Object

Title: Estimating Time of Driver Arrival with Gradient Boosting Algorithms and Deep Neural Networks

Journal or Publication Title:

Математические вопросы кибернетики и вычислительной техники=Կիբեռնետիկայի և հաշվողական տեխնիկայի մաթեմատիկական հարցեր=Mathematical problems of computer science

Date of publication:

2020

Volume:

53

ISSN:

2579-2784

Additional Information:

Սերգոյան Հենրիկ Տ., Сергоян Генрих Т.

Other title:

Վարորդի ժամանման ժամանակի մոտարկումը ուժեղացված գրադիենտի ալգորիթմների և խորը նեյրոնային ցանցերի միջոցով; Оценка времени прибытия водителя с помощью алгоритмов градиентного усиления и глубоких нейронных сетей

Coverage:

29-38

Abstract:

Customer experience and resource management determine the degree to which transportation service providers can compete in today's heavily saturated markets. The paper investigates and suggests a new methodology to optimize calculations for Estimated Time of Arrival (from now on ETA, meaning the time it will take for the driver to reach the designated location) based on the data provided by GG collected from rides made in 2018. Հաճախորդների սպասարկումը և ռեսուրսների կառավարումը որոշում են տրանսպորտային ծառայություններ մատուցող ընկերությունների մրցակցելու կարողության աստիճանը այսօրվա մեծ և հագեցած շուկաներում: Այս աշխատանքն ուսումնասիրում և առաջարկում է նոր մեթոդաբանություն վարորդի ժամանման տևողությունը հաշվարկելու համար` հիմնվելով GG-ի 2018 թվականի ուղևորություններից հավաքված տվյալների վրա: Обслуживание клиентов и управление ресурсами определяют степень, в которой поставщики транспортных услуг могут конкурировать на сегодняшних сильно насыщенных рынках. В этой работе исследуется и предлагается новая методология оптимизации для расчетов предполагаемого времени прибытия водителя на основе прошлогодних данных, предоставленных GG, собранных из поездок водителей компании.

Publisher:

Изд-во НАН РА

Format:

pdf

Identifier:

oai:arar.sci.am:261604

Location of original object:

ՀՀ ԳԱԱ Հիմնարար գիտական գրադարան

Object collections:

Last modified:

Dec 8, 2023

In our library since:

Aug 27, 2020

Number of object content hits:

36

All available object's versions:

https://arar.sci.am/publication/284834

Show description in RDF format:

RDF

Show description in OAI-PMH format:

OAI-PMH

This page uses 'cookies'. More information