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

• Bench4Merge: A Comprehensive Benchmark for Merging in Realistic Dense Traffic with Micro-Interactive Vehicles [20.832829903505296]
  我々は,統合シナリオにおける動作計画能力を評価するためのベンチマークを開発する。 我々のアプローチには、微小な行動特性を持つ大規模データセットで訓練された他の車両が含まれる。 大規模な実験は、この評価ベンチマークの高度な性質を実証した。
  論文  参考訳（メタデータ） (2024-10-21T11:35:33Z)
• Promptable Closed-loop Traffic Simulation [57.36568236100507]
  ProSimはマルチモーダルプロンプト可能なクローズドループトラフィックシミュレーションフレームワークである。 ProSimはクローズドループ方式でトラフィックシナリオをロールアウトし、各エージェントと他のトラフィック参加者とのインタラクションをモデル化する。 高速な交通シミュレーションの研究を支援するため,マルチモーダル・プロンプト・インストラクト・520k(ProSim-Instruct-520k)を開発した。
  論文  参考訳（メタデータ） (2024-09-09T17:59:15Z)
• MetaUrban: An Embodied AI Simulation Platform for Urban Micromobility [52.0930915607703]
  最近のロボティクスとエンボディードAIの進歩により、公共の都市空間はもはや人間専用ではない。 公共の都市空間における短距離移動のためのAIによって実現されるマイクロモビリティは、将来の交通システムにおいて重要な要素である。 本稿では,AI駆動型都市マイクロモビリティ研究のための構成シミュレーションプラットフォームであるMetaUrbanを紹介する。
  論文  参考訳（メタデータ） (2024-07-11T17:56:49Z)
• NAVSIM: Data-Driven Non-Reactive Autonomous Vehicle Simulation and Benchmarking [65.24988062003096]
  我々は,視覚に基づく運転ポリシーをベンチマークするフレームワークであるNAVSIMを提案する。 我々のシミュレーションは非反応性であり、評価された政策と環境は互いに影響を与えない。 NAVSIMはCVPR 2024で開催され、143チームが433のエントリーを提出し、いくつかの新たな洞察を得た。
  論文  参考訳（メタデータ） (2024-06-21T17:59:02Z)
• 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)
• 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)
• 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)
• 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。