Fugu-MT 論文翻訳(概要): Minimizing Energy Use of Mixed-Fleet Public Transit for Fixed-Route Service

論文の概要: Minimizing Energy Use of Mixed-Fleet Public Transit for Fixed-Route Service

arxiv url: http://arxiv.org/abs/2004.05146v4
Date: Mon, 1 Mar 2021 03:48:57 GMT
ステータス: 処理完了
システム内更新日: 2022-12-14 21:20:00.423392
Title: Minimizing Energy Use of Mixed-Fleet Public Transit for Fixed-Route Service
Title（参考訳）: 固定経路サービスにおける混合燃料公共交通のエネルギー利用の最小化
Authors: Amutheezan Sivagnanam, Afiya Ayman, Michael Wilbur, Philip Pugliese, Abhishek Dubey, Aron Laszka
Abstract要約: 本稿では,最適な割り当てとスケジューリングのための整数プログラムを提案し,大規模ネットワークのためのメタヒューリスティックアルゴリズムを提案する。チャタヌーガにとって、提案されたアルゴリズムはエネルギーコストが145,635ドル、年間576.7トンの二酸化炭素排出量を削減できる。
参考スコア（独自算出の注目度）: 7.2775693810940565
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Affordable public transit services are crucial for communities since they enable residents to access employment, education, and other services. Unfortunately, transit services that provide wide coverage tend to suffer from relatively low utilization, which results in high fuel usage per passenger per mile, leading to high operating costs and environmental impact. Electric vehicles (EVs) can reduce energy costs and environmental impact, but most public transit agencies have to employ them in combination with conventional, internal-combustion engine vehicles due to the high upfront costs of EVs. To make the best use of such a mixed fleet of vehicles, transit agencies need to optimize route assignments and charging schedules, which presents a challenging problem for large transit networks. We introduce a novel problem formulation to minimize fuel and electricity use by assigning vehicles to transit trips and scheduling them for charging, while serving an existing fixed-route transit schedule. We present an integer program for optimal assignment and scheduling, and we propose polynomial-time heuristic and meta-heuristic algorithms for larger networks. We evaluate our algorithms on the public transit service of Chattanooga, TN using operational data collected from transit vehicles. Our results show that the proposed algorithms are scalable and can reduce energy use and, hence, environmental impact and operational costs. For Chattanooga, the proposed algorithms can save $145,635 in energy costs and 576.7 metric tons of CO2 emission annually.
Abstract（参考訳）: 住民が雇用、教育、その他のサービスにアクセスできるようにするため、公共交通サービスはコミュニティにとって不可欠である。残念なことに、広範囲をカバーする交通サービスは比較的低い利用率に悩まされがちで、1マイルあたりの乗客あたりの燃料消費が増加し、運用コストと環境への影響が高まる。電気自動車(ev)はエネルギーコストと環境への影響を低減できるが、ほとんどの公共交通機関はevの先行コストが高いため、従来の内燃機関車両と組み合わせる必要がある。このような混合車両を最大限に利用するためには、交通機関はルート割り当てと充電スケジュールを最適化する必要がある。本稿では,既存の固定経路の運行スケジュールを守りながら,車両を走行旅行に割り当て,充電を予定することで,燃料・電気使用を最小化するための新しい問題定式化を提案する。本稿では,最適割当とスケジューリングのための整数プログラムを提案し,大規模ネットワークを対象とした多項式時間ヒューリスティックおよびメタヒューリスティックアルゴリズムを提案する。交通機関から収集した運用データを用いて, チャタヌーガの公共交通機関におけるアルゴリズムの評価を行った。その結果,提案手法はスケーラブルであり,エネルギー消費を低減し,環境影響や運用コストを低減できることがわかった。チャタヌーガにとって、提案されているアルゴリズムは年間15,635ドルのエネルギーコストと576.7トンのco2排出量を節約できる。

