論文の概要: Understanding and Developing Equitable and Fair Transportation Systems
- arxiv url: http://arxiv.org/abs/2209.10589v1
- Date: Wed, 21 Sep 2022 18:26:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 11:19:45.771283
- Title: Understanding and Developing Equitable and Fair Transportation Systems
- Title(参考訳): 公平で公平な交通システムの理解と開発
- Authors: Weizi Li
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 3.1473798197405944
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The transportation system is an interplay between infrastructure, vehicles,
and policy. During the past century, the rapid expansion of the road network,
blended with increasing vehicle production and mobility demands, has been
stressing the system's capacity and resulting in a shocking amount of annual
costs. To alleviate these costs while providing passengers with safe and
efficient travel experiences, we need to better design and plan our
transportation system. To start with, not only the design of our road network
is topologically flawed but also our infrastructure likely facilitates
inequality: roads and bridges are found to better connect affluent sectors
while excluding the poor. While technological advancements such as connected
and autonomous vehicles (CAVs) and novel operation modes such as shared economy
have offered new opportunities, questions remain. First, what is the
relationship between the road network, community development, demographics, and
mobility behaviors? Second, by leveraging the insights from studying the first
question, can we better plan, coordinate, and optimize vehicles in different
modalities such as human-driven and autonomous to construct safe, efficient,
and resilient traffic flows? Third, how can we build an intelligent
transportation system to promote equity and fairness in our community
development? This proposal is the first step toward answering these questions.
- Abstract(参考訳): 交通システムは、インフラ、車両、および政策の相互作用である。
過去1世紀の間に、自動車の生産と移動の需要の増加と相まって、道路網の急速な拡大がシステムの容量を圧迫し、年間コストの衝撃的な増加をもたらした。
乗客に安全かつ効率的な旅行体験を提供しながら、これらのコストを軽減するためには、交通システムの設計と計画を改善する必要があります。
まず第一に、我々の道路網の設計はトポロジー的に欠陥があるだけでなく、インフラが不平等を助長している可能性が高い。
コネクテッドカーや自動運転車(CAV)などの技術進歩や、共有経済のような新しい運用モードが新たな機会を提供する一方で、疑問が残る。
第1に,道路ネットワーク,コミュニティ開発,人口動態,移動行動の関係はどのようなものか?
第2に,第1の質問から得た洞察を活用することで,安全で効率的,レジリエントな交通フローを構築する上で,人間駆動型や自律型といった,さまざまなモダリティを備えた車両の計画,調整,最適化が実現するか?
第三に、コミュニティ開発における公平性と公平性を促進するインテリジェントな交通システムをどのように構築するか。
この提案は、これらの質問に答える第一歩です。
関連論文リスト
- Learning Robust Autonomous Navigation and Locomotion for Wheeled-Legged Robots [50.02055068660255]
都市環境のナビゲーションは、ロボットにとってユニークな課題であり、移動とナビゲーションのための革新的なソリューションを必要としている。
本研究は, 適応移動制御, 移動対応ローカルナビゲーション計画, 市内の大規模経路計画を含む, 完全に統合されたシステムを導入する。
モデルフリー強化学習(RL)技術と特権学習を用いて,多目的移動制御系を開発した。
私たちのコントローラーは大規模な都市航法システムに統合され、スイスのチューリッヒとスペインのセビリアで自律的、キロメートル規模の航法ミッションによって検証されます。
論文 参考訳(メタデータ) (2024-05-03T00:29:20Z) - Trip Planning for Autonomous Vehicles with Wireless Data Transfer Needs
Using Reinforcement Learning [7.23389716633927]
車両データ転送要求を満たすために,高帯域道路を優先する新しい強化学習ソリューションを提案する。
我々は、この手法をトラフィックを意識しないベースラインや帯域幅を意識しないベースラインと比較し、不均一なトラフィック下での処理性能を示す。
論文 参考訳(メタデータ) (2023-09-21T23:19:16Z) - Improving Urban Mobility: using artificial intelligence and new
technologies to connect supply and demand [7.347028791196305]
インテリジェントトランスポートシステム(ITS)は,情報通信技術をどのように活用するかを交通問題に適用するかを検討することを目的としている。
このパノラマでは、人工知能が特に機械学習の進歩において重要な役割を果たす。
論文 参考訳(メタデータ) (2022-03-18T14:37:33Z) - 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) - Incentivizing Efficient Equilibria in Traffic Networks with Mixed
Autonomy [17.513581783749707]
車両小隊化は、車両小隊化による道路容量の増加によって交通渋滞を減少させる可能性がある。
我々は、(i)最短経路を選択する人間ドライバーと(ii)相乗りサービスという2つの交通手段を持つ平行道路のネットワークについて検討する。
我々は、混合自律で車両の流れのモデルと、価格と遅延の異なるルート間で自律サービスユーザーがどのように選択するかのモデルを定式化する。
論文 参考訳(メタデータ) (2021-05-06T03:01:46Z) - End-to-End Intersection Handling using Multi-Agent Deep Reinforcement
Learning [63.56464608571663]
交差点をナビゲートすることは、自動運転車にとって大きな課題の1つです。
本研究では,交通標識のみが提供された交差点をナビゲート可能なシステムの実装に着目する。
本研究では,時間ステップ毎に加速度と操舵角を予測するためのニューラルネットワークの訓練に用いる,モデルフリーの連続学習アルゴリズムを用いたマルチエージェントシステムを提案する。
論文 参考訳(メタデータ) (2021-04-28T07:54:40Z) - AI in Smart Cities: Challenges and approaches to enable road vehicle
automation and smart traffic control [56.73750387509709]
SCCは、活動やユーティリティの自動化と最適化による効率向上を目指すデータ中心の社会を構想しています。
本稿では、SCCにおけるAIの視点を説明し、道路車両の自動化とスマート交通制御を可能にする交通で使用されるAIベースの技術の概要を示す。
論文 参考訳(メタデータ) (2021-04-07T14:31:08Z) - 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) - PassGoodPool: Joint Passengers and Goods Fleet Management with
Reinforcement Learning aided Pricing, Matching, and Route Planning [29.73314892749729]
本稿では,商品と旅客輸送を組み合わせた需要対応型艦隊管理フレームワークを提案する。
提案手法は,分散システムの成長に伴う計算コストを最小限に抑えるため,各車両内で独立して展開可能である。
論文 参考訳(メタデータ) (2020-11-17T23:15:03Z) - 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) - Autonomous Shuttle-as-a-Service (ASaaS): Challenges, Opportunities, and
Social Implications [10.075017640104843]
スマートモビリティシステムは、都市交通施設の効率的な利用を支援することを目的としている。
ここ数年、いくつかの都市は「ラストマイル」モビリティサービスに自律走行車を使うことに関心を示した。
自動運転シャトル(AS)は、市中心部への新たな移動・配達サービスとして考えられ始めている。
論文 参考訳(メタデータ) (2020-01-14T12:34:03Z)
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。