Reserveringsrijden Nadeem de Vree Arjan Scherpenisse Jürgen Sturm 4 juli 2002.

Presentatie over: "Reserveringsrijden Nadeem de Vree Arjan Scherpenisse Jürgen Sturm 4 juli 2002."— Transcript van de presentatie:

1 Reserveringsrijden Nadeem de Vree Arjan Scherpenisse Jürgen Sturm 4 juli 2002

2 Presentatie overzicht Inleiding Projectbeschrijving Implementatie Agent platform Demonstratie Conclusies Presentatie overzicht Inleiding Projectbeschrijving Implementatie Agent platform Demonstratie Resultaten Conclusies

3 Files Oorzaak: Langdurige overschrijding van de maximale capaciteit van de weg –spits –ongelukken –extreme weersomstandigheden –wegwerkzaamheden –et cetera… 1% minder drukte = 5% minder kans op file Presentatie overzicht Inleiding Projectbeschrijving Implementatie Agent platform Demonstratie Resultaten Conclusies

4 Doel van het project Doel –Het dagelijkse aantal ‘vaste’ files terug te dringen Hoe? –Door proberen de verdeling van de aantal auto’s die gebruik maken van de wegen te veranderen. –Stimuleren van weggebruikers om op net iets andere tijdstippen te rijden Presentatie overzicht Inleiding Projectbeschrijving Implementatie Agent platform Demonstratie Resultaten Conclusies

5 Reserverings rijden Aanname: Kilometer heffing –Elke weggebruiker betaalt € 0.10 per km –Dit bedrag is een werkassumptie, in werkelijkheid gebaseerd op parameters auto, inkomen, etc Reserveringssysteem: –Reserveer een tijd op een bepaald traject –Voldoen reservering betekent korting op km.heffing –Korting is afhankelijk van specifieke tijd –Reserveringen worden gemaakt door agent Presentatie overzicht Inleiding Projectbeschrijving Implementatie Agent platform Demonstratie Resultaten Conclusies

6 Beloningen. Kortingen berekenen (lange termijn) voorspellingen (statistisch) (korte termijn) file voorspellingen Wenselijke situatie Voor elke stukje zijn er aparte reserveringen / onderhandelingen nodig Actuele straat informatie Virtual market Kaart AankoopVerkoop User Agent Gebruike r Het systeem

7 Waar ligt de focus? Hele systeem programmeren is te ambitieus Focus op initiële prijsbepaling door overheid: Beloningen/ Kortingen berekenen (lange termijn) voorspellingen (statistisch) (korte termijn) file voorspellingen Wenselijke situatie Actuele straat informati e Virtual market KaartAankoo p Verkoo p User Agent Gebruiker Beloningen/ Kortingen berekenen Presentatie overzicht Inleiding Projectbeschrijving Implementatie Agent platform Demonstratie Resultaten Conclusies

8 Implementatie Presentatie overzicht Inleiding Projectbeschrijving Implementatie Agent platform Demonstratie Resultaten Conclusies Platform: Java Agent implementatie: eigen –Bestaande Agent platforms bieden teveel opties –Relatief eenvoudig te programmeren Nu: 1 java applicatie, agents multithreaded Toekomst: agents op verschillende nodes, communicatie via RMI / SOAP

9 Agent platform Verschillende agents: –Sellers Leveren time slots –Buyers Kopen time slots –Control Transactie management, density / performance metingen Presentatie overzicht Inleiding Projectbeschrijving Implementatie Agent platform Demonstratie Resultaten Conclusies

10 Seller Agent Registreert zich als verkoper van time slots Houdt bij wie welk ‘time slot’ heeft gekocht Bepaalt de oorspronkelijke korting die wordt gegeven, afhankelijk van de vraag Past deze kortingen aan als dit nodig blijkt te zijn Presentatie overzicht Inleiding Projectbeschrijving Implementatie Agent platform Demonstratie Resultaten Conclusies

11 Seller agent (2) Tijds clustering –Er wordt een max. aantal reserveringen per cluster toegestaan –Hoe kleiner de cluster, hoe minder korting wordt gegeven (korting omgekeerd evenredig aan clustergrootte) Korting wordt op lange termijn bepaald –Kortingen worden bepaald aan de hand van data die over meerdere dagen wordt verzameld Presentatie overzicht Inleiding Projectbeschrijving Implementatie Agent platform Demonstratie Resultaten Conclusies

