論文の概要: Mining Truck Platooning Patterns Through Massive Trajectory Data
- arxiv url: http://arxiv.org/abs/2010.05142v1
- Date: Sun, 11 Oct 2020 02:44:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-08 13:51:00.940141
- Title: Mining Truck Platooning Patterns Through Massive Trajectory Data
- Title（参考訳）: 大規模軌道データによるトラック小隊列のマイニング
- Authors: Xiaolei Ma, Enze Huo, Haiyang Yu, Honghai Li
- Abstract要約: トラック小隊を適切に計画し、トラック小隊の可能性を評価することは、交通機関にとって不可欠である。
本研究では,大規模軌道から自発トラック小隊パターンを学習するための一連のデータマイニング手法を提案する。
我々は,中国梁寧省のトラック輸送システムから収集した実データを利用して,小隊成績を評価し,小隊パターンの抽出に成功した。
- 参考スコア（独自算出の注目度）: 9.559029665817656
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Truck platooning refers to a series of trucks driving in close proximity via
communication technologies, and it is considered one of the most implementable
systems of connected and automated vehicles, bringing huge energy savings and
safety improvements. Properly planning platoons and evaluating the potential of
truck platooning are crucial to trucking companies and transportation
authorities. This study proposes a series of data mining approaches to learn
spontaneous truck platooning patterns from massive trajectories. An enhanced
map matching algorithm is developed to identify truck headings by using digital
map data, followed by an adaptive spatial clustering algorithm to detect
instantaneous co-moving truck sets. These sets are then aggregated to find the
network-wide maximum platoon duration and size through frequent itemset mining
for computational efficiency. We leverage real GPS data collected from truck
fleeting systems in Liaoning Province, China, to evaluate platooning
performance and successfully extract spatiotemporal platooning patterns.
Results show that approximately 36% spontaneous truck platoons can be
coordinated by speed adjustment without changing routes and schedules. The
average platooning distance and duration ratios for these platooned trucks are
9.6% and 9.9%, respectively, leading to a 2.8% reduction in total fuel
consumption. We also distinguish the optimal platooning periods and space
headways for national freeways and trunk roads, and prioritize the road
segments with high possibilities of truck platooning. The derived results are
reproducible, providing useful policy implications and operational strategies
for large-scale truck platoon planning and roadside infrastructure
construction.
- Abstract（参考訳）: トラック小隊(英: truck platooning)とは、通信技術を介して近接して走行する一連のトラックのことであり、コネクテッド・オートマチック・カーの最も実現可能なシステムの一つと見なされ、大幅な省エネと安全性の向上をもたらす。
トラック小隊の可能性を適切に計画し、評価することは、トラック会社や交通機関にとって不可欠である。
本研究では,大規模軌道からトラック小隊パターンを学習するための一連のデータマイニング手法を提案する。
ディジタルマップデータを用いてトラックの進路を識別する拡張マップマッチングアルゴリズムを開発し,適応的空間クラスタリングアルゴリズムを用いて同時移動するトラック群を検出する。
これらの集合は、計算効率のために頻繁なアイテムセットマイニングを通じてネットワーク全体の最大小隊の長さと大きさを見つけるために集約される。
我々は,中国梁寧省のトラック輸送システムから収集した実GPSデータを利用して,小隊成績を評価し,時空間小隊パターンの抽出に成功した。
その結果, 走行経路やスケジュールを変更することなく, 速度調整により約36%の自発トラックプラトンを調整できることが示唆された。
これらの小隊トラックの平均小隊距離と持続期間比はそれぞれ9.6%と9.9%であり、総燃料消費量は2.8%減少した。
また,幹線道路や幹線道路の最適小隊化時期と空間道路を区別し,トラック小隊化の可能性の高い道路セグメントを優先する。
得られた結果は再現可能であり,大規模トラック小隊計画や道路インフラストラクチャ構築に有用な政策と運用戦略を提供する。
関連論文リスト
- Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。
本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。
