論文の概要: Modelling the performance of delivery vehicles across urban
micro-regions to accelerate the transition to cargo-bike logistics
- arxiv url: http://arxiv.org/abs/2301.12887v1
- Date: Mon, 30 Jan 2023 13:47:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-31 14:43:02.427009
- Title: Modelling the performance of delivery vehicles across urban
micro-regions to accelerate the transition to cargo-bike logistics
- Title（参考訳）: 都市マイクロリージョンにおける配送車両の性能モデル化と貨物・自転車のロジスティクスへの転換
- Authors: Max Schrader, Navish Kumar, Nicolas Collignon, Esben S{\o}rig,
Soonmyeong Yoon, Akash Srivastava, Kai Xu, Maria Astefanoaei
- Abstract要約: 都市部のバン配達の半分以上は、より速い速度、短い駐車時間、より効率的なルートのために、貨物用自転車に取って代わることができる。
都市部にまたがる様々な車両の相対的な配送性能をモデル化することで、機械学習は、オペレーターが貨物自転車を船体に加えることのビジネス的および環境的影響を評価するのに役立つ。
- 参考スコア（独自算出の注目度）: 9.194377306280757
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Light goods vehicles (LGV) used extensively in the last mile of delivery are
one of the leading polluters in cities. Cargo-bike logistics has been put
forward as a high impact candidate for replacing LGVs, with experts estimating
over half of urban van deliveries being replaceable by cargo bikes, due to
their faster speeds, shorter parking times and more efficient routes across
cities. By modelling the relative delivery performance of different vehicle
types across urban micro-regions, machine learning can help operators evaluate
the business and environmental impact of adding cargo-bikes to their fleets. In
this paper, we introduce two datasets, and present initial progress in
modelling urban delivery service time (e.g. cruising for parking, unloading,
walking). Using Uber's H3 index to divide the cities into hexagonal cells, and
aggregating OpenStreetMap tags for each cell, we show that urban context is a
critical predictor of delivery performance.
- Abstract（参考訳）: 輸送の最終マイルで広く使用される軽貨物車(LGV)は、都市で主要な汚染物質の一つである。
カーゴバイクのロジスティクスはlgvの代替案として高く評価されており、速度の速さ、駐車時間の短縮、都市横断ルートの効率化などにより、都市のバン配達の半分以上がカーゴバイクに置き換えられると専門家は見積もっている。
都市部にまたがる様々な車両の相対的な配送性能をモデル化することで、機械学習は、オペレーターが貨物自転車を船体に加えることのビジネス的および環境的影響を評価するのに役立つ。
本稿では,2つのデータセットを導入し,都市部における配送サービス時間(例えば,駐車,降ろし,歩行のためのクルーズ)をモデル化する。
uberのh3インデックスを使って都市をヘキサゴナルセルに分割し、各セルにopenstreetmapタグを集約することで、都市コンテキストがデリバリパフォーマンスの重要な予測要因であることを示します。
関連論文リスト
- Urban context and delivery performance: Modelling service time for cargo bikes and vans across diverse urban environments [7.501982397953223]
都市環境に基づいた配送時間の予測を行うためのモデリングフレームワークを提案する。
UberのH3インデックスを使用して、都市を六角形に分割し、各セルにOpenStreetMapタグを集約します。
GeoVexは連続ベクトル空間の点としてマイクロリージョンを表現し、車両のサービス時間を予測するための入力として機能する。
論文 参考訳（メタデータ） (2024-08-27T13:25:25Z) - GPT-Augmented Reinforcement Learning with Intelligent Control for Vehicle Dispatching [82.19172267487998]
GARLIC: GPT拡張強化学習のフレームワーク。
本稿では,GPT強化強化学習とインテリジェント制御のフレームワークであるGARLICについて紹介する。
論文 参考訳（メタデータ） (2024-08-19T08:23:38Z) - Towards a prioritised use of transportation infrastructures: the case of
vehicle-specific dynamic access restrictions to city centres [1.289745982465279]
都市モビリティは通常、モビリティをサポートするすべての要素を含む交通インフラを通じて提供される。
多くの場合、このインフラの要素の容量は実際の需要よりも低い。
輸送インフラ要素の不足は,社会の観点から,より有効性の高い輸送活動に優先的に,動的かつ優先的に割り当てられるべきである,と我々は主張する。
論文 参考訳（メタデータ） (2024-01-22T19:43:54Z) - Predicting Citi Bike Demand Evolution Using Dynamic Graphs [81.12174591442479]
ニューヨーク市のCiti Bikeデータセットにおける自転車需要予測にグラフニューラルネットワークモデルを適用した。
本稿では,ニューヨーク市のCiti Bikeデータセットにおける自転車需要予測にグラフニューラルネットワークモデルを適用しようとする。
論文 参考訳（メタデータ） (2022-12-18T21:43:27Z) - Identifying the Factors that Influence Urban Public Transit Demand [0.0]
近年のアメリカ全土の都市化の進展は、大都市圏の住民が利用できる交通サービスについて、都市計画者や交通技術者がより深く考慮することを必要としている。
これらの改善は、都市公共交通機関の需要に影響を与える要因を特定し、理解することで達成できる。
都市公共交通機関の需要に影響を与える共通の要因は、内外的要因である。
論文 参考訳（メタデータ） (2021-11-16T05:37:51Z) - Weak Signals in the Mobility Landscape: Car Sharing in Ten European
Cities [0.6875312133832077]
当社は、欧州10都市における車両利用率に関するウェブベースのデジタル記録を、主要なアクティブカーシェアリングオペレーターの1つとして使用しています。
カーシェアリング需要の変動と社会デマトグラフィー・都市活動指標の関連について論じる。
論文 参考訳（メタデータ） (2021-09-20T20:37:25Z) - An Experimental Urban Case Study with Various Data Sources and a Model
for Traffic Estimation [65.28133251370055]
我々はスイスのチューリッヒの都市ネットワーク内の地域でビデオ計測による実験キャンペーンを組織した。
我々は,既存のサーマルカメラからの測定を確実にすることで,交通の流れや走行時間の観点からの交通状況の把握に注力する。
本稿では,様々なデータソースの融合による移動時間を推定するために,単純かつ効率的な多重線形回帰(MLR)モデルを提案する。
論文 参考訳（メタデータ） (2021-08-02T08:13:57Z) - 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) - Dynamic Bicycle Dispatching of Dockless Public Bicycle-sharing Systems
using Multi-objective Reinforcement Learning [79.61517670541863]
ドッキングレスPBS(DL-PBS)に欠かせない動的自転車レンタル需要に基づく効率的な自転車配車ソリューションを実現するためのAIの活用
DL-PBSに最適な自転車ディスパッチソリューションを提供するために、マルチオブジェクト強化学習(MORL-BD)に基づく動的自転車ディスパッチアルゴリズムを提案します。
論文 参考訳（メタデータ） (2021-01-19T03:09:51Z) - Efficient algorithms for electric vehicles' min-max routing problem [4.640835690336652]
輸送部門から排出される温室効果ガスの増加は、企業や政府が電気自動車(EV)の増産と支援を図っている。
近年の都市化と電子商取引の進展により、輸送会社は従来の車両をEVに置き換え、持続的で環境に優しい運転の取り組みを強化している。
EV車両の展開は、限られた範囲を緩和し、バッテリー劣化率を軽減するために、効率的なルーティングと充電戦略を要求する。
論文 参考訳（メタデータ） (2020-08-07T18:45:26Z) - 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。