論文の概要: Simulation study on the fleet performance of shared autonomous bicycles
- arxiv url: http://arxiv.org/abs/2106.09694v2
- Date: Mon, 21 Jun 2021 15:07:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-26 10:39:48.737265
- Title: Simulation study on the fleet performance of shared autonomous bicycles
- Title（参考訳）: 共有自律自転車のフリート性能に関するシミュレーション研究
- Authors: Naroa Coretti S\'anchez, I\~nigo Martinez, Luis Alonso Pastor, Kent
Larson
- Abstract要約: 自律的な自転車シェアリングシステムは、自動車シェアリング、電気化、自律化、マイクロモビリティを組み合わせたものだ。
自律性がフリートのパフォーマンスとユーザエクスペリエンスに与える影響を定量化する必要がある。
本稿では,自律型自転車共有システムのフリート挙動を詳細に把握したアドホックエージェントベースシミュレータを提案する。
- 参考スコア（独自算出の注目度）: 2.8511319162856674
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Rethinking cities is now more imperative than ever, as society faces global
challenges such as population growth and climate change. The design of cities
can not be abstracted from the design of its mobility system, and, therefore,
efficient solutions must be found to transport people and goods throughout the
city in an ecological way. An autonomous bicycle-sharing system would combine
the most relevant benefits of vehicle sharing, electrification, autonomy, and
micro-mobility, increasing the efficiency and convenience of bicycle-sharing
systems and incentivizing more people to bike and enjoy their cities in an
environmentally friendly way. Due to the uniqueness and radical novelty of
introducing autonomous driving technology into bicycle-sharing systems and the
inherent complexity of these systems, there is a need to quantify the potential
impact of autonomy on fleet performance and user experience. This paper
presents an ad-hoc agent-based simulator that provides an in-depth
understanding of the fleet behavior of autonomous bicycle-sharing systems in
realistic scenarios, including a rebalancing system based on demand prediction.
In addition, this work describes the impact of different parameters on system
efficiency and service quality and quantifies the extent to which an autonomous
system would outperform current bicycle-sharing schemes. The obtained results
show that with a fleet size three and a half times smaller than a station-based
system and eight times smaller than a dockless system, an autonomous system can
provide overall improved performance and user experience even with no
rebalancing. These findings indicate that the remarkable efficiency of an
autonomous bicycle-sharing system could compensate for the additional cost of
autonomous bicycles.
- Abstract（参考訳）: 社会が人口増加や気候変動といった世界的な課題に直面しているため、都市の再検討はかつてないほど重要になっている。
都市の設計はモビリティシステムの設計から抽象化することはできないため、効率的なソリューションが都市中の人々や商品を生態学的に輸送するために見出さなければならない。
自動運転自転車シェアリングシステムは、車両のシェアリング、電化、自律性、およびマイクロモビリティの最も関連する利点を結合し、自転車シェアリングシステムの効率と利便性を高め、より多くの人が自転車にインセンティブを与え、環境にやさしい方法で都市を楽しむ。
自転車シェアリングシステムに自動運転技術を導入することの特異性と急進的な新しさと、これらのシステムの固有の複雑さのため、自律性が艦隊のパフォーマンスとユーザエクスペリエンスに与える影響を定量化する必要がある。
本稿では,需要予測に基づくリバランスシステムを含む,現実的なシナリオにおける自律型自転車シェアリングシステムのフリート行動の深い理解を提供する,アドホックエージェントベースのシミュレータを提案する。
さらに,本研究では,異なるパラメータがシステム効率やサービス品質に与える影響を記述し,自律システムが現在の自転車シェアリング方式に勝る程度を定量化する。
