Fugu-MT 論文翻訳(概要): Electric Vehicle transition in the UK

論文の概要: Electric Vehicle transition in the UK

arxiv url: http://arxiv.org/abs/2007.03745v1
Date: Mon, 6 Jul 2020 13:03:20 GMT
ステータス: 処理完了
システム内更新日: 2023-05-11 03:53:13.180020
Title: Electric Vehicle transition in the UK
Title（参考訳）: 英国における電気自動車の変遷
Authors: Sivapriya Mothilal Bhagavathy and Malcolm McCulloch
Abstract要約: 異なる領域にわたるBEVの取り込みにおける空間的格差を解析する。サウス・イースト・イングランドとグレーター・ロンドンは、新車販売の割合でBEVの売り上げが最高である。異なる領域にわたるEV充電器の空間分布も解析する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper provides an overview of the electric vehicle transition in the UK. The spatial disparity in the uptake of BEVs across the different regions is analysed using historic BEV sales. A forecast for future growth in BEVs (ignoring the impact of Covid-19) is performed using an s-curve model. Currently, South East England and Greater London have the highest BEV sales as a percentage of new vehicle sales. The spatial distribution of EV chargers across the different regions is also analysed. The spatial analysis clearly shows the regional disparity in the uptake of EV. South East England has the highest number of public chargers excluding Greater London. However, if we consider the number of EVs in that region, it has the second-lowest ratio of approx. 1 charger per 10 BEV. The lowest ratio being 0.8 in the West Midlands.
Abstract（参考訳）: 本稿では,英国における電気自動車の変遷について概説する。異なる地域にわたるBEVの取り込みにおける空間的格差は、歴史的BEV販売を用いて分析される。 s曲線モデルを用いて,BEVの今後の成長予測(Covid-19の影響を除く)を行う。現在、サウス・イースト・イングランドとグレーター・ロンドンは、新車販売の割合で、BEVの売り上げが最高である。異なる領域におけるev帯電器の空間分布も解析した。空間分析は、EVの取り込みにおける地域差を明確に示している。イングランド南東部にはグレーター・ロンドンを除く公共チャージャーが最も多い。しかし、その地域でEVの数を考えると、アポックスの比率は2番目に低い。充電器はBEV 10台。最も低い割合は西ミッドランズで0.8である。

