論文の概要: Walkability Optimization: Formulations, Algorithms, and a Case Study of
Toronto
- arxiv url: http://arxiv.org/abs/2212.05192v1
- Date: Sat, 10 Dec 2022 03:52:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-13 17:42:00.366070
- Title: Walkability Optimization: Formulations, Algorithms, and a Case Study of
Toronto
- Title（参考訳）: 歩行性最適化:定式化,アルゴリズム,トロントの事例研究
- Authors: Weimin Huang, Elias B. Khalil
- Abstract要約: 土地の区画化と歴史的低投資は住民の歩行性や社会的不平等をもたらしている。
空間最適化のレンズによる歩行性最適化の問題に取り組む。
我々はMILP(Mixed-Integer Linear Programming)モデルとCP(Constraint Programming)モデルを導出する。
カナダのトロント市における31の未保存地区について事例研究を行った。
- 参考スコア（独自算出の注目度）: 10.882996403581524
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The concept of walkable urban development has gained increased attention due
to its public health, economic, and environmental sustainability benefits.
Unfortunately, land zoning and historic under-investment have resulted in
spatial inequality in walkability and social inequality among residents. We
tackle the problem of Walkability Optimization through the lens of
combinatorial optimization. The task is to select locations in which additional
amenities (e.g., grocery stores, schools, restaurants) can be allocated to
improve resident access via walking while taking into account existing
amenities and providing multiple options (e.g., for restaurants). To this end,
we derive Mixed-Integer Linear Programming (MILP) and Constraint Programming
(CP) models. Moreover, we show that the problem's objective function is
submodular in special cases, which motivates an efficient greedy heuristic. We
conduct a case study on 31 underserved neighborhoods in the City of Toronto,
Canada. MILP finds the best solutions in most scenarios but does not scale well
with network size. The greedy algorithm scales well and finds near-optimal
solutions. Our empirical evaluation shows that neighbourhoods with low
walkability have a great potential for transformation into pedestrian-friendly
neighbourhoods by strategically placing new amenities. Allocating 3 additional
grocery stores, schools, and restaurants can improve the "WalkScore" by more
than 50 points (on a scale of 100) for 4 neighbourhoods and reduce the walking
distances to amenities for 75% of all residential locations to 10 minutes for
all amenity types. Our code and paper appendix are available at
https://github.com/khalil-research/walkability.
- Abstract（参考訳）: 歩行可能な都市開発の概念は、公衆衛生、経済、環境サステナビリティの恩恵により注目を集めている。
残念なことに、土地分割と歴史的低投資は、住民の歩行性や社会的不平等に空間的不平等をもたらしている。
組合せ最適化のレンズを通して歩行性最適化の問題に取り組む。
課題は、既存のアメニティを考慮し、複数のオプション(例えば、レストラン)を提供しながら、歩行による住民アクセスを改善するために、追加のアメニティ(食料品店、学校、レストランなど)を割り当てることができる場所を選択することである。
この目的のために、混合整数線形プログラミング(milp)と制約プログラミング(cp)モデルを導出する。
さらに,この問題の目的関数は特殊ケースではサブモジュラーであり,効率的な欲求的ヒューリスティックを動機付けていることを示す。
カナダのトロント市における31の未保存地区について事例研究を行った。
MILPは、ほとんどのシナリオで最良のソリューションを見つけるが、ネットワークサイズではうまくスケールしない。
グリーディアルゴリズムはうまくスケールし、ほぼ最適解を見つける。
その結果,歩行性の低い地域は,新しいアメニティを戦略的に配置することで,歩行者にやさしい地域へ転換する大きな可能性を秘めていることがわかった。
3つの食料品店、学校、レストランを割り当てることで、「ウォークスコア」を4つの地区で50ポイント以上(100スケール)改善でき、全住宅地の75%のアメニティまでの歩行距離を全アメニティタイプで10分に短縮できる。