その結果、ステーションベースシステムより3倍半小さく、ドックレスシステムより8倍小さい車体サイズを持つ自律システムは、再バランスを伴わずとも全体的な性能向上とユーザエクスペリエンスを提供することができることがわかった。
これらの結果は、自律自転車シェアリングシステムの顕著な効率が、自律自転車の追加コストを補う可能性を示唆している。
関連論文リスト
- Multiscale spatiotemporal heterogeneity analysis of bike-sharing system's self-loop phenomenon: Evidence from Shanghai [8.946633693774283]
本研究では,空間的自己回帰モデルと二重機械学習フレームワークを用いたマルチスケール解析を行う。
その結果,自転車シェアリングの自己ループ強度は道路規模で空間ラグ効果が顕著であることがわかった。
自転車シェアリングの連携を強化するため,地下鉄の利用率が高く,バスの運行率も低い地域での自転車利用率の向上を提唱する。
論文 参考訳（メタデータ） (2024-11-26T16:18:38Z) - Learning Robust Autonomous Navigation and Locomotion for Wheeled-Legged Robots [50.02055068660255]
都市環境のナビゲーションは、ロボットにとってユニークな課題であり、移動とナビゲーションのための革新的なソリューションを必要としている。
本研究は, 適応移動制御, 移動対応ローカルナビゲーション計画, 市内の大規模経路計画を含む, 完全に統合されたシステムを導入する。
モデルフリー強化学習(RL)技術と特権学習を用いて,多目的移動制御系を開発した。
私たちのコントローラーは大規模な都市航法システムに統合され、スイスのチューリッヒとスペインのセビリアで自律的、キロメートル規模の航法ミッションによって検証されます。
論文 参考訳（メタデータ） (2024-05-03T00:29:20Z) - Bike3S: A Tool for Bike Sharing Systems Simulation [2.1778360174438047]
Bike3Sは、ステーションベースの自転車共有システムのシミュレータである。
自転車共有システムの動作を半現実的にシミュレーションする。
論文 参考訳（メタデータ） (2024-01-24T17:33:40Z) - Smart Recommendations for Renting Bikes in Bike Sharing Systems [1.5115914900997285]
自動車シェアリングシステムは近年、大都市で人気が高まっている。
それらの利点の1つは、例えば、市内のほぼどこでも車両を運べる(または出発する)可能性である。
規制緩和の問題 — 使用パターンのため、利用可能な車両は特定のエリアに集中しているが、他の地域では利用できない — は、このようなシステムでは極めて一般的である。
本稿では, 自転車の貸出・返却を希望する利用者に対して, 駅を推薦する戦略を提示し, 比較する。
論文 参考訳（メタデータ） (2024-01-22T19:29:33Z) - Generative AI-empowered Simulation for Autonomous Driving in Vehicular
Mixed Reality Metaverses [130.15554653948897]
車両混合現実(MR)メタバースでは、物理的実体と仮想実体の間の距離を克服することができる。
現実的なデータ収集と物理世界からの融合による大規模交通・運転シミュレーションは困難かつコストがかかる。
生成AIを利用して、無制限の条件付きトラフィックを合成し、シミュレーションでデータを駆動する自律運転アーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-02-16T16:54:10Z) - Learning-based Online Optimization for Autonomous Mobility-on-Demand
Fleet Control [8.020856741504794]
自律移動オンデマンドシステムのためのオンライン制御アルゴリズムについて検討する。
我々は、オンラインディスパッチとリバランスポリシーを学習する、新しいハイブリッド強化機械学習パイプラインを開発した。
提案手法は,最先端の欲求とモデル予測制御のアプローチより優れていることを示す。
論文 参考訳（メタデータ） (2023-02-08T09:40:30Z) - Learning energy-efficient driving behaviors by imitating experts [75.12960180185105]
本稿では,コミュニケーション・センシングにおける制御戦略と現実的限界のギャップを埋める上で,模倣学習が果たす役割について考察する。
擬似学習は、車両の5%に採用されれば、局地的な観測のみを用いて、交通条件の異なるネットワークのエネルギー効率を15%向上させる政策を導出できることを示す。
論文 参考訳（メタデータ） (2022-06-28T17:08:31Z) - Sociotechnical Specification for the Broader Impacts of Autonomous
Vehicles [10.08754310662559]
自動運転車(AV)は社会に変革をもたらすだろう。
AVの個人行動とトラフィック全体のフローの両方を制御する能力は、AVがこれらの効果を制御できるようにする新しい余裕を提供する。
本稿では,交通システムの本質的特徴をAV開発の範囲外と区別する必要性を社会技術仕様の問題点として提示する。
論文 参考訳（メタデータ） (2022-05-15T23:03:43Z) - 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) - Efficiency, Fairness, and Stability in Non-Commercial Peer-to-Peer
Ridesharing [84.47891614815325]
本稿は、P2Pライドシェアリングにおける中核的な問題である、ライダーとドライバーのマッチングに焦点を当てる。
P2Pライドシェアリングにおける公平性と安定性の新たな概念を紹介する。
結果は、妥当な計算時間で、公平で安定した解が得られることを示唆している。
論文 参考訳（メタデータ） (2021-10-04T02:14:49Z) - 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)
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。