In this paper, we explore the appli

In this paper, we explore the applicability of reservation concept
for congestion mitigation, particularly focused on the downtown
of a city. Although it is called downtown space reservation
system, its application is not rigorously restricted to a downtown
area. Streets of a central business district resembling an area could
use a similar approach. The proposed DSRS consists of two modules,
an offline optimization module and an online decision making
module. In the offline module, an optimization problem is solved
based on historical travel information. Multiple objectives are
incorporated into the optimization problem. The optimization
solutions show that under known demand patterns, the system is
able to pick the ‘‘best” trips and achieve the ‘‘best” system performance
in terms of people throughput and revenue generation.
Based on the optimal results from the offline module, an ‘‘intelligent”
system is developed using neural network technology. Not
only is the system able to learn and generalize from the optimal
solutions, but the system is also able to update itself, as the new
information arrives. With an extensive training, the ‘‘intelligent”
system can facilitate decision makers to make real time decisions
on whether to accept/reject a reservation request. The intelligent
system may not guarantee the optimal results compared with
the results from the offline module. However, for a known traffic
pattern, it does show consistency. In the numerical example, one
can catch a glimpse of the way that the system in principle works
and to what extent the neural network resembles optimality in the
offline module. Leaving aside the implementation aspects, the system
can be promising.

ผลลัพธ์ (ไทย) 1:

ในเอกสารนี้ เราสำรวจความเกี่ยวข้องของแนวคิดจอง
สำหรับลดปัญหาการแออัด โดยเฉพาะอย่างยิ่งเน้นเมือง
เมือง แม้ว่าจะเรียกว่าจองพื้นที่เมือง
ระบบ แอพลิเคชันที่ไม่เคร่งครัดจำกัดเมือง
ตั้ง ถนนในเขตศูนย์กลางธุรกิจเท่าใดพื้นที่สามารถ
ใช้วิธีคล้ายกันได้ DSRS เสนอประกอบด้วยสองโมดูล,
โมดูลการเพิ่มประสิทธิภาพการทำงานแบบออฟไลน์และการตัดสินใจออนไลน์
โม ในโมดูลออฟไลน์ แก้ไขปัญหาการเพิ่มประสิทธิภาพ
ตามข้อมูลท่องเที่ยวทางประวัติศาสตร์ วัตถุประสงค์หลาย
รวมเป็นปัญหาเพิ่มประสิทธิภาพ การเพิ่มประสิทธิภาพ
แก้ไขแสดงว่า ภายใต้ความต้องการรู้จักรูปแบบ ระบบ
สามารถเลือกเดินทาง ''สุด"บรรลุผล"ดี"
ในคนสูงและรายได้สร้าง
ตามผลลัพธ์ดีที่สุดจากโมออฟไลน์ อัน ''อัจฉริยะ"
พัฒนาระบบโดยใช้เทคโนโลยีเครือข่ายประสาท ไม่
เท่านั้น เป็นระบบที่สามารถเรียนรู้ และทั่วไปจากดีที่สุด
โซลูชั่น แต่ระบบจะยังสามารถปรับปรุงตัวเอง เป็นใหม่
ข้อมูลมา มีการฝึกอบรมอย่างละเอียด การ ''อัจฉริยะ"
ระบบสามารถช่วยผู้ตัดสินใจเวลาจริงตัดสินใจ
เกี่ยวกับว่าจะยอมรับ/ปฏิเสธคำขอจองได้ อัจฉริยะ
ระบบอาจรับประกันผลลัพธ์ดีที่สุดเมื่อเทียบกับ
ผลลัพธ์จากโมดูแบบออฟไลน์ได้ อย่างไรก็ตาม สำหรับการจราจรทราบ
ลาย มันแสดงความสอดคล้องกัน ตัวอย่างตัวเลข หนึ่ง
สามารถจับ a glimpse ของวิธีที่ระบบหลักทำงาน
และขอบเขตเครือข่ายประสาทคล้ายกับ optimality ในการ
โมดูแบบออฟไลน์ ออกจากกันด้านการใช้งาน ระบบ
สามารถสัญญาได้

ผลลัพธ์ (ไทย) 2:

