論文の概要: Simulating the Effects of Eco-Friendly Transportation Selections for Air Pollution Reduction

• arxiv url: http://arxiv.org/abs/2109.04831v2
• Date: Tue, 14 Sep 2021 00:16:32 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-15 12:53:49.682899
• Title: Simulating the Effects of Eco-Friendly Transportation Selections for Air Pollution Reduction
• Title（参考訳）: 環境にやさしい交通選択による大気汚染低減効果のシミュレーション
• Authors: Keiichi Ochiai, Tsukasa Demizu, Shin Ishiguro, Shohei Maruyama, Akihiro Kawana
• Abstract要約: 地図検索ログを用いて,エコフレンドリーな輸送モード選択の有効性をシミュレートし,大気汚染を低減する手法を提案する。 CO2排出量の総量は9.23%削減できるが、実際の平均走行時間は9.96%削減できる。
• 参考スコア（独自算出の注目度）: 1.9968351444772683
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reducing air pollution, such as CO2 and PM2.5 emissions, is one of the most important issues for many countries worldwide. Selecting an environmentally friendly transport mode can be an effective approach of individuals to reduce air pollution in daily life. In this study, we propose a method to simulate the effectiveness of an eco-friendly transport mode selection for reducing air pollution by using map search logs. We formulate the transport mode selection as a combinatorial optimization problem with the constraints regarding the total amount of CO2 emissions as an example of air pollution and the average travel time. The optimization results show that the total amount of CO2 emissions can be reduced by 9.23%, whereas the average travel time can in fact be reduced by 9.96%. Our research proposal won first prize in Regular Machine Learning Competition Track Task 2 at KDD Cup 2019.
• Abstract（参考訳）: CO2やPM2.5といった大気汚染の削減は、世界中の多くの国で最も重要な問題の一つである。 環境にやさしい輸送モードを選択することは、個人の日常生活における大気汚染を減らすための効果的なアプローチである。 本研究では,地図検索ログを用いて,エコフレンドリーな輸送モード選択による大気汚染低減効果をシミュレートする手法を提案する。 交通モードの選択を,大気汚染と平均走行時間の例としてco2排出量の総量に関する制約を伴い,組合せ最適化問題として定式化する。 最適化の結果、CO2排出量の総量は9.23%削減できるのに対し、平均走行時間は9.96%削減できることがわかった。 私たちの研究提案は、KDD Cup 2019で、正規機械学習コンペティショントラックタスク2で優勝しました。

