論文の概要: Weak Signals in the Mobility Landscape: Car Sharing in Ten European
Cities
- arxiv url: http://arxiv.org/abs/2109.09832v1
- Date: Mon, 20 Sep 2021 20:37:25 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-23 02:30:48.136754
- Title: Weak Signals in the Mobility Landscape: Car Sharing in Ten European
Cities
- Title(参考訳): モビリティ・ランドスケープにおける弱いシグナル--欧州10都市におけるカーシェアリング
- Authors: Chiara Boldrini, Raffaele Bruno, Haitam Laarabi
- Abstract要約: 当社は、欧州10都市における車両利用率に関するウェブベースのデジタル記録を、主要なアクティブカーシェアリングオペレーターの1つとして使用しています。
カーシェアリング需要の変動と社会デマトグラフィー・都市活動指標の関連について論じる。
- 参考スコア(独自算出の注目度): 0.6875312133832077
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Car sharing is one the pillars of a smart transportation infrastructure, as
it is expected to reduce traffic congestion, parking demands and pollution in
our cities. From the point of view of demand modelling, car sharing is a weak
signal in the city landscape: only a small percentage of the population uses
it, and thus it is difficult to study reliably with traditional techniques such
as households travel diaries. In this work, we depart from these traditional
approaches and we leverage web-based, digital records about vehicle
availability in 10 European cities for one of the major active car sharing
operators. We discuss which sociodemographic and urban activity indicators are
associated with variations in car sharing demand, which forecasting approach
(among the most popular in the related literature) is better suited to predict
pickup and drop-off events, and how the spatio-temporal information about
vehicle availability can be used to infer how different zones in a city are
used by customers. We conclude the paper by presenting a direct application of
the analysis of the dataset, aimed at identifying where to locate maintenance
facilities within the car sharing operation area.
- Abstract(参考訳): 自動車のシェアリングはスマートな交通インフラの柱の一つであり、交通渋滞や駐車需要、都市汚染を減らすことが期待されている。
需要モデリングの観点からは、カーシェアリングは都市の景観において弱いシグナルであり、人口のごく一部しか利用していないため、家庭旅行日記のような伝統的な手法で確実に研究することは困難である。
本研究では、これらの従来のアプローチから離れ、主要なアクティブカーシェアリングオペレーターの1つとして、欧州10都市における車両利用率に関するWebベースのデジタル記録を活用する。
社会デモグラフィと都市活動指標がカーシェアリング需要の変動にどのような関連があるか,その予測手法(関連する文献でもっとも一般的なもの)がピックアップとドロップオフのイベントの予測に適しているか,また,都市内の異なるゾーンがどのように使われているかを予測するために,車両の可用性に関する時空間的情報をどのように利用できるか,について検討する。
本論文は,カーシェアリング作業エリア内の保守施設の場所を特定することを目的とした,データセット分析の直接的な応用について述べる。
関連論文リスト
- Trip Planning for Autonomous Vehicles with Wireless Data Transfer Needs
Using Reinforcement Learning [7.23389716633927]
車両データ転送要求を満たすために,高帯域道路を優先する新しい強化学習ソリューションを提案する。
我々は、この手法をトラフィックを意識しないベースラインや帯域幅を意識しないベースラインと比較し、不均一なトラフィック下での処理性能を示す。
論文 参考訳(メタデータ) (2023-09-21T23:19:16Z) - A Machine-Learned Ranking Algorithm for Dynamic and Personalised Car
Pooling Services [7.476901945542385]
カープールサービスのレコメンデーションシステムであるGoTogetherを提案する。
GoTogetherは、提案された試合の成功率を最大化するために、推奨乗車数のリストを構築している。
提案手法の性能をテストするために,Twitter や Foursquare の情報源から得られた実データを利用する。
論文 参考訳(メタデータ) (2023-07-06T09:25:38Z) - Meta-Learning over Time for Destination Prediction Tasks [53.12827614887103]
交通分野における公共目的と民間目標の両方を、車両の行動を理解し、予測する必要がある。
近年の研究では、時間情報の導入による予測性能の限界改善しか見出されていない。
本稿では、ニューラルネットワークが入力に応じて自身の重みを変えることを学習するハイパーネットワークに基づくアプローチを提案する。
論文 参考訳(メタデータ) (2022-06-29T17:58:12Z) - 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) - Explainable, automated urban interventions to improve pedestrian and
vehicle safety [0.8620335948752805]
本稿では,歩行者や車両の安全性にアプローチするために,公共データソース,大規模街路画像,コンピュータビジョン技術を組み合わせる。
このパイプラインに関わるステップには、各都市シーンのハザード指標を決定するために、残留畳み込みニューラルネットワークの適応とトレーニングが含まれる。
この計算手法の結果は、都市全体の危険レベルの詳細なマップであり、歩行者と車両の安全性を同時に改善する可能性がある。
論文 参考訳(メタデータ) (2021-10-22T09:17:39Z) - 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) - End-to-End Intersection Handling using Multi-Agent Deep Reinforcement
Learning [63.56464608571663]
交差点をナビゲートすることは、自動運転車にとって大きな課題の1つです。
本研究では,交通標識のみが提供された交差点をナビゲート可能なシステムの実装に着目する。
本研究では,時間ステップ毎に加速度と操舵角を予測するためのニューラルネットワークの訓練に用いる,モデルフリーの連続学習アルゴリズムを用いたマルチエージェントシステムを提案する。
論文 参考訳(メタデータ) (2021-04-28T07:54:40Z) - Urban Sensing based on Mobile Phone Data: Approaches, Applications and
Challenges [67.71975391801257]
モバイルデータ分析における多くの関心は、人間とその行動に関連している。
本研究の目的は,携帯電話データから知識を発見するために実装された手法や手法をレビューすることである。
論文 参考訳(メタデータ) (2020-08-29T15:14:03Z) - K-Prototype Segmentation Analysis on Large-scale Ridesourcing Trip Data [0.0]
本研究は、シカゴの公共配車データのシティアルゴリズムを用いて、モビリティの出現パターンについて検討する。
目的は、配車サービスのパトロンの体系的なバリエーションを調べることである。
悪天候条件に関する重要な相違点から,6種類の配車プロトタイプを同定し,検討した。
論文 参考訳(メタデータ) (2020-06-24T17:53:26Z) - Smart Urban Mobility: When Mobility Systems Meet Smart Data [55.456196356335745]
都市人口は都市部で約25億人に達し、道路交通量は2050年までに12億台を超えた。
輸送部門の経済貢献は欧州のGDPの5%を占め、アメリカでは平均482.05億ドルの費用がかかる。
論文 参考訳(メタデータ) (2020-05-09T13:53:01Z) - Traffic Modelling and Prediction via Symbolic Regression on Road Sensor
Data [0.8602553195689513]
本稿では,ラグ演算子により強化されたシンボル回帰に基づく,新しいかつ正確な交通流予測手法を提案する。
提案手法は都市道路の複雑度に適したロバストモデルであり,高速道路よりも予測が困難である。
論文 参考訳(メタデータ) (2020-02-14T16:03:04Z)
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。