関連論文リスト

Fair collaborative vehicle routing: A deep multi-agent reinforcement learning approach [49.00137468773683]
協力的な車両ルーティングは、キャリアがそれぞれの輸送要求を共有し、互いに代表して輸送要求を実行することで協力するときに発生する。従来のゲーム理論解の概念は、特性関数がエージェントの数とともに指数関数的にスケールするので、計算に費用がかかる。我々は,この問題を,深層マルチエージェント強化学習を用いて解決した連立交渉ゲームとしてモデル化することを提案する。
論文参考訳（メタデータ） (2023-10-26T15:42:29Z)
Designing Optimal Personalized Incentive for Traffic Routing using BIG Hype algorithm [3.7597202216941783]
都市レベルでプラグイン型電気自動車と従来型燃料電池を最適にルーティングする問題について検討する。我々のモデルでは、通勤者は、旅行時間と、市や駐車場、サービスステーションを利用するための金銭的費用を組み合わせた地域費用を、自力で最小化することを目的としている。我々は、これらの金融インセンティブを大規模バイレベルゲームとして最適に設計する問題を定式化する。
論文参考訳（メタデータ） (2023-04-24T11:13:10Z)
Sustainable AIGC Workload Scheduling of Geo-Distributed Data Centers: A Multi-Agent Reinforcement Learning Approach [48.18355658448509]
生成的人工知能の最近の進歩は、機械学習トレーニングの需要が急増し、エネルギー消費の大幅な増加によるコスト負担と環境問題を引き起こしている。地理的に分散したクラウドデータセンタ間でのトレーニングジョブのスケジューリングは、安価で低炭素エネルギーのコンピューティング能力の使用を最適化する機会を浮き彫りにする。本研究では,実生活におけるワークロードパターン,エネルギー価格,炭素強度を組み込んだクラウドシステムと対話することで,マルチエージェント強化学習とアクタクリティカルな手法に基づく最適協調スケジューリング戦略の学習アルゴリズムを提案する。
論文参考訳（メタデータ） (2023-04-17T02:12:30Z)
Comparison and Evaluation of Methods for a Predict+Optimize Problem in Renewable Energy [42.00952788334554]
本稿では2021年に開催されたIEEE-CIS Technical Challenge on Predict+ for Renewable Energy Schedulingについて述べる。コンペティションにおける上位7つのソリューションの比較と評価を行う。勝算法は異なるシナリオを予測し、サンプル平均近似法を用いて全てのシナリオに最適化した。
論文参考訳（メタデータ） (2022-12-21T02:34:12Z)
Valuation of Public Bus Electrification with Open Data [1.2740654484866891]
本研究は、オープンソースのデータに基づいて、世界中の都市を対象に、公共交通バスの電気化の経済的、環境的、社会的価値を推定する新しい枠組みを提供する。物理インフォームド機械学習モデルを構築し,エネルギー消費量,二酸化炭素排出量,健康影響,輸送経路の総所有コストを評価する。
論文参考訳（メタデータ） (2022-09-25T00:02:23Z)
A Multi-Objective approach to the Electric Vehicle Routing Problem [0.0]
電気自動車ルーティング問題(EVRP)は、燃料ベースの車からより健康的で効率的な電気自動車(EV)に移行するために、研究者や工業者から大きな関心を集めている。以前の作業では、ロジスティクスや配送関連のソリューションをターゲットにしており、複数の停止を行った後、同質の商用EVが最初のポイントに戻らなければならない。我々は、旅行時間と充電の累積コストを最小化する多目的最適化を行う。
論文参考訳（メタデータ） (2022-08-26T05:09:59Z)
Efficient algorithms for electric vehicles' min-max routing problem [4.640835690336652]
輸送部門から排出される温室効果ガスの増加は、企業や政府が電気自動車(EV)の増産と支援を図っている。近年の都市化と電子商取引の進展により、輸送会社は従来の車両をEVに置き換え、持続的で環境に優しい運転の取り組みを強化している。 EV車両の展開は、限られた範囲を緩和し、バッテリー劣化率を軽減するために、効率的なルーティングと充電戦略を要求する。
論文参考訳（メタデータ） (2020-08-07T18:45:26Z)
FlexPool: A Distributed Model-Free Deep Reinforcement Learning Algorithm for Joint Passengers & Goods Transportation [36.989179280016586]
本稿では,乗用車と貨物輸送を組み合わせることで,車両による輸送を改善することを検討する。我々はFlexPoolを提案する。FlexPoolは分散モデルなしの深層強化学習アルゴリズムで、乗客や商品のワークロードを共同で処理する。また,FlexPoolはフリート利用率を30%向上し,燃料効率を35%向上することを示した。
論文参考訳（メタデータ） (2020-07-27T17:25:58Z)
Polestar: An Intelligent, Efficient and National-Wide Public Transportation Routing Engine [43.09401975244128]
Polestarは、インテリジェントで効率的な公共交通機関ルーティングのためのデータ駆動型エンジンである。具体的には,交通費の異なる公共交通機関をモデル化するための新しい公共交通グラフ(PTG)を提案する。次に、効率的な経路候補生成のための効率的な局結合法と組み合わせた一般経路探索アルゴリズムを提案する。 2つの実世界のデータセットの実験は、効率性と有効性の両方の観点からPoestarの利点を実証している。
論文参考訳（メタデータ） (2020-07-11T05:14:52Z)
Data-Driven Prediction of Route-Level Energy Use for Mixed-Vehicle Transit Fleets [7.2775693810940565]
公共交通機関は電気自動車(EV)による燃費削減を目指している EVの先行コストが高いため、ほとんどの機関は内燃機関と電気自動車の混成車しか手に入らない。混合車両輸送車両における経路レベルのエネルギー利用に関するデータ駆動予測のための新しい枠組みを提案する。
論文参考訳（メタデータ） (2020-04-10T16:31:10Z)
Data Freshness and Energy-Efficient UAV Navigation Optimization: A Deep Reinforcement Learning Approach [88.45509934702913]
我々は、移動基地局(BS)が配備される複数の無人航空機(UAV)のナビゲーションポリシーを設計する。我々は、地上BSにおけるデータの鮮度を確保するために、エネルギーや情報年齢(AoI)の制約などの異なる文脈情報を組み込んだ。提案したトレーニングモデルを適用することで、UAV-BSに対する効果的なリアルタイム軌道ポリシーは、時間とともに観測可能なネットワーク状態をキャプチャする。
論文参考訳（メタデータ） (2020-02-21T07:29:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。