私たちのコードと論文の付録はhttps://github.com/khalil-research/walkabilityで閲覧できます。
関連論文リスト
- DistrictNet: Decision-aware learning for geographical districting [47.36059095502583]
地区化は地理的地域を小さな地区に分割する複雑な問題である。
実世界の地区問題に対する高品質な解決策を数分で見つけるための構造化学習手法を提案する。
実際の都市ではコストを大幅に削減できるため,既存手法よりも優れている。
論文 参考訳（メタデータ） (2024-12-11T11:02:48Z) - Optimizing Location Allocation in Urban Management: A Brief Review [1.799933345199395]
ロケーション割り当て問題は、都市管理におけるデジタルトランスフォーメーションの新たな部分となる可能性がある。
既存の基準に基づく正確な位置割り当ての問題は、コスト管理、利益、効率、市民満足度に直接影響する。
この分野では、この道を継続し、科学的・実践的な研究を改善するための提言がなされる。
論文 参考訳（メタデータ） (2024-12-08T19:02:40Z) - Scattered Forest Search: Smarter Code Space Exploration with LLMs [55.71665969800222]
Scattered Forest Searchを導入し,ソリューションを探索しながら解の多様性を高める。
HumanEval、MBPP、APPS、CodeContests、Leetcodeの実験では、大幅なパフォーマンス向上が示されている。
論文 参考訳（メタデータ） (2024-10-22T01:58:29Z) - A resource-constrained stochastic scheduling algorithm for homeless street outreach and gleaning edible food [29.017017395878597]
ミッションや運用の異なる社会変革組織が直面する資源制約付きアウトリーチ問題に対処する共通アルゴリズムソリューションを開発した。
そこで我々は,k$-step遷移の下で部分的に観測された非定常帯域に対する推定と最適化手法を開発した。
論文 参考訳（メタデータ） (2024-03-15T19:12:28Z) - Using metaheuristics for the location of bicycle stations [4.2847927405489195]
我々は、p中間問題として問題をモデル化し、最適化における既存の主要な局所化問題である。
p中間問題は、一組の顧客(市民)と最寄りの施設(自転車駅)との距離を最小化する形で、一組の施設(自転車駅)を配置することを目指している。
論文 参考訳（メタデータ） (2024-02-06T12:19:46Z) - Nash Welfare and Facility Location [82.81742334337336]
沿線にエージェントを配置する施設を配置することの問題点を考察する。
エージェントのユーティリティの産物として定義されたナッシュの福祉目的機能は、公正性と効率性の妥協をもたらすことが知られている。
論文 参考訳（メタデータ） (2023-10-06T09:06:44Z) - Efficient Quality Diversity Optimization of 3D Buildings through 2D
Pre-optimization [101.18253437732933]
品質多様性アルゴリズムは、エンジニアの直感を伝える様々なソリューションセットを作成するために使用することができる。
しかし、品質の多様性は、非常に高価な問題では効率的ではない。
品質の多様性のあるトレーニングデータを生成することで、より優れた機械学習モデルを作成できることを示します。
論文 参考訳（メタデータ） (2023-03-28T11:20:59Z) - Optimization of the location and design of urban green spaces [3.58439716487063]
この研究は、公園のアクセシビリティ、流通、デザインを改善するための意思決定者を支援するために、オペレーティング・リサーチからの古典的なツールの応用を紹介している。
都市の緑地計画において,都市レベルでの意思決定を支援するテンプレートモデルとして,2段階の公正な施設配置と設計モデルを提案する。
論文 参考訳（メタデータ） (2023-03-13T15:37:21Z) - Location-routing Optimisation for Urban Logistics Using Mobile Parcel
Locker Based on Hybrid Q-Learning Algorithm [0.0]
パーセルロッカー(MPL)は、交通渋滞と運用コストを低減する手段として、都市物流事業者によって導入されている。
本稿では,MPLのロケーションルーティング問題を解くための整数プログラミングモデルを提案する。
論文 参考訳（メタデータ） (2021-10-29T01:27:12Z) - On Applying the Lackadaisical Quantum Walk Algorithm to Search for
Multiple Solutions on Grids [63.75363908696257]
不足量子ウォーク(英: lackadaisical quantum walk)は、頂点が重量$l$の自己ループを持つグラフ構造を探索するために開発されたアルゴリズムである。
本稿では,グリッド上の複数解の探索に不連続な量子ウォークを適用した際の問題に対処する。
論文 参考訳（メタデータ） (2021-06-11T09:43:09Z) - Ridge Rider: Finding Diverse Solutions by Following Eigenvectors of the
Hessian [48.61341260604871]
Gradient Descent(SGD)は、ディープニューラルネットワーク(DNN)の成功の鍵となる要素である
本稿では、ヘッセンの固有ベクトルを従えば「尾根」と呼ばれる別のアプローチを示す。
理論的および実験的に、我々の手法であるリッジライダー(RR)が様々な課題に対して有望な方向を提供することを示す。
論文 参考訳（メタデータ） (2020-11-12T17:15:09Z)
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。