論文の概要: Decomposing Excess Commuting: A Monte Carlo Simulation Approach
- arxiv url: http://arxiv.org/abs/2006.01638v1
- Date: Sat, 30 May 2020 14:09:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-17 22:27:11.924889
- Title: Decomposing Excess Commuting: A Monte Carlo Simulation Approach
- Title（参考訳）: 余分な通勤の分解:モンテカルロシミュレーションによるアプローチ
- Authors: Yujie Hu, Fahui Wang
- Abstract要約: 本研究はモンテカルロの手法を用いて, 人口調査区域内の個人労働者と個人雇用をシミュレートする。
旅行から仕事までの通勤距離と時間を推定し、シミュレーションされた個々の場所に基づいて最適な通勤を定義する。
- 参考スコア（独自算出の注目度）: 1.14219428942199
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Excess or wasteful commuting is measured as the proportion of actual commute
that is over minimum (optimal) commute when assuming that people could freely
swap their homes and jobs in a city. Studies usually rely on survey data to
define actual commute, and measure the optimal commute at an aggregate zonal
level by linear programming (LP). Travel time from a survey could include
reporting errors and respondents might not be representative of the areas they
reside; and the derived optimal commute at an aggregate areal level is also
subject to the zonal effect. Both may bias the estimate of excess commuting.
Based on the 2006-2010 Census for Transportation Planning Package (CTPP) data
in Baton Rouge, Louisiana, this research uses a Monte Carlo approach to
simulate individual resident workers and individual jobs within census tracts,
estimate commute distance and time from journey-to-work trips, and define the
optimal commute based on simulated individual locations. Findings indicate that
both reporting errors and the use of aggregate zonal data contribute to
miscalculation of excess commuting.
- Abstract（参考訳）: 余剰または無駄な通勤は、人々が都市で自由に家や仕事を交換できると仮定した場合、最小限(最適)の通勤率として測定される。
研究は通常、実際の通勤を定義するために調査データに頼り、線形プログラミング(LP)による凝集帯レベルで最適な通勤度を測定する。
調査から得られた旅行時間には、報告エラーが含まれ、回答者は自分が住んでいる地域を代表していないかもしれない。
どちらも過度の通勤推定に偏りがある。
ルイジアナ州バトンルージュの2006-2010年国勢調査交通計画パッケージ(ctpp)データに基づき、この研究はモンテカルロアプローチを用いて、国勢調査管内の個々の居住者と個々の職種をシミュレートし、旅行から仕事までの通勤距離と時間を推定し、シミュレーションされた個々の場所に基づいて最適な通勤時間を定義する。
発見は, 過度の通勤の誤算には, 誤差の報告と, 凝集帯データの利用の両方が寄与していることを示している。
関連論文リスト
- When to Commute During the COVID-19 Pandemic and Beyond: Analysis of Traffic Crashes in Washington, D.C [0.9796835880534122]
本研究は、ワシントンD.C.に通勤する最も安全な時間に関する情報の提供を試みる。
また、ワシントンD.C.地域の交通事故や気象などの関連要因の理解を深めることも目指しています。
論文 参考訳（メタデータ） (2024-11-08T20:39:36Z) - Truncating Trajectories in Monte Carlo Policy Evaluation: an Adaptive Approach [51.76826149868971]
モンテカルロシミュレーションによる政策評価は多くのMC強化学習(RL)アルゴリズムの中核にある。
本研究では,異なる長さの軌跡を用いた回帰推定器の平均二乗誤差のサロゲートとして品質指標を提案する。