ในบทความนี้เราจะสำรวจการบังคับใช้แนวคิดการจองห้องพัก
เพื่อความแออัดของการบรรเทาความสำคัญโดยเฉพาะอย่างยิ่งในย่านใจกลางเมือง
ของเมือง แม้ว่ามันจะเป็นที่เรียกว่าเมืองสำรองห้องพักที่ว่าง
ของระบบการประยุกต์ใช้ไม่ได้อย่างจริงจัง จำกัด ตัวเมือง
พื้นที่ ถนนในย่านธุรกิจกลางคล้ายพื้นที่อาจ
ใช้วิธีการที่คล้ายกัน เสนอ DSRs ประกอบด้วยสองโมดูล
โมดูลการเพิ่มประสิทธิภาพแบบออฟไลน์และออนไลน์ทำให้การตัดสินใจของ
โมดูล ในโมดูลออฟไลน์ปัญหาการเพิ่มประสิทธิภาพการแก้ไข
บนพื้นฐานของข้อมูลการเดินทางทางประวัติศาสตร์ หลายวัตถุประสงค์จะ
รวมอยู่ในปัญหาการเพิ่มประสิทธิภาพ การเพิ่มประสิทธิภาพของ
การแก้ปัญหาที่แสดงให้เห็นว่าภายใต้ที่รู้จักกันในรูปแบบความต้องการระบบที่
สามารถเลือกที่ดีที่สุด'' "ทริปและประสบความสำเร็จที่ดีที่สุด''" ประสิทธิภาพของระบบ
ในแง่ของผู้คนและความรวดเร็วในการสร้างรายได้
บนพื้นฐานของผลที่ดีที่สุดจากโมดูลออฟไลน์ "ฉลาด''
ระบบได้รับการพัฒนาโดยใช้เทคโนโลยีเครือข่ายประสาท ไม่
เพียง แต่เป็นระบบที่สามารถที่จะเรียนรู้และพูดคุยที่ดีที่สุดจาก
การแก้ปัญหา แต่ระบบนี้ยังสามารถที่จะปรับปรุงตัวเองใหม่เป็น
ข้อมูลมาถึง ด้วยการฝึกอบรมที่ "ฉลาด''
ระบบสามารถอำนวยความสะดวกผู้มีอำนาจตัดสินใจในการตัดสินใจเวลาจริง
ที่ว่าจะยอมรับ / ปฏิเสธคำขอสำรองห้องพัก อัจฉริยะ
ระบบอาจจะไม่รับประกันผลที่ดีที่สุดเมื่อเทียบกับ
ผลที่ได้จากโมดูลแบบออฟไลน์ อย่างไรก็ตามสำหรับการจราจรที่เป็นที่รู้จัก
รูปแบบก็จะแสดงความสอดคล้อง ในตัวอย่างที่เป็นตัวเลขหนึ่ง
สามารถจับเหลือบของวิธีการที่ระบบการทำงานในหลักการ
และสิ่งที่ขอบเขตเครือข่ายประสาทคล้าย optimality ใน
โมดูลออฟไลน์ ออกจากกันด้านการดำเนินการระบบ
สามารถสัญญา

ผลลัพธ์ (ไทย) 3:

ในกระดาษนี้เราศึกษาการประยุกต์ใช้แนวคิดในการบรรเทาความแออัดจอง

โดยเฉพาะ เน้นในเมืองของเมือง แม้จะถูกเรียกว่าเมืองระบบจอง
พื้นที่การประยุกต์เป็นไม่จำกัดพื้นที่ในเมืองไทย

ถนนในเขตศูนย์กลางธุรกิจคล้ายพื้นที่อาจ
ใช้วิธีการที่คล้ายคลึงกัน เสนอ dsrs ประกอบด้วยสองโมดูล
การเพิ่มประสิทธิภาพของโมดูลแบบออฟไลน์และออนไลน์การตัดสินใจ
โมดูล ในโมดูลครับ มีปัญหาการเพิ่มประสิทธิภาพการแก้ไข
ตามข้อมูลท่องเที่ยวทางประวัติศาสตร์ วัตถุประสงค์หลาย
รวมเข้าไปในการเพิ่มปัญหา การเพิ่มประสิทธิภาพโซลูชั่น แสดงให้เห็นว่า ภายใต้รูปแบบ
รู้จักความต้องการระบบ
สามารถเลือก ' 'best " ทริปและบรรลุ ' 'best "
สมรรถนะของระบบในแง่ของคน และสามารถสร้างรายได้
ขึ้นอยู่กับผลลัพธ์ที่ดีที่สุดจากออฟไลน์โมดูล 'intelligent " '
ระบบที่พัฒนาขึ้นโดยใช้เทคโนโลยีเครือข่ายประสาท ไม่
เท่านั้นเป็นระบบสามารถเรียนรู้และอนุมานจากโซลูชั่นที่เหมาะสม
แต่ระบบยังสามารถที่จะปรับปรุงตัวเอง เป็นข้อมูลใหม่
มาถึง มีการฝึกอบรมที่กว้างขวาง 'intelligent "
'ระบบสามารถช่วยในการตัดสินใจในการตัดสินใจในเวลาจริง
ว่าจะยอมรับ / ปฏิเสธการจองขอ ระบบฉลาด
อาจไม่รับประกันผลที่ดีที่สุดเมื่อเทียบกับ
ผลลัพธ์จากออฟไลน์โมดูล อย่างไรก็ตาม สำหรับจักจราจร
แบบแผน มันแสดงความสอดคล้อง ในตัวอย่างตัวเลขหนึ่ง
สามารถจับเหลือบของวิธีการที่ระบบในหลักการทำงาน
และสิ่งที่ขอบเขตเครือข่ายประสาทคล้ายกับ optimality ใน
ครับโมดูล ออกจากกันการดำเนินงานด้านระบบ
สามารถสัญญา