論文の概要: Selective Survey: Most Efficient Models and Solvers for Integrative
Multimodal Transport
- arxiv url: http://arxiv.org/abs/2103.15555v1
- Date: Tue, 16 Mar 2021 08:31:44 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-05 01:06:03.306779
- Title: Selective Survey: Most Efficient Models and Solvers for Integrative
Multimodal Transport
- Title(参考訳): Selective Survey: 統合型マルチモーダルトランスポートのための最も効率的なモデルと解法
- Authors: Oliviu Matei, Erdei Rudolf, Camelia-M. Pintea
- Abstract要約: 主な目的は、マルチモーダル輸送研究の分野における既存の研究、方法および情報の受益的な選択を探索することです。
選択的な調査は、コスト、時間、ネットワークトポロジーの観点から、マルチモーダルトランスポート設計と最適化をカバーしている。
理論と実世界の応用のギャップは、グローバルなマルチモーダル輸送システムの最適化のためにさらに解決すべきである。
- 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: In the family of Intelligent Transportation Systems (ITS), Multimodal
Transport Systems (MMTS) have placed themselves as a mainstream transportation
mean of our time as a feasible integrative transportation process. The Global
Economy progressed with the help of transportation. The volume of goods and
distances covered have doubled in the last ten years, so there is a high demand
of an optimized transportation, fast but with low costs, saving resources but
also safe, with low or zero emissions. Thus, it is important to have an
overview of existing research in this field, to know what was already done and
what is to be studied next. The main objective is to explore a beneficent
selection of the existing research, methods and information in the field of
multimodal transportation research, to identify industry needs and gaps in
research and provide context for future research. The selective survey covers
multimodal transport design and optimization in terms of: cost, time, and
network topology. The multimodal transport theoretical aspects, context and
resources are also covering various aspects. The survey's selection includes
nowadays best methods and solvers for Intelligent Transportation Systems (ITS).
The gap between theory and real-world applications should be further solved in
order to optimize the global multimodal transportation system.
- Abstract(参考訳): インテリジェントトランスポーテーションシステム(ITS)のファミリーでは、MMTS(マルチモーダルトランスポーテーションシステム)が、実現可能な統合トランスポーテーションプロセスとして、当時の主流のトランスポーテーション手段として位置づけられている。
世界経済は輸送の助けを借りて進んだ。
対象とする商品の量と距離は過去10年間で倍増しているため、最適化された輸送の需要が高く、高速だが低コストで資源を節約できるだけでなく、低またはゼロの排出で安全でもある。
したがって、この分野の既存の研究の概要を把握し、何が既になされたのか、次に何を研究すべきかを知ることが重要である。
主な目的は、マルチモーダル輸送研究分野における既存の研究、方法、情報の受益選択を探求し、研究における産業ニーズとギャップを特定し、今後の研究の文脈を提供することである。
選択的な調査は、コスト、時間、ネットワークトポロジーの観点から、マルチモーダルトランスポート設計と最適化をカバーしている。
マルチモーダル輸送の理論的側面、文脈、資源もまた様々な側面をカバーしている。
この調査では、インテリジェントトランスポーテーションシステム(ITS)の最良の方法と解決方法が選択されている。
理論と実世界の応用のギャップは、グローバルマルチモーダル輸送システムの最適化のためにさらに解決すべきである。
関連論文リスト
- Large Language Models for Mobility in Transportation Systems: A Survey on Forecasting Tasks [8.548422411704218]
機械学習とディープラーニングの方法は、その柔軟性と正確性に好まれる。
大規模言語モデル (LLMs) の出現に伴い、多くの研究者がこれらのモデルと過去の手法を組み合わせ、将来の交通情報や人間の旅行行動を直接予測するためにLLMを適用した。
論文 参考訳(メタデータ) (2024-05-03T02:54:43Z) - TransportationGames: Benchmarking Transportation Knowledge of
(Multimodal) Large Language Models [46.862519898969325]
TransportationGamesは(M)LLMを評価するための評価ベンチマークである。
各種(M)LLMの性能を記憶し,理解し,選択したタスクによる交通知識の適用において検証する。
論文 参考訳(メタデータ) (2024-01-09T10:20:29Z) - Towards Multi-Objective High-Dimensional Feature Selection via
Evolutionary Multitasking [63.91518180604101]
本稿では,高次元特徴選択問題,すなわちMO-FSEMTのための新しいEMTフレームワークを開発する。
タスク固有の知識伝達機構は、各タスクの利点情報を活用するように設計され、高品質なソリューションの発見と効果的な伝達を可能にする。
論文 参考訳(メタデータ) (2024-01-03T06:34:39Z) - A Bibliometric Analysis and Review on Reinforcement Learning for
Transportation Applications [43.356096302298056]
交通は経済と都市の発展のバックボーンである。
自律的な意思決定者が複雑な環境と対話できるようにする強化学習(RL)。
本稿では, 交通用RL法の開発状況を明らかにするために, 文献分析を行った。
論文 参考訳(メタデータ) (2022-10-26T07:34:51Z) - Multimodal urban mobility and multilayer transport networks [0.0]
自転車道からバスや鉄道まで、交通網が都市移動のバックボーンとなっている。
マルチモーダルトランスポートシステムは、異なるトランスポートモードに関連するネットワークを独立して考慮しないマルチレイヤネットワークとして記述することができる。
現代都市におけるマルチモダリティの重要性にもかかわらず、このトピックの統一された見解は現在欠落している。
論文 参考訳(メタデータ) (2021-11-03T11:40:30Z) - Multimodal Learning using Optimal Transport for Sarcasm and Humor
Detection [76.62550719834722]
会話ビデオと画像テキストのペアからマルチモーダルサルカズムとユーモアを検出する。
本稿では,モーダル内対応を利用したマルチモーダル学習システム MuLOT を提案する。
3つのベンチマークデータセット上で,マルチモーダルサルカズムとユーモア検出のためのアプローチを検証した。
論文 参考訳(メタデータ) (2021-10-21T07:51:56Z) - A Real-Time Energy and Cost Efficient Vehicle Route Assignment Neural
Recommender System [0.0]
本稿では,エネルギーとコストの基準に基づいて車両をルートに割り当てるニューラルネットワークレコメンデータシステムを提案する。
我々は、与えられた経路上での様々な候補車両のエネルギー消費量を効率的に推定するために、機械学習に基づくアプローチを採用する。
完全なレコメンデーションロジックが開発され、各ルートに対してリアルタイムに最適な割り当てが可能になる。
論文 参考訳(メタデータ) (2021-10-21T04:17:35Z) - Optimal transport in multilayer networks [68.8204255655161]
本稿では,各層上の最適フローが,コストの最小化に寄与するモデルを提案する。
アプリケーションとして,各層が異なる輸送システムに関連付けられている交通ネットワークを考察する。
この結果の例をボルドー市とバスと路面電車の2層ネットワークで示し、ある状況下では路面電車網の存在が道路網の交通を著しく覆い隠している。
論文 参考訳(メタデータ) (2021-06-14T07:33:09Z) - Estimating the Robustness of Public Transport Systems Using Machine
Learning [62.997667081978825]
公共交通機関の計画は、多くのステップを含む非常に複雑なプロセスである。
乗客の観点からの堅牢性の統合により、作業はさらに困難になる。
本稿では,機械学習の手法を用いたシナリオベースロバストネス近似の新しい手法を提案する。
論文 参考訳(メタデータ) (2021-06-10T05:52:56Z)
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。