論文の概要: How Routing Strategies Impact Urban Emissions
- arxiv url: http://arxiv.org/abs/2207.01456v1
- Date: Mon, 4 Jul 2022 14:46:08 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 09:37:41.941815
- Title: How Routing Strategies Impact Urban Emissions
- Title（参考訳）: 経路戦略が都市排出に及ぼす影響
- Authors: Giuliano Cornacchia, Matteo B\"ohm, Giovanni Mauro, Mirco Nanni, Dino
Pedreschi, Luca Pappalardo
- Abstract要約: ナビゲーションアプリは、ルーティングアルゴリズムを使用して、ユーザの希望する目的地に到達するための最良のパスを提案する。
われわれの研究は、個々のニーズを満たすとともに、都市の幸福を増すかもしれない次世代のルーティング原則を設計するための第一歩だ。
- 参考スコア（独自算出の注目度）: 2.436885905080739
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Navigation apps use routing algorithms to suggest the best path to reach a
user's desired destination. Although undoubtedly useful, navigation apps'
impact on the urban environment (e.g., carbon dioxide emissions and population
exposure to pollution) is still largely unclear. In this work, we design a
simulation framework to assess the impact of routing algorithms on carbon
dioxide emissions within an urban environment. Using APIs from TomTom and
OpenStreetMap, we find that settings in which either all vehicles or none of
them follow a navigation app's suggestion lead to the worst impact in terms of
CO2 emissions. In contrast, when just a portion (around half) of vehicles
follow these suggestions, and some degree of randomness is added to the
remaining vehicles' paths, we observe a reduction in the overall CO2 emissions
over the road network. Our work is a first step towards designing
next-generation routing principles that may increase urban well-being while
satisfying individual needs.
- Abstract（参考訳）: ナビゲーションアプリはルーティングアルゴリズムを使用して、ユーザの所望の目的地に到達するための最善の経路を提案する。
ナビゲーションアプリが都市環境に与える影響(二酸化炭素の排出や汚染への人口の曝露など)は、まだほとんど分かっていない。
本研究では,都市環境における二酸化炭素排出量に対するルーティングアルゴリズムの効果を評価するためのシミュレーションフレームワークを設計する。
TomTomとOpenStreetMapのAPIを使用して、すべての車両またはそれらがナビゲーションアプリの提案に従わない設定が、CO2排出量の面で最悪の影響をもたらすことを発見した。
対照的に、車両の一部(約半分)がこれらの提案に従い、残りの車両の経路にある程度のランダム性を加えると、道路網上のCO2排出量の削減が観察される。
私たちの仕事は、個々のニーズを満足しながら、都市の幸福を増すような次世代のルーティング原則を設計するための第一歩です。
関連論文リスト
- Mitigating Metropolitan Carbon Emissions with Dynamic Eco-driving at Scale [3.5052652317043846]
我々は、二酸化炭素排出量を減らす新たな機会として、半自律車の採用の増加を考えています。
交通シナリオと車両排出の複雑さにより、包括的影響分析は手に入らなかった。
我々は,米国三大都市を横断する信号化交差点6,011箇所で,ダイナミックエコドライブの詳細な影響評価を行う。
論文 参考訳（メタデータ） (2024-08-10T18:23:59Z) - A Holistic Framework Towards Vision-based Traffic Signal Control with
Microscopic Simulation [53.39174966020085]
交通信号制御(TSC)は交通渋滞を低減し、交通の流れを円滑にし、アイドリング時間を短縮し、CO2排出量を減らすために重要である。
本研究では,道路交通の流れを視覚的観察によって調節するTSCのコンピュータビジョンアプローチについて検討する。
我々は、視覚ベースのTSCとそのベンチマークに向けて、TrafficDojoと呼ばれる総合的なトラフィックシミュレーションフレームワークを導入する。
論文 参考訳（メタデータ） (2024-03-11T16:42:29Z) - Deep Reinforcement Learning-based Intelligent Traffic Signal Controls
with Optimized CO2 emissions [6.851243292023835]
交通ネットワークは、人間の健康や環境に悪影響を及ぼし、交通渋滞に寄与する準最適制御政策の課題に直面している。
文献における適応的な信号制御装置はいくつかあるが、それらの比較性能について限定的な研究がなされている。
EcoLightは,CO2排出量を削減するだけでなく,旅行時間などの指標で競合する結果が得られる強化学習アルゴリズムの報酬形成手法である。
論文 参考訳（メタデータ） (2023-10-19T19:54:47Z) - 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) - ETPNav: Evolving Topological Planning for Vision-Language Navigation in
Continuous Environments [56.194988818341976]
視覚言語ナビゲーションは、エージェントが環境中をナビゲートするための指示に従う必要があるタスクである。
本研究では,1)環境を抽象化し,長距離航法計画を生成する能力,2)連続環境における障害物回避制御能力の2つの重要なスキルに焦点を当てたETPNavを提案する。
ETPNavは、R2R-CEとRxR-CEデータセットの先行技術よりも10%以上、20%改善されている。
論文 参考訳（メタデータ） (2023-04-06T13:07:17Z) - A greedy approach for increased vehicle utilization in ridesharing
networks [0.3480973072524161]
ライドシェアリングプラットフォームは 都市部の住民にとって 顕著な交通手段になっています
道路網全体からウィンドウへの探索空間を削減できるk-hopベースのスライディングウインドウ近似アルゴリズムを提案する。
実世界のデータセット上で提案したモデルを評価し,実験結果から提案モデルによる優れた性能を示す。
論文 参考訳（メタデータ） (2023-04-02T07:25:01Z) - City-scale Pollution Aware Traffic Routing by Sampling Max Flows using
MCMC [8.301939401602233]
大気汚染の長期曝露は深刻な健康問題を引き起こす可能性がある。
我々は,多様なサンプルを用いて汚染に配慮した交通経路ポリシーを設計し,実世界の道路地図上での交通をシミュレーションする。
世界の大都市の地図を他の手法と比較すると, 大気汚染の激しい地域では, かなりの減少が見られた。
論文 参考訳（メタデータ） (2023-02-28T09:40:37Z) - An ASP Framework for Efficient Urban Traffic Optimization [0.0]
本稿では,数百台の車両による大規模道路網における交通流を効率的にシミュレートし,最適化する枠組みを提案する。
このフレームワークは、Answer Set Programming (ASP)エンコーディングを利用して、ネットワーク内の車両の動きを正式に記述する。
これにより、ネットワーク内の車両の経路を最適化し、関連するメトリクスの幅を減らすことができる。
論文 参考訳（メタデータ） (2022-08-05T10:50:38Z) - Pushing it out of the Way: Interactive Visual Navigation [62.296686176988125]
エージェントが目標に合わせてより効率的にナビゲートするために環境を変更することを学ぶインタラクティブナビゲーションの問題を研究します。
エージェントの行動によって引き起こされる環境の変化を明示的に予測するために,neural interaction engine(nie)を導入する。
計画中の変更をモデル化することで、エージェントがナビゲーション能力を大幅に改善できることが分かりました。
論文 参考訳（メタデータ） (2021-04-28T22:46:41Z) - 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) - Congestion-aware Evacuation Routing using Augmented Reality Devices [96.68280427555808]
複数の目的地間でリアルタイムに個別の避難経路を生成する屋内避難のための渋滞対応ルーティングソリューションを提案する。
建物内の混雑分布をモデル化するために、ユーザエンド拡張現実(AR)デバイスから避難者の位置を集約して、オンザフライで取得した人口密度マップを用いる。
論文 参考訳（メタデータ） (2020-04-25T22:54:35Z)
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。