関連論文リスト

RoadBEV: Road Surface Reconstruction in Bird's Eye View [55.0558717607946]
道路表面の状態、特に幾何学的プロファイルは、自動運転車の走行性能に大きな影響を与え、視覚に基づくオンライン道路再建は、事前に道路情報を確実に捉えている。 Bird's-Eye-View (BEV) の認識は、より信頼性が高く正確な再構築の可能性を秘めている。本稿では,BEVにおける道路高架化モデルとして,RoadBEV-monoとRoadBEV-stereoの2つのモデルを提案する。
論文参考訳（メタデータ） (2024-04-09T20:24:29Z)
U-BEV: Height-aware Bird's-Eye-View Segmentation and Neural Map-based Relocalization [81.76044207714637]
GPS受信が不十分な場合やセンサベースのローカライゼーションが失敗する場合、インテリジェントな車両には再ローカライゼーションが不可欠である。 Bird's-Eye-View (BEV)セグメンテーションの最近の進歩は、局所的な景観の正確な推定を可能にする。本稿では,U-NetにインスパイアされたアーキテクチャであるU-BEVについて述べる。
論文参考訳（メタデータ） (2023-10-20T18:57:38Z)
FB-BEV: BEV Representation from Forward-Backward View Transformations [131.11787050205697]
本稿では,Bird-Eye-View (BEV) 表現のためのビュートランスフォーメーションモジュール (VTM) を提案する。我々は提案したモジュールをFB-BEVでインスタンス化し、nuScenesテストセット上で62.4%のNDSの最先端結果を達成する。
論文参考訳（メタデータ） (2023-08-04T10:26:55Z)
Forecasting Battery Electric Vehicle Charging Behavior: A Deep Learning Approach Equipped with Micro-Clustering and SMOTE Techniques [0.0]
排出削減のため、世界中の交通電化が推進されている。多くの自動車メーカーが近くバッテリー電気自動車(BEV)の生産を開始する本研究では,BEVの走行と充電データの学習に極めて有効な,ニューラルネットワークアルゴリズムであるMicro Clustering Deep Neural Network (MCDNN)を開発した。
論文参考訳（メタデータ） (2023-07-20T05:03:25Z)
Forecasting Electric Vehicle Charging Station Occupancy: Smarter Mobility Data Challenge [0.0]
Smarter Mobility Data Challengeは、EV充電ステーションの占有率を予測する予測モデルの開発に注力している。この課題は、2020年から2021年の間に4つの地理的領域にわたる91の充電ステーションのデータセットを分析した。その結果、EV充電ステーションの占有率を正確に予測するための階層的予測手法の可能性が浮き彫りになった。
論文参考訳（メタデータ） (2023-06-09T07:22:18Z)
An Efficient Transformer for Simultaneous Learning of BEV and Lane Representations in 3D Lane Detection [55.281369497158515]
3次元車線検出のための効率的な変圧器を提案する。バニラ変圧器と異なり、我々のモデルは車線とBEVの表現を同時に学習するクロスアテンション機構を含んでいる。本手法は,2次元および3次元の車線特徴を画像ビューとBEVの特徴にそれぞれ適用することにより,2次元および3次元車線予測を実現する。
論文参考訳（メタデータ） (2023-06-08T04:18:31Z)
Fast-BEV: A Fast and Strong Bird's-Eye View Perception Baseline [76.48192454417138]
Bird's-Eye View (BEV)の表現は、次世代自動運転車(AV)の認識の基礎として期待されている。本稿では,車載チップ上で高速なBEV認識を実現するフレームワークであるFast-BEVを提案する。
論文参考訳（メタデータ） (2023-01-29T18:43:31Z)
Delving into the Devils of Bird's-eye-view Perception: A Review, Evaluation and Recipe [115.31507979199564]
鳥眼視(BEV)における知覚タスクの強力な表現の学習は、産業と学界の両方から注目されつつある。センサーの構成が複雑化するにつれて、異なるセンサーからの複数のソース情報の統合と、統一されたビューにおける特徴の表現が重要になる。 BEV知覚の中核的な問題は、(a)視点からBEVへの視点変換を通して失われた3D情報を再構成する方法、(b)BEVグリッドにおける基底真理アノテーションの取得方法、(d)センサー構成が異なるシナリオでアルゴリズムを適応・一般化する方法にある。
論文参考訳（メタデータ） (2022-09-12T15:29:13Z)
Driving and charging an EV in Australia: A real-world analysis [0.0]
本研究は,オーストラリア全土の239台のEVの実走行および充電パターンのデータ収集を目的とする。 2021年11月にアプリケーションプログラミングインターフェースプラットフォームを通じて、現在のEV所有者からのデータ収集が開始され、現在公開されている。
論文参考訳（メタデータ） (2022-06-03T11:01:23Z)
WEcharge: democratizing EV charging infrastructure [0.0]
WEchargeは、個人所有の充電インフラを、ビジネスモデルを使って公共のEVオーナーと共有できるようにする。ケーススタディは、消費者の嗜好がリソースマッチングを支配することを示している。
論文参考訳（メタデータ） (2022-03-25T16:43:31Z)
A Temporal Convolution Network Approach to State-of-Charge Estimation in Li-ion Batteries [0.0]
State of Charge (SOC) は、利用可能なバッテリー容量と総容量の比率であり、パーセンテージで表される。 SOCを正確に推定し、EVで使用中に利用可能な範囲を決定することが重要である。時間的畳み込みネットワーク (TCN) を用いてSOCを推定する。
論文参考訳（メタデータ） (2020-11-19T11:27:15Z)

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。