論文の概要: All one needs to know about shared micromobility simulation: a complete
survey
- arxiv url: http://arxiv.org/abs/2203.03707v1
- Date: Wed, 19 Jan 2022 07:46:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-28 10:04:32.471145
- Title: All one needs to know about shared micromobility simulation: a complete
survey
- Title(参考訳): マイクロモビリティーの共有シミュレーションについて知っておくべきことすべて
- Authors: Yixuan Liu and Yuhan Tang and Yati Liu
- Abstract要約: 共有マイクロモビリティが私たちの日常生活や環境の一部となるにつれ、ファースト・ラスト・マイル・トリップの低速モードの数が急速に増加すると予想している。
この成長により、共有マイクロモビリティーシミュレーションは、多くの1マイルとラストマイルの旅に対処するための有望な解決策と見なされる。
- 参考スコア(独自算出の注目度): 3.306288495787462
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As the shared micromobility becomes a part of our daily life and environment,
we expect the number of low-speed modes for first-and-last mile trips to grow
rapidly. The shared micomobility is expected to serve billions of humans,
bringing us considerable advantages. With this growth, shared micromobility
simulation such as docked stations based shared bikes, dockless shared bikes
and e-scooters, are regarded as promising solutions to deal with a large number
of first-and-last mile trips. In this paper, we first provide a comprehensive
overview of shared micromobility simulation and its related validation metrics.
Next, we classify the research topics of shared micromobility simulation,
summarize, and classify the existing works. Finally, challenges and future
directions are provided for further research.
- Abstract(参考訳): 共有マイクロモビリティーが私たちの日常生活や環境の一部となるにつれ、ファースト・ラスト・マイル・トリップの低速モードの数が急速に増加すると予想している。
共有された運動能力は何十億もの人間に役立ち、大きな利点をもたらすと期待されている。
この成長により、ドッキングステーションベースの共有自転車、ドッキングレス共有自転車、eスクーターなどの共有マイクロモビリティシミュレーションは、多くの最初のマイル旅行に対処するための有望な解決策と考えられている。
本稿では,まず,共有マイクロモビリティシミュレーションとその検証指標について概観する。
次に,共有マイクロモビリティシミュレーションの研究トピックを分類し,既存の作品を要約し,分類する。
最後に、さらなる研究のために課題と今後の方向性を提供する。
関連論文リスト
- TransportationGames: Benchmarking Transportation Knowledge of
(Multimodal) Large Language Models [46.862519898969325]
TransportationGamesは(M)LLMを評価するための評価ベンチマークである。
各種(M)LLMの性能を記憶し,理解し,選択したタスクによる交通知識の適用において検証する。
論文 参考訳(メタデータ) (2024-01-09T10:20:29Z) - ICN: Interactive Convolutional Network for Forecasting Travel Demand of
Shared Micromobility [5.6973480878880824]
本稿では,共有マイクロモビリティのための旅行需要を予測するための,対話型畳み込みネットワーク(ICN)というディープラーニングモデルを提案する。
提案手法はシカゴ, IL, オースチン, TXの2つの実世界のケーススタディに対して評価された。
論文 参考訳(メタデータ) (2023-06-24T08:08:04Z) - Learning Unseen Modality Interaction [54.23533023883659]
マルチモーダル学習は、すべてのモダリティの組み合わせが訓練中に利用でき、クロスモーダル対応を学ぶことを前提としている。
我々は、目に見えないモダリティ相互作用の問題を提起し、第1の解を導入する。
異なるモジュラリティの多次元的特徴を、豊富な情報を保存した共通空間に投影するモジュールを利用する。
論文 参考訳(メタデータ) (2023-06-22T10:53:10Z) - Are footpaths encroached by shared e-scooters? Spatio-temporal Analysis
of Micro-mobility Services [19.15684785810306]
我々は,e-scooterトリップに関連する空間的特徴と時間的特徴を解析する手法の組み合わせを用いる。
人口密度は最も重要な特徴であり、e-scooterの使用に肯定的に関連している。
その結果, 降水量よりも湿度の影響が重要であることがわかった。
論文 参考訳(メタデータ) (2023-04-18T04:27:56Z) - 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) - Multi-queue Momentum Contrast for Microvideo-Product Retrieval [57.527227171945796]
マルチモーダルインスタンスとマルチモーダルインスタンス間の検索を探索する最初の試みであるマイクロビデオ製品検索タスクを定式化する。
双方向検索のためのMulti-Queue Momentum Contrast(MQMC)ネットワークという新しい手法を提案する。
マルチキューを用いた識別的選択戦略は、カテゴリによって異なる負の重要性を区別するために用いられる。
論文 参考訳(メタデータ) (2022-12-22T03:47:14Z) - Bike Sharing Demand Prediction based on Knowledge Sharing across Modes:
A Graph-based Deep Learning Approach [8.695763084463055]
本研究では,自転車共有需要予測(B-MRGNN)のためのグラフに基づくディープラーニング手法を提案する。
マルチリレーショナルグラフニューラルネットワーク(MRGNN)を導入し、モード間の空間単位間の相関を捉える。
実験はニューヨーク市の実際の自転車シェアリング、地下鉄、ライドシェアリングのデータを用いて行われた。
論文 参考訳(メタデータ) (2022-03-18T06:10:17Z) - V2X-Sim: A Virtual Collaborative Perception Dataset for Autonomous
Driving [26.961213523096948]
V2X(V2X)は、車両と周囲のあらゆる物体の協調を意味する。
V2X-Simデータセットは、自動運転における最初の大規模協調認識データセットである。
論文 参考訳(メタデータ) (2022-02-17T05:14:02Z) - 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) - TrafficSim: Learning to Simulate Realistic Multi-Agent Behaviors [74.67698916175614]
リアル交通シミュレーションのためのマルチエージェント行動モデルであるTrafficSimを提案する。
特に、暗黙の潜在変数モデルを利用して、共同アクターポリシーをパラメータ化する。
TrafficSimは、多様なベースラインと比較して、より現実的で多様なトラフィックシナリオを生成します。
論文 参考訳(メタデータ) (2021-01-17T00:29:30Z) - Micromobility in Smart Cities: A Closer Look at Shared Dockless
E-Scooters via Big Social Data [6.001713653976455]
ドックレス電動スクーター(電動スクーター)は、大都市での短距離通勤の代替手段として毎日登場している。
エスクーターは交通規制、公共安全、駐車場規制、責任問題など、市の管理における課題を生んでいる。
本稿では,ビッグデータを用いた共有e-scooterに関する大規模研究としては,これが初めてである。
論文 参考訳(メタデータ) (2020-10-28T19:59:45Z)
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。