frontostriatal connections and weak striatal activity.


1999 ◽  
Author(s):  
Jennifer E. Sutton ◽  
William A. Roberts
Keyword(s):  

Sign in / Sign up

Export Citation Format

Share Document