12 Seller agent (3) Twee alternatieven Standaard seller agent: –Kortingen omgekeerd evenredig aan de drukte op weg –Clusters evenredig aan drukte: 1 cluster per X reserveringen ‘Delta’ seller agent: –Kortingen op basis van absoluut van tweede afgeleide –Clusters ook op basis tweede afgeleide: grotere clusters rond nulpunten Zie grafieken demonstratie Presentatie overzicht Inleiding Projectbeschrijving Implementatie Agent platform Demonstratie Resultaten Conclusies

13 Buyer Agents Zoekt naar de ‘time slot’ die het meest voldoet aan de wensen van zijn eigenaar Nu: –User agents simuleren meerdere gebruikers, die al dan niet participeren in het reserveringssysteem. –Implementatie: Mass Buyer Agent Straks: –Elk persoon eigen agent op PDA, telefoon, etc Presentatie overzicht Inleiding Projectbeschrijving Implementatie Agent platform Demonstratie Resultaten Conclusies

14 De Mass Buyer Agent Motivatie –Omdat niet alle weggebruikers hetzelfde gedrag vertonen. Implementatie –Simuleert meerdere kopers met ieder zijn eigen ‘profile’ wat houdt een profile in? –gewenste tijd om te rijden –hoe veel hij berijdt is zijn reis tijd te veranderen Simuleert zowel mensen die aan het systeem meedoen als mensen die er niet aan meedoen –Visualization feature Drukte op de weg Tijdsafwijking die rijders maken om goedkoper te rijden Presentatie overzicht Inleiding Projectbeschrijving Implementatie Agent platform Demonstratie Resultaten Conclusies

15 Control Agent Motivatie –Controle van performance en drukte op de wegen Implementatie –Drukte De max capaciteit van de wegen wordt hier op de eerste dag bepaald (75% van de hoogste piek) –Performance Hier wordt gekeken of de drukte op de wegen werkelijk minder wordt: Presentatie overzicht Inleiding Projectbeschrijving Implementatie Agent platform Demonstratie Resultaten Conclusies

16 Agent Interactie Mass BuyerSeller agentControl agent New day Price query Price array For each driver: Determine driving time, Buy time slot Buy Confirmation New day Et cetera… Voorbeeld: kopen van time slots Presentatie overzicht Inleiding Projectbeschrijving Implementatie Agent platform Demonstratie Resultaten Conclusies

17 Demonstratie Veranderd sinds vorige keer: –Clustering –Mass buyer agent –Performance via control agent –Betere seller strategie –Mooiere grafieken ;-) Presentatie overzicht Inleiding Projectbeschrijving Implementatie Agent platform Demonstratie Resultaten Conclusies

18 Resultaten Verkeersdichtheid convergeert naar een stabiele situatie na ongeveer 30 dagen De ‘discount drivers’ zijn volledig uit de spitsuren verdwenen De reductie van de pieken zijn afhankelijk van het percentage mensen dat meedoet met het systeem Presentatie overzicht Inleiding Projectbeschrijving Implementatie Agent platform Demonstratie Resultaten Conclusies

19 Resultaten (2) Relatie drukte / percentage van mensen dat meedoet: Presentatie overzicht Inleiding Projectbeschrijving Implementatie Agent platform Demonstratie Resultaten Conclusies

20 Resultaten (3) Relatie drukte / minimum afwijkingstijd van mensen Presentatie overzicht Inleiding Projectbeschrijving Implementatie Agent platform Demonstratie Resultaten Conclusies

21 Conclusie Pieken in de verkeersdrukte kunnen significant worden gereduceerd door een flexibel kortings-algorithme toe te passen. Maar: is dit model wel toepasbaar in de werkelijkheid? Presentatie overzicht Inleiding Projectbeschrijving Implementatie Agent platform Demonstratie Resultaten Conclusies

22 Website Hele project is te vinden op het internet: http://gene.wins.uva.nl/~acscherp/projectai Tevens staat ook alles op de CD-ROM Presentatie overzicht Inleiding Projectbeschrijving Implementatie Agent platform Demonstratie Resultaten Conclusies

23 Ter afsluiting… Future research: –Mass buyer agent vervangen door echt rijgedrag –Nog ‘slimmere’ kortingsbepaling Wat hebben we ervan geleerd Suggesties / opmerkingen over het project Zijn er nog vragen? Presentatie overzicht Inleiding Projectbeschrijving Implementatie Agent platform Demonstratie Resultaten Conclusies