Fugu-MT 論文翻訳(概要): Valuation of Public Bus Electrification with Open Data

論文の概要: Valuation of Public Bus Electrification with Open Data

arxiv url: http://arxiv.org/abs/2209.12107v1
Date: Sun, 25 Sep 2022 00:02:23 GMT
ステータス: 処理完了
システム内更新日: 2022-09-27 18:29:44.234208
Title: Valuation of Public Bus Electrification with Open Data
Title（参考訳）: オープンデータを用いた公共バスの電化評価
Authors: Upadhi Vijay, Soomin Woo, Scott J. Moura, Akshat Jain, David Rodriguez, Sergio Gambacorta, Giuseppe Ferrara, Luigi Lanuzza, Christian Zulberti, Erika Mellekas, Carlo Papa
Abstract要約: 本研究は、オープンソースのデータに基づいて、世界中の都市を対象に、公共交通バスの電気化の経済的、環境的、社会的価値を推定する新しい枠組みを提供する。物理インフォームド機械学習モデルを構築し,エネルギー消費量,二酸化炭素排出量,健康影響,輸送経路の総所有コストを評価する。
参考スコア（独自算出の注目度）: 1.2740654484866891
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: This research provides a novel framework to estimate the economic, environmental, and social values of electrifying public transit buses, for cities across the world, based on open-source data. Electric buses are a compelling candidate to replace diesel buses for the environmental and social benefits. However, the state-of-art models to evaluate the value of bus electrification are limited in applicability because they require granular and bespoke data on bus operation that can be difficult to procure. Our valuation tool uses General Transit Feed Specification, a standard data format used by transit agencies worldwide, to provide high-level guidance on developing a prioritization strategy for electrifying a bus fleet. We develop physics-informed machine learning models to evaluate the energy consumption, the carbon emissions, the health impacts, and the total cost of ownership for each transit route. We demonstrate the scalability of our tool with a case study of the bus lines in the Greater Boston and Milan metropolitan areas.
Abstract（参考訳）: この研究は、オープンソースのデータに基づいて、世界中の都市を対象とした公共交通バスの経済、環境、社会価値を推定する新しい枠組みを提供する。電気バスは環境と社会の利益のためにディーゼルバスを代替する有力な候補である。しかし, バスの電化価値を評価するための最先端モデルは, 調達が困難であるバス運行において, 粒度, 細かなデータを必要とするため, 適用性に制限がある。私たちの評価ツールは、世界中の交通機関が使用する標準データフォーマットであるgeneral transit feed specificationを使用して、バス車両の電気化のための優先順位付け戦略を開発するための高レベルのガイダンスを提供します。物理インフォームド機械学習モデルを構築し,エネルギー消費量,二酸化炭素排出量,健康影響,輸送経路ごとの総所有コストを評価する。我々は,ボストン大都市圏とミラノ都市圏のバス路線を事例として,ツールのスケーラビリティを実証する。

関連論文リスト

Evaluating the effects of Data Sparsity on the Link-level Bicycling Volume Estimation: A Graph Convolutional Neural Network Approach [54.84957282120537]
本稿では,リンクレベルの自転車のボリュームをモデル化するために,グラフ畳み込みネットワークアーキテクチャを利用する最初の研究について述べる。オーストラリア,メルボルン市全体での年間平均自転車数(AADB)を,Strava Metro の自転車数データを用いて推定した。以上の結果から,GCNモデルは従来のAADB数予測モデルよりも優れた性能を示した。
論文参考訳（メタデータ） (2024-10-11T04:53:18Z)
A Bibliometric Analysis and Review on Reinforcement Learning for Transportation Applications [43.356096302298056]
交通は経済と都市の発展のバックボーンである。自律的な意思決定者が複雑な環境と対話できるようにする強化学習(RL)。本稿では, 交通用RL法の開発状況を明らかにするために, 文献分析を行った。
論文参考訳（メタデータ） (2022-10-26T07:34:51Z)
Clairvoyance: Intelligent Route Planning for Electric Buses Based on Urban Big Data [23.316569763678455]
本稿では,深層ニューラルネットワークと多層パーセプトロンを利用した経路計画システムであるClairvoyanceを提案する。我々は,中国周海市における実世界のデータソースに関する広範な実験を通じて,我々のアプローチを評価した。
論文参考訳（メタデータ） (2021-12-09T03:35:22Z)
Unavailable Transit Feed Specification: Making it Available with Recurrent Neural Networks [8.968417883198374]
一般論として、公共交通機関の需要は、使用を拒む声が高まり、その品質が要求される。本稿では,データマイニングと機械学習技術を活用した革新的な手法を用いて,公共交通機関に関する利用できないデータの利用を目標とする。
論文参考訳（メタデータ） (2021-02-20T12:17:20Z)
Design and Evaluation of Electric Bus Systems for Metropolitan Cities [0.0]
従来のディーゼルバスから電気バスへのシフトには、地域汚染、騒音、燃料消費の削減という面でいくつかの利点がある。本稿では,電気バスを設計するための総合的な方法論を提供する車両技術,パワートレイン,充電システムを提案する。
論文参考訳（メタデータ） (2020-10-26T12:49:35Z)
Urban Sensing based on Mobile Phone Data: Approaches, Applications and Challenges [67.71975391801257]
モバイルデータ分析における多くの関心は、人間とその行動に関連している。本研究の目的は,携帯電話データから知識を発見するために実装された手法や手法をレビューすることである。
論文参考訳（メタデータ） (2020-08-29T15:14:03Z)
FlexPool: A Distributed Model-Free Deep Reinforcement Learning Algorithm for Joint Passengers & Goods Transportation [36.989179280016586]
本稿では,乗用車と貨物輸送を組み合わせることで,車両による輸送を改善することを検討する。我々はFlexPoolを提案する。FlexPoolは分散モデルなしの深層強化学習アルゴリズムで、乗客や商品のワークロードを共同で処理する。また,FlexPoolはフリート利用率を30%向上し,燃料効率を35%向上することを示した。
論文参考訳（メタデータ） (2020-07-27T17:25:58Z)
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)
Minimizing Energy Use of Mixed-Fleet Public Transit for Fixed-Route Service [7.2775693810940565]
本稿では,最適な割り当てとスケジューリングのための整数プログラムを提案し,大規模ネットワークのためのメタヒューリスティックアルゴリズムを提案する。チャタヌーガにとって、提案されたアルゴリズムはエネルギーコストが145,635ドル、年間576.7トンの二酸化炭素排出量を削減できる。
論文参考訳（メタデータ） (2020-04-10T17:45:14Z)
Data-Driven Prediction of Route-Level Energy Use for Mixed-Vehicle Transit Fleets [7.2775693810940565]
公共交通機関は電気自動車(EV)による燃費削減を目指している EVの先行コストが高いため、ほとんどの機関は内燃機関と電気自動車の混成車しか手に入らない。混合車両輸送車両における経路レベルのエネルギー利用に関するデータ駆動予測のための新しい枠組みを提案する。
論文参考訳（メタデータ） (2020-04-10T16:31:10Z)

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。