本稿では,Robust and Iterative Data Collection Strategy Optimization (RIDO) という適応アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-10-17T11:47:56Z) - Estimating Latent Population Flows from Aggregated Data via Inversing
Multi-Marginal Optimal Transport [57.16851632525864]
累積カウントデータから潜在人口フローを推定する問題について検討する。
この問題は、プライバシーの問題や測定の不確実性のために個々の軌道が利用できない場合に発生する。
我々はMOTフレームワークのコスト関数を学習し,集約データからの遷移フローを推定する。
論文 参考訳（メタデータ） (2022-12-30T03:03:23Z) - Behavioral Intention Prediction in Driving Scenes: A Survey [70.53285924851767]
行動意図予測(BIP)は、人間の思考過程をシミュレートし、特定の行動の早期予測を満たす。
この作業は、利用可能なデータセット、重要な要因と課題、歩行者中心および車両中心のBIPアプローチ、BIP対応アプリケーションからのBIPの包括的なレビューを提供する。
論文 参考訳（メタデータ） (2022-11-01T11:07:37Z) - Meta-Learning over Time for Destination Prediction Tasks [53.12827614887103]
交通分野における公共目的と民間目標の両方を、車両の行動を理解し、予測する必要がある。
近年の研究では、時間情報の導入による予測性能の限界改善しか見出されていない。
本稿では、ニューラルネットワークが入力に応じて自身の重みを変えることを学習するハイパーネットワークに基づくアプローチを提案する。
論文 参考訳（メタデータ） (2022-06-29T17:58:12Z) - Injecting Knowledge in Data-driven Vehicle Trajectory Predictors [82.91398970736391]
車両軌道予測タスクは、一般的に知識駆動とデータ駆動の2つの視点から取り組まれている。
本稿では,これら2つの視点を効果的に結合する「現実的残留ブロック」 (RRB) の学習を提案する。
提案手法は,残留範囲を限定し,その不確実性を考慮した現実的な予測を行う。
論文 参考訳（メタデータ） (2021-03-08T16:03:09Z) - Modeling and Analysis of Excess Commuting with Trip Chains [3.728629802579785]
この研究は、従来の過剰通勤研究が実際の通勤と最適な通勤の両方を過小評価し、過剰通勤を過小評価していることを示している。
フロリダ州タンパベイ地域のケーススタディに基づいて、従来の過剰通勤研究は実際の通勤と最適な通勤の両方を過小評価し、過剰通勤を過小評価している。
論文 参考訳（メタデータ） (2020-08-25T14:54:04Z) - Leveraging the Self-Transition Probability of Ordinal Pattern Transition
Graph for Transportation Mode Classification [0.0]
本稿では,交通モード分類における自己遷移の確率という,通常のパターン遷移グラフから保持される特徴の利用を提案する。
提案手法は,これらを組み合わせた場合であっても,置換エントロピーや統計的複雑度よりも精度がよい。
論文 参考訳（メタデータ） (2020-07-16T23:25:09Z) - Extracting Spatiotemporal Demand for Public Transit from Mobility Data [0.0]
都市人口の変化は、交通サービスの効率的な管理にいくつかの課題をもたらす。
都市における公共交通機関の需要を簡易に推定する手法を提案する。
論文 参考訳（メタデータ） (2020-06-05T10:21:31Z) - Commuting Variability by Wage Groups in Baton Rouge 1990-2010 [0.966840768820136]
本研究は、バトンルージュのCTPPデータ1990-2010を用いて、賃金グループ間の通勤変動(距離と時間の両方)と時間的安定性を分析する。
近隣の平均賃金率に基づく結果は、通勤行動は異なる賃金率の地域によって異なり、そのような変動は凸形状によって捉えられることを示している。
賃金集団の分布に基づく相補的な分析を行い、1990～2010年の低賃金労働者の流動性の持続性を明らかにする。
論文 参考訳（メタデータ） (2020-05-30T14:03:42Z) - Congestion-aware Evacuation Routing using Augmented Reality Devices [96.68280427555808]
複数の目的地間でリアルタイムに個別の避難経路を生成する屋内避難のための渋滞対応ルーティングソリューションを提案する。
建物内の混雑分布をモデル化するために、ユーザエンド拡張現実(AR)デバイスから避難者の位置を集約して、オンザフライで取得した人口密度マップを用いる。
論文 参考訳（メタデータ） (2020-04-25T22:54:35Z)
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。