論文の概要: Exploring sustainable pathways for urban traffic decarbonization:
vehicle technologies, management strategies, and driving behaviour
- arxiv url: http://arxiv.org/abs/2308.14914v1
- Date: Mon, 28 Aug 2023 22:17:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-30 16:40:39.911186
- Title: Exploring sustainable pathways for urban traffic decarbonization:
vehicle technologies