我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
論文 参考訳（メタデータ） (2024-10-10T10:10:03Z) - Optimization of Multi-Agent Flying Sidekick Traveling Salesman Problem over Road Networks [10.18252143035175]
道路ネットワーク上でのマルチエージェント飛行サイドキック走行セールスマン問題(MA-FSTSP)について紹介する。
このNPハード問題に対して,混合整数線形計画モデルと効率的な3相アルゴリズムを提案する。
当社のアプローチは5分間の時間制限内で300以上の顧客にスケールし、大規模な実世界のロジスティクスアプリケーションの可能性を示している。
論文 参考訳（メタデータ） (2024-08-20T20:44:18Z) - Shared learning of powertrain control policies for vehicle fleets [3.9325957466009203]
深部強化学習(DRL)は、燃料経済やその他のパフォーマンス指標を最適化するパワートレイン制御ポリシーを現場で学習することを目的としている。
本稿では, 蒸留グループ政策を用いて, 車両群間で共有学習を行うための新しい枠組みを提案する。
ベースラインに比べて燃料経済は平均8.5%改善している。
論文 参考訳（メタデータ） (2024-04-27T13:01:05Z) - Exploring the Effects of Population and Employment Characteristics on
Truck Flows: An Analysis of NextGen NHTS Origin-Destination Data [2.6842755963997926]
この研究は、アメリカ合衆国国勢調査局のゾーンレベルの人口と雇用特性を含む。
最後のデータセットは、機械学習アルゴリズムベースのモデルであるExtreme Gradient Boosting(XGBoost)のトレーニングに使用された。
その結果, ゾーン間の距離が最も重要であり, トラックフローと非線形に関係があることが判明した。
論文 参考訳（メタデータ） (2024-02-02T15:47:01Z) - MSight: An Edge-Cloud Infrastructure-based Perception System for
Connected Automated Vehicles [58.461077944514564]
本稿では,自動走行車に特化して設計された最先端道路側認識システムであるMSightについて述べる。
MSightは、リアルタイムの車両検出、ローカライゼーション、トラッキング、短期的な軌道予測を提供する。
評価は、待ち時間を最小限にしてレーンレベルの精度を維持するシステムの能力を強調している。
論文 参考訳（メタデータ） (2023-10-08T21:32:30Z) - Drone navigation and license place detection for vehicle location in
indoor spaces [55.66423065924684]
この研究は、駐車中の車両の列を行き来し、ナンバープレートを検出するナノドローンに基づくソリューションを作成することを目的としている。
すべての計算はドローン上でリアルタイムで行われ、2Dマップの作成を可能にする位置と検出された画像が送信される。
論文 参考訳（メタデータ） (2023-07-19T17:46:55Z) - A Big-Data Driven Framework to Estimating Vehicle Volume based on Mobile
Device Location Data [0.40631409309544836]
車両の体積は、交通信号の制御、交通計画の優先順位付け、道路整備などの基礎となる重要な指標となっている。
従来の車両の体積を定量化する方法は、限られた場所における手動計数、ビデオカメラ、ループ検出器に頼っている。
本稿では, 大規模な地理的領域において, テラバイト単位のデバイス位置情報を取り込み, 車両の体積を推定できる, 大規模データ駆動型フレームワークを提案する。
論文 参考訳（メタデータ） (2023-01-20T16:23:17Z) - Dial-a-ride problem with modular platooning and en-route transfers [0.0]
このような技術で需要に敏感な輸送車両群は、乗客をドアからドアへ向かわせたり、小隊同士を低コストで移動させたりすることができる。
混合整数線形プログラミング(MILP)モデルは、この「モジュラーダイアル・ア・ライド問題」を解決するために定式化される。
MDARPの正確な解間の最適性ギャップと計算時間を評価するために, 小型合成数値実験のセットを試験した。
論文 参考訳（メタデータ） (2022-12-01T05:29:46Z) - Decentralized Vehicle Coordination: The Berkeley DeepDrive Drone Dataset [103.35624417260541]
分散車両調整は、未整備の道路環境において有用である。
我々はバークレーのDeepDrive Droneデータセットを収集し、近くのドライバーが観察する暗黙の「社会的エチケット」を研究する。
このデータセットは、人間のドライバーが採用する分散マルチエージェント計画と、リモートセンシング設定におけるコンピュータビジョンの研究に主に関心がある。
論文 参考訳（メタデータ） (2022-09-19T05:06:57Z) - An Intelligent Self-driving Truck System For Highway Transportation [81.12838700312308]
本稿では,インテリジェントな自動運転トラックシステムについて紹介する。
提案システムは,1)テストシナリオにおける現実的なトラフィックフローを生成する現実的なトラフィックシミュレーションモジュール,2)実環境における実際のトラックの応答を模倣するために設計,評価された高忠実度トラックモデル,の3つの主要コンポーネントから構成される。
また,提案するシステムを実車に展開し,実車間ギャップを緩和するシステムの能力を示す実物実験を行う。
論文 参考訳（メタデータ） (2021-12-31T04:54:13Z) - Learning to Localize Using a LiDAR Intensity Map [87.04427452634445]
自動運転車のリアルタイム・キャリブレーション非依存・効果的なローカライズシステムを提案する。
私たちの方法は、オンラインLiDARスイープと強度マップをジョイントディープ埋め込みスペースに埋め込む方法を学びます。
システム全体の動作は15hzで,さまざまなlidarセンサや環境においてセンチメートルレベルの精度を実現しています。
論文 参考訳（メタデータ） (2020-12-20T11:56:23Z)
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。