論文の概要: Data-Driven Prediction of Route-Level Energy Use for Mixed-Vehicle
Transit Fleets
- arxiv url: http://arxiv.org/abs/2004.06043v2
- Date: Sun, 19 Jul 2020 16:31:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-14 21:29:12.664152
- Title: Data-Driven Prediction of Route-Level Energy Use for Mixed-Vehicle
Transit Fleets
- Title(参考訳): 混合車両輸送船のルートレベルエネルギー利用に関するデータ駆動予測
- Authors: Afiya Ayman, Michael Wilbur, Amutheezan Sivagnanam, Philip Pugliese,
Abhishek Dubey, Aron Laszka
- Abstract要約: 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。
- 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: Due to increasing concerns about environmental impact, operating costs, and
energy security, public transit agencies are seeking to reduce their fuel use
by employing electric vehicles (EVs). However, because of the high upfront cost
of EVs, most agencies can afford only mixed fleets of internal-combustion and
electric vehicles. Making the best use of these mixed fleets presents a
challenge for agencies since optimizing the assignment of vehicles to transit
routes, scheduling charging, etc. require accurate predictions of electricity
and fuel use. Recent advances in sensor-based technologies, data analytics, and
machine learning enable remedying this situation; however, to the best of our
knowledge, there exists no framework that would integrate all relevant data
into a route-level prediction model for public transit. In this paper, we
present a novel framework for the data-driven prediction of route-level energy
use for mixed-vehicle transit fleets, which we evaluate using data collected
from the bus fleet of CARTA, the public transit authority of Chattanooga, TN.
We present a data collection and storage framework, which we use to capture
system-level data, including traffic and weather conditions, and high-frequency
vehicle-level data, including location traces, fuel or electricity use, etc. We
present domain-specific methods and algorithms for integrating and cleansing
data from various sources, including street and elevation maps. Finally, we
train and evaluate machine learning models, including deep neural networks,
decision trees, and linear regression, on our integrated dataset. Our results
show that neural networks provide accurate estimates, while other models can
help us discover relations between energy use and factors such as road and
weather conditions.
- Abstract(参考訳): 環境影響、運転コスト、エネルギーセキュリティに関する懸念が高まっているため、公共交通機関は電気自動車(EV)の使用による燃料使用の削減を模索している。
しかし、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合車両のみを購入できる。
これらの混合車両を最大限に活用することは、交通路への車両の割り当ての最適化、充電のスケジューリング等が電気と燃料の使用の正確な予測を必要とするため、機関にとって課題となっている。
センサベースの技術、データ分析、機械学習の最近の進歩は、この状況を改善することができるが、私たちの知る限り、関連するすべてのデータを公共交通機関のルートレベルの予測モデルに統合するフレームワークは存在しない。
本稿では,tnのチャタヌーガ公共交通機関であるcartaのバス車両群から収集したデータを用いて,車両混合輸送車両の経路レベルエネルギー使用量を予測するための新しい枠組みを提案する。
