論文の概要: Converting One-Way Streets to Two-Way Streets to Improve Transportation
Network Efficiency and Reduce Vehicle Distance Traveled
- arxiv url: http://arxiv.org/abs/2204.10944v1
- Date: Fri, 22 Apr 2022 22:04:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 16:26:02.636152
- Title: Converting One-Way Streets to Two-Way Streets to Improve Transportation
Network Efficiency and Reduce Vehicle Distance Traveled
- Title（参考訳）: ワンウェイ街路を2ウェイ街路に転換して交通ネットワークの効率化と車両距離の低減
- Authors: Geoff Boeing, William Riggs
- Abstract要約: カリフォルニア州サンフランシスコのコンバージョンをシミュレートする。
現在の街路網の平均都市内旅行は、全2方向の通りよりも約1.7%長いことが判明している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Planning scholars have identified economic, safety, and social benefits of
converting one-way streets to two-way. Less is known about how conversions
could impact vehicular distances traveled - of growing relevance in an era of
fleet automation, electrification, and ride-hailing. We simulate such a
conversion in San Francisco, California. We find that its current street
network's average intra-city trip is about 1.7% longer than it would be with
all two-way streets, corresponding to 27 million kilometers of annual surplus
travel. As transportation technologies evolve, planners must consider different
facets of network efficiency to align local policy and street design with
sustainability and other societal goals.
- Abstract（参考訳）: 計画学者は、一方通行路を双方向に変換する経済的、安全、社会的利益を見出している。
車両の自動化、電化、配車サービスの時代において、車種変換が車種距離に与える影響についてはあまり分かっていない。
カリフォルニア州サンフランシスコでこのような変換をシミュレートします。
現在のストリート・ネットワークの平均都市内移動距離は、年間2700万kmの余剰交通量に対応する2つの道路全体よりも約1.7%長いことが判明した。
交通技術が発展するにつれて、プランナーは、地域政策とストリートデザインを持続可能性や他の社会的目標と整合させるために、ネットワーク効率の異なる側面を考慮する必要がある。
関連論文リスト
- Automatic Extraction of Relevant Road Infrastructure using Connected
vehicle data and Deep Learning Model [4.235459779667272]
本稿では,コネクテッドカーデータと最先端のディープラーニング技術を活用した新しいアプローチを提案する。
道路区間にジオハッシングを施し,道路区間の画像表現を生成することにより,道路区間と交差点の正確な分類にYOLOv5アルゴリズムを用いる。
実験の結果,97%のF1スコア,90%のF1スコアに到達した。
論文 参考訳（メタデータ） (2023-08-10T15:57:47Z) - DenseLight: Efficient Control for Large-scale Traffic Signals with Dense
Feedback [109.84667902348498]
交通信号制御(TSC)は、道路網における車両の平均走行時間を短縮することを目的としている。
従来のTSC手法は、深い強化学習を利用して制御ポリシーを探索する。
DenseLightは、不偏報酬関数を用いてポリシーの有効性をフィードバックする新しいRTLベースのTSC手法である。
論文 参考訳（メタデータ） (2023-06-13T05:58:57Z) - Understanding and Developing Equitable and Fair Transportation Systems [3.1473798197405944]
交通システムをより良く設計し、計画する必要がある。
道路や橋は貧民を除いた富裕層を繋ぐのがよい。
この提案は、これらの質問に答える最初のステップである。
論文 参考訳（メタデータ） (2022-09-21T18:26:19Z) - A Reinforcement Learning-based Adaptive Control Model for Future Street
Planning, An Algorithm and A Case Study [3.5368898558786768]
インテリジェントストリートは、道路利用者のための道路右翼(ROW)における意思決定を学習し、改善することができる。
我々は,マルチエージェントのDeep Deterministic Policy Gradient (MADDPG)アルゴリズムに基づくソリューションを開発した。
本モデルでは、路上駐車および車両運転に割り当てられた街路空間において、平均3.87%と6.26%の削減を達成できる。
論文 参考訳（メタデータ） (2021-12-10T10:32:46Z) - The ubiquitous efficiency of going further: how street networks affect
travel speed [0.0]
道路交通標識による道路の減速点のパターンが自動車から発生する軌跡に与える影響を理解するため,世界中の200以上の都市を対象に調査を行った。
都市内における最適軌跡の時間と距離の間には, ユビキタスな非線形関係があることを実証する。
論文 参考訳（メタデータ） (2021-11-15T14:38:06Z) - 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) - Transportation Density Reduction Caused by City Lockdowns Across the
World during the COVID-19 Epidemic: From the View of High-resolution Remote
Sensing Imagery [48.52477000522933]
新型コロナウイルス(COVID-19)の流行は、2020年前半に悪化し始めた。
厳しい封鎖政策が世界中の多くの都市で実行され、人間の感染を制御し、拡散を緩和した。
中心市街地6都市におけるロックダウン前後の交通密度の低減について定量的に検討した。
論文 参考訳（メタデータ） (2021-03-02T13:45:16Z) - Emergent Road Rules In Multi-Agent Driving Environments [84.82583370858391]
運転環境の要素が道路ルールの出現の原因となるかを分析する。
2つの重要な要因が雑音知覚とエージェントの空間密度であることがわかった。
我々の結果は、世界中の国々が安全で効率的な運転で合意した社会道路規則を実証的に支持する。
論文 参考訳（メタデータ） (2020-11-21T09:43:50Z) - 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)
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。