論文の概要: Dynamic Price of Parking Service based on Deep Learning
- arxiv url: http://arxiv.org/abs/2201.04188v1
- Date: Tue, 11 Jan 2022 20:31:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-13 23:07:37.255486
- Title: Dynamic Price of Parking Service based on Deep Learning
- Title(参考訳): ディープラーニングに基づく駐車場サービスの動的価格設定
- Authors: Alejandro Luque-Cerpa, Miguel A. Guti\'errez-Naranjo, Miguel
C\'ardenas-Montes
- Abstract要約: 都市部における空気質の向上は、公共団体の主な関心事の一つである。
この懸念は、大気の質と公衆衛生の間の証拠から生じる。
規制された駐車場サービスにおける動的価格の提案について述べる。
- 参考スコア(独自算出の注目度): 68.8204255655161
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The improvement of air-quality in urban areas is one of the main concerns of
public government bodies. This concern emerges from the evidence between the
air quality and the public health. Major efforts from government bodies in this
area include monitoring and forecasting systems, banning more pollutant motor
vehicles, and traffic limitations during the periods of low-quality air. In
this work, a proposal for dynamic prices in regulated parking services is
presented. The dynamic prices in parking service must discourage motor vehicles
parking when low-quality episodes are predicted. For this purpose, diverse deep
learning strategies are evaluated. They have in common the use of collective
air-quality measurements for forecasting labels about air quality in the city.
The proposal is evaluated by using economic parameters and deep learning
quality criteria at Madrid (Spain).
- Abstract(参考訳): 都市における空気質の向上は公共団体の主要な関心事の一つである。
この懸念は、空気質と公衆衛生の間の証拠から生じている。
この地域の政府機関の主な取り組みは、監視と予測システム、汚染された自動車の禁止、低品質空気の期間の交通制限などである。
本研究は,規制駐車場サービスにおける動的価格設定の提案である。
駐車場サービスの動的な価格は、低品質のエピソードが予測されたときに自動車の駐車を妨げなければならない。
この目的のために、多様なディープラーニング戦略を評価する。
彼らは共通して、市内の空気品質に関するラベルを予測するために、集合的空気品質測定を使用する。
本提案はマドリード(spain)の経済パラメータと深層学習品質基準を用いて評価される。
関連論文リスト
- QoS prediction in radio vehicular environments via prior user
information [54.853542701389074]
セルラーテストネットワークから収集したデータを用いて,時間帯を予測するためのMLツリーアンサンブル手法の評価を行った。
具体的には、先行車両の情報を含め、無線環境から得られる測定値の相関を利用して、目標車両の予測を強化する。
論文 参考訳(メタデータ) (2024-02-27T17:05:41Z) - Truck Parking Usage Prediction with Decomposed Graph Neural Networks [16.20279799290392]
本稿では、地域時間グラフニューラルネットワーク(RegT-GCN)を、州全体での駐車状況を評価するための予測フレームワークとして提示する。
このフレームワークは、トラックの駐車場所分布と歴史的駐車データのトポロジカルな構造を利用して、州全体での占有率を予測する。
評価結果は,提案モデルが他のベースラインモデルを上回る結果となり,元のモデルと比較して20%以上性能が向上したことを示している。
論文 参考訳(メタデータ) (2024-01-23T17:14:01Z) - Autonomous and Human-Driven Vehicles Interacting in a Roundabout: A
Quantitative and Qualitative Evaluation [34.67306374722473]
我々は,イタリア・ミラノのラウンドアバウンドにおいて,交通渋滞を最小限に抑え,汚染を最小限に抑える政策を学ぶ。
最先端のコックピットを用いて学習方針を定性的に評価し,実世界に近い環境下での性能を評価する。
以上の結果から,ヒト駆動車両はAVの動態を最適化することの利点が示唆された。
論文 参考訳(メタデータ) (2023-09-15T09:02:16Z) - AirFormer: Predicting Nationwide Air Quality in China with Transformers [43.48965814702661]
AirFormerは中国全国の空気質を総合的に予測する新しいトランスフォーマーアーキテクチャである。
AirFormerは72時間の予測で予測エラーを5%削減する。
論文 参考訳(メタデータ) (2022-11-29T07:22:49Z) - (Private)-Retroactive Carbon Pricing [(P)ReCaP]: A Market-based Approach
for Climate Finance and Risk Assessment [64.83786252406105]
Retrospective Social Cost of Carbon Updating (ReSCCU) は、実験的に測定された証拠を収集して制限を補正する新しいメカニズムである。
炭素税の文脈でReSCCUを実装するために,Retroactive Carbon Pricing (ReCaP)を提案する。
組織的リスクを緩和し、政府の関与を最小限に抑えるため、我々はPrivate ReCaP(Private ReCaP)予測市場を導入する。
論文 参考訳(メタデータ) (2022-05-02T06:02:13Z) - Driver Side and Traffic Based Evaluation Model for On-Street Parking
Solutions [6.207356598775391]
本稿では,運転者側と交通情報に基づく評価モデル(DSTBM)を開発する。
異なる駐車ソリューションに対する一般的な評価スキームを提供する。
固定センシングと移動センシングという2つの一般的な駐車検知手法を解析した。
論文 参考訳(メタデータ) (2022-03-26T03:00:23Z) - HighAir: A Hierarchical Graph Neural Network-Based Air Quality
Forecasting Method [8.86417830514213]
HighAirは階層型グラフニューラルネットワークに基づく空気質予測手法である。
都市レベルのグラフと駅レベルのグラフを階層的な観点から構築する。
ヤンツェ川デルタ都市群のデータセット上で、HighAirと最新の空気品質予測方法を比較します。
論文 参考訳(メタデータ) (2021-01-12T02:31:14Z) - SOCAIRE: Forecasting and Monitoring Urban Air Quality in Madrid [0.0]
本稿では,ニューラルネットワーク,統計モデル,ネストモデルに基づく運用ツールであるSOCAIREを提案する。
大気汚染の過去の濃度、人間の活動、数値汚染の推定、数値天気予報など、大気汚染に影響を及ぼす可能性のある各コンポーネントをモデル化することに焦点を当てている。
このツールは現在マドリードで運用されており、48時間にわたって毎日の空気の質を予測している。
論文 参考訳(メタデータ) (2020-11-19T09:39:10Z) - Multi-Agent Deep Reinforcement Learning for HVAC Control in Commercial
Buildings [38.326533494236266]
商業ビルでは、総電力の約40%-50%が暖房、換気、空調システムによるものである。
本稿では, ゾーンの占有, 熱的快適さ, 室内空気質の快適さをともなう動的価格の下で, マルチゾーンビルにおけるHVACシステムのエネルギーコストを最小化することを目的としている。
論文 参考訳(メタデータ) (2020-06-25T03:41:42Z) - AirRL: A Reinforcement Learning Approach to Urban Air Quality Inference [7.238981927352622]
都市大気汚染は公衆衛生を脅かす主要な環境問題となっている。
課題の1つは、空気質推論のためのいくつかの関連するステーションを効果的に選択する方法である。
都市大気質推定のための強化学習に基づく新しいモデルを提案する。
論文 参考訳(メタデータ) (2020-03-27T02:04:00Z)
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。