関連論文リスト

• Mitigating Metropolitan Carbon Emissions with Dynamic Eco-driving at Scale [3.5052652317043846]
  我々は、二酸化炭素排出量を減らす新たな機会として、半自律車の採用の増加を考えています。 交通シナリオと車両排出の複雑さにより、包括的影響分析は手に入らなかった。 我々は,米国三大都市を横断する信号化交差点6,011箇所で,ダイナミックエコドライブの詳細な影響評価を行う。
  論文  参考訳（メタデータ） (2024-08-10T18:23:59Z)
• Generative AI for Low-Carbon Artificial Intelligence of Things with Large Language Models [67.0243099823109]
  ジェネレーティブAI(GAI)は、AIoT(Artificial Intelligence of Things)の二酸化炭素排出量を減らす大きな可能性を秘めている 本稿では, 炭素排出量削減のためのGAIの可能性について検討し, 低炭素AIoTのための新しいGAI対応ソリューションを提案する。 本稿では,Large Language Model (LLM) を利用したCO_2排出最適化フレームワークを提案し,このフレームワークにより,プラグ可能なLLMとRetrieval Augmented Generation (RAG) モジュールを設計する。
  論文  参考訳（メタデータ） (2024-04-28T05:46:28Z)
• Airport take-off and landing optimization through genetic algorithms [55.2480439325792]
  本研究は, 航空機の運転における汚染問題に対処し, ゲート割り当てと滑走路スケジューリングを同時に最適化することに焦点を当てた。 本研究は,航空機の離陸・着陸時の燃料燃焼による汚染を最小化するための,革新的な遺伝的アルゴリズムに基づく手法を提案する。
  論文  参考訳（メタデータ） (2024-02-29T14:53:55Z)
• Deep Reinforcement Learning-based Intelligent Traffic Signal Controls with Optimized CO2 emissions [6.851243292023835]
  交通ネットワークは、人間の健康や環境に悪影響を及ぼし、交通渋滞に寄与する準最適制御政策の課題に直面している。 文献における適応的な信号制御装置はいくつかあるが、それらの比較性能について限定的な研究がなされている。 EcoLightは,CO2排出量を削減するだけでなく,旅行時間などの指標で競合する結果が得られる強化学習アルゴリズムの報酬形成手法である。
  論文  参考訳（メタデータ） (2023-10-19T19:54:47Z)
• City-scale Pollution Aware Traffic Routing by Sampling Max Flows using MCMC [8.301939401602233]
  大気汚染の長期曝露は深刻な健康問題を引き起こす可能性がある。 我々は,多様なサンプルを用いて汚染に配慮した交通経路ポリシーを設計し,実世界の道路地図上での交通をシミュレーションする。 世界の大都市の地図を他の手法と比較すると, 大気汚染の激しい地域では, かなりの減少が見られた。
  論文  参考訳（メタデータ） (2023-02-28T09:40:37Z)
• Counting Carbon: A Survey of Factors Influencing the Emissions of Machine Learning [77.62876532784759]
  機械学習(ML)は、モデルトレーニングプロセス中に計算を実行するためにエネルギーを使用する必要がある。 このエネルギーの生成には、使用量やエネルギー源によって、温室効果ガスの排出という観点からの環境コストが伴う。 本稿では,自然言語処理とコンピュータビジョンにおいて,95のMLモデルの炭素排出量の時間的および異なるタスクに関する調査を行う。
  論文  参考訳（メタデータ） (2023-02-16T18:35:00Z)
• Multi-scale Digital Twin: Developing a fast and physics-informed surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
  気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。 U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。 並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
  論文  参考訳（メタデータ） (2022-11-20T06:46:35Z)
• Revealing the real-world CO2 emission reduction of ridesplitting and its determinants based on machine learning [12.864925081071684]
  本研究では,共有乗用車(ライドスプリット)のCO2排出量と代用単乗用車(レギュラーライドソーシング)を算出し,各乗用車走行のCO2排出量削減を推定する。 その結果、すべてのライドプリットトリップが、現実世界のライドソーシングから排出される排出を減少させるわけではないことがわかった。
  論文  参考訳（メタデータ） (2022-04-02T06:25:48Z)
• Modelling the transition to a low-carbon energy supply [91.3755431537592]
  気候変動の影響を制限するため、低炭素電力供給への移行が不可欠である。 二酸化炭素排出量の削減は、世界がピーク点に達するのを防ぐのに役立ちます。 排気ガスの排出は、世界中の気象条件の極端に繋がる可能性がある。
  論文  参考訳（メタデータ） (2021-09-25T12:37:05Z)
• Optimizing carbon tax for decentralized electricity markets using an agent-based model [69.3939291118954]
  人為的気候変動の影響を避けるためには、化石燃料から低炭素技術への移行が必要である。 炭素税は、この移行を支援する効率的な方法であることが示されている。 NSGA-IIの遺伝的アルゴリズムを用いて、電力混合の平均電気価格と相対炭素強度を最小化する。
  論文  参考訳（メタデータ） (2020-05-28T06:54:43Z)
• HazeDose: Design and Analysis of a Personal Air Pollution Inhaled Dose Estimation System using Wearable Sensors [6.284628903370058]
  我々はこのパラダイムを、個人の大気汚染をパーソナライズするHazeDoseシステムに拡張する。 ユーザはモバイルアプリケーションを通じて、パーソナライズされた大気汚染の暴露情報を視覚化できる。 1つのアルゴリズムは、代替ルートシナリオの実行時間と量削減のバランスをとるために導入された。
  論文  参考訳（メタデータ） (2020-05-28T02:35:13Z)

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。