本稿では,交通や気象条件を含むシステムレベルのデータと,位置追跡や燃料利用,電力使用など,高周波車両レベルのデータを取得するためのデータ収集およびストレージフレームワークを提案する。
街路マップや標高マップなど,様々な情報源からのデータの統合と浄化を行うための,ドメイン固有の手法とアルゴリズムを提案する。
最後に、統合データセット上で、ディープニューラルネットワーク、決定木、線形回帰を含む機械学習モデルをトレーニングし、評価します。
その結果,ニューラルネットワークは正確な推定値を提供するが,他のモデルではエネルギー利用と道路や気象条件などの要因の関係を発見できることがわかった。
関連論文リスト
- IBB Traffic Graph Data: Benchmarking and Road Traffic Prediction Model [0.24999074238880487]
道路交通渋滞予測はインテリジェント交通システムにおいて重要な要素である。
IBB Traffic Graphデータセットは、2451の異なる場所で収集されたセンサーデータをカバーしている。
本稿では,機能工学を通して時間的リンクを強化する道路交通予測モデルを提案する。
論文 参考訳(メタデータ) (2024-08-02T05:23:19Z) - A V2X-based Privacy Preserving Federated Measuring and Learning System [0.0]
本稿では,V2V(Var-to-Vehicle)通信を介して,同志の車両にリアルタイムなデータを提供するフェデレート計測学習システムを提案する。
また,交通ネットワークの予測モデルを作成するために,車両ネットワーク(V2N)リンク上で連合学習スキームを運用している。
その結果,提案方式では学習性能が向上し,アグリゲータサーバ側での盗聴を防止することができた。
論文 参考訳(メタデータ) (2024-01-24T23:11:11Z) - Pre-training on Synthetic Driving Data for Trajectory Prediction [61.520225216107306]
軌道予測におけるデータ不足の問題を緩和するパイプラインレベルのソリューションを提案する。
我々は、駆動データを生成するためにHDマップ拡張とトラジェクトリ合成を採用し、それらを事前学習することで表現を学習する。
我々は、データ拡張と事前学習戦略の有効性を実証するための広範な実験を行う。
論文 参考訳(メタデータ) (2023-09-18T19:49:22Z) - 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) - An Energy Consumption Model for Electrical Vehicle Networks via Extended
Federated-learning [50.85048976506701]
本稿では,フェデレートラーニングモデルに基づく不安度を測る新しい手法を提案する。
バッテリー消費を推定し、車両ネットワークにエネルギー効率の高いルートプランニングを提供する。
論文 参考訳(メタデータ) (2021-11-13T15:03:44Z) - An Experimental Urban Case Study with Various Data Sources and a Model
for Traffic Estimation [65.28133251370055]
我々はスイスのチューリッヒの都市ネットワーク内の地域でビデオ計測による実験キャンペーンを組織した。
我々は,既存のサーマルカメラからの測定を確実にすることで,交通の流れや走行時間の観点からの交通状況の把握に注力する。
本稿では,様々なデータソースの融合による移動時間を推定するために,単純かつ効率的な多重線形回帰(MLR)モデルを提案する。
論文 参考訳(メタデータ) (2021-08-02T08:13:57Z) - Euro-PVI: Pedestrian Vehicle Interactions in Dense Urban Centers [126.81938540470847]
歩行者と自転車の軌跡のデータセットであるEuro-PVIを提案する。
本研究では,都市環境におけるエージェント間のマルチモーダル共有潜在空間を表現的に学習する共同推論モデルを開発する。
我々は,エゴ車と歩行者(自転車)の相互作用を正確に予測するために捉えることの重要性を示すnuScenesとEuro-PVIデータセット上での成果を達成した。
論文 参考訳(メタデータ) (2021-06-22T15:40:21Z) - Radar-based Dynamic Occupancy Grid Mapping and Object Detection [55.74894405714851]
近年、古典的占有グリッドマップのアプローチが動的占有グリッドマップに拡張されている。
本稿では,従来のアプローチのさらなる発展について述べる。
複数のレーダセンサのデータを融合し、グリッドベースの物体追跡・マッピング手法を適用する。
論文 参考訳(メタデータ) (2020-08-09T09:26:30Z) - A Physics Model-Guided Online Bayesian Framework for Energy Management
of Extended Range Electric Delivery Vehicles [3.927161292818792]
本稿では、双方向の車両とクラウド接続を備えた配送車両において使用される、利用規則に基づくEMSを改善する。
物理モデルに基づくオンラインベイズフレームワークについて記述し,最終マイルのパッケージ配信に使用されるEREVの多数の使用済み駆動サンプルについて検証した。
実輸送155回の試験車両の燃料使用量の平均は12.8%減少した。
論文 参考訳(メタデータ) (2020-06-01T08:43:23Z) - Minimizing Energy Use of Mixed-Fleet Public Transit for Fixed-Route
Service [7.2775693810940565]
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。
論文 参考訳(メタデータ) (2020-04-10T17:45:14Z) - 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。