論文の概要: Clairvoyance: Intelligent Route Planning for Electric Buses Based on Urban Big Data

• arxiv url: http://arxiv.org/abs/2112.04682v1
• Date: Thu, 9 Dec 2021 03:35:22 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-10 15:30:26.893431
• Title: Clairvoyance: Intelligent Route Planning for Electric Buses Based on Urban Big Data
• Title（参考訳）: 都市ビッグデータに基づく電気バスの知的経路計画
• Authors: Xiangyong Lu, Kaoru Ota, Mianxiong Dong, Chen Yu, and Hai Jin
• Abstract要約: 本稿では,深層ニューラルネットワークと多層パーセプトロンを利用した経路計画システムであるClairvoyanceを提案する。 我々は,中国周海市における実世界のデータソースに関する広範な実験を通じて,我々のアプローチを評価した。
• 参考スコア（独自算出の注目度）: 23.316569763678455
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Nowadays many cities around the world have introduced electric buses to optimize urban traffic and reduce local carbon emissions. In order to cut carbon emissions and maximize the utility of electric buses, it is important to choose suitable routes for them. Traditionally, route selection is on the basis of dedicated surveys, which are costly in time and labor. In this paper, we mainly focus attention on planning electric bus routes intelligently, depending on the unique needs of each region throughout the city. We propose Clairvoyance, a route planning system that leverages a deep neural network and a multilayer perceptron to predict the future people's trips and the future transportation carbon emission in the whole city, respectively. Given the future information of people's trips and transportation carbon emission, we utilize a greedy mechanism to recommend bus routes for electric buses that will depart in an ideal state. Furthermore, representative features of the two neural networks are extracted from the heterogeneous urban datasets. We evaluate our approach through extensive experiments on real-world data sources in Zhuhai, China. The results show that our designed neural network-based algorithms are consistently superior to the typical baselines. Additionally, the recommended routes for electric buses are helpful in reducing the peak value of carbon emissions and making full use of electric buses in the city.
• Abstract（参考訳）: 現在、世界中の多くの都市が都市交通を最適化し、地域の二酸化炭素排出量を減らすために電気バスを導入している。 二酸化炭素排出量を削減し、電気バスの有効性を最大化するためには、適切な経路を選択することが重要である。 伝統的に、ルート選択は時間と労働のコストがかかる専用の調査に基づいて行われる。 そこで,本稿では,各地域の特有なニーズに応じて,電気バス路線をインテリジェントに計画することに着目した。 本研究では,深層ニューラルネットワークと多層パーセプトロンを併用した経路計画システムであるclairvoyanceを提案する。 人々の旅行や輸送炭素排出量の今後の情報を考えると、理想的な状況で出発する電気バスのバス路線を推奨するために、欲張りのメカニズムを利用する。 さらに、異種都市データセットから2つのニューラルネットワークの代表的特徴を抽出する。 提案手法は,中国の朱海における実世界のデータソースに関する広範囲な実験を通じて評価する。 その結果,ニューラルネットワークに基づくアルゴリズムは,従来のベースラインよりも一貫して優れていることがわかった。 さらに、電気バスの推奨経路は、二酸化炭素排出量のピーク値の低減と、市内の電気バスのフル活用に役立っている。

関連論文リスト

• Fair Railway Network Design [10.044230726002153]
  ある国では、すべての住民の旅行時間の総和を最小化したいかもしれない。 これは純粋に実用主義的な見解に対応しており、公平性を考慮しない。 一方、より平等主義的な見方では、一部の人々は中心都市を通り抜けることなく周辺都市を旅することができる。
  論文  参考訳（メタデータ） (2024-09-03T12:13:05Z)
• Traffic Smoothing Controllers for Autonomous Vehicles Using Deep Reinforcement Learning and Real-World Trajectory Data [45.13152172664334]
  我々は、自動運転車に展開できる交通平滑なクルーズコントローラーを設計する。 我々はテネシー州のI-24ハイウェイの実際の軌跡データを活用している。 その結果、低4%の自律走行車侵入速度で、多くの停止・停止波を示す軌道上で15%以上の燃料を節約できることが判明した。
  論文  参考訳（メタデータ） (2024-01-18T00:50:41Z)
• Valuation of Public Bus Electrification with Open Data [1.2740654484866891]
  本研究は、オープンソースのデータに基づいて、世界中の都市を対象に、公共交通バスの電気化の経済的、環境的、社会的価値を推定する新しい枠組みを提供する。 物理インフォームド機械学習モデルを構築し,エネルギー消費量,二酸化炭素排出量,健康影響,輸送経路の総所有コストを評価する。
  論文  参考訳（メタデータ） (2022-09-25T00:02:23Z)
• An Experimental Urban Case Study with Various Data Sources and a Model for Traffic Estimation [65.28133251370055]
  我々はスイスのチューリッヒの都市ネットワーク内の地域でビデオ計測による実験キャンペーンを組織した。 我々は,既存のサーマルカメラからの測定を確実にすることで,交通の流れや走行時間の観点からの交通状況の把握に注力する。 本稿では,様々なデータソースの融合による移動時間を推定するために,単純かつ効率的な多重線形回帰(MLR)モデルを提案する。
  論文  参考訳（メタデータ） (2021-08-02T08:13:57Z)
• End-to-end Interpretable Neural Motion Planner [78.69295676456085]
  複雑な都市環境での自律走行学習のためのニューラルモーションプランナー(NMP)を提案する。 我々は,生lidarデータとhdマップを入力とし,解釈可能な中間表現を生成する全体モデルを設計した。 北米のいくつかの都市で収集された実世界の運転データにおける我々のアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2021-01-17T14:16:12Z)
• Design and Evaluation of Electric Bus Systems for Metropolitan Cities [0.0]
  従来のディーゼルバスから電気バスへのシフトには、地域汚染、騒音、燃料消費の削減という面でいくつかの利点がある。 本稿では,電気バスを設計するための総合的な方法論を提供する車両技術,パワートレイン,充電システムを提案する。
  論文  参考訳（メタデータ） (2020-10-26T12:49:35Z)
• Polestar: An Intelligent, Efficient and National-Wide Public Transportation Routing Engine [43.09401975244128]
  Polestarは、インテリジェントで効率的な公共交通機関ルーティングのためのデータ駆動型エンジンである。 具体的には,交通費の異なる公共交通機関をモデル化するための新しい公共交通グラフ(PTG)を提案する。 次に、効率的な経路候補生成のための効率的な局結合法と組み合わせた一般経路探索アルゴリズムを提案する。 2つの実世界のデータセットの実験は、効率性と有効性の両方の観点からPoestarの利点を実証している。
  論文  参考訳（メタデータ） (2020-07-11T05:14:52Z)
• 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)
• Data-Driven Prediction of Route-Level Energy Use for Mixed-Vehicle Transit Fleets [7.2775693810940565]
  公共交通機関は電気自動車(EV)による燃費削減を目指している EVの先行コストが高いため、ほとんどの機関は内燃機関と電気自動車の混成車しか手に入らない。 混合車両輸送車両における経路レベルのエネルギー利用に関するデータ駆動予測のための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2020-04-10T16:31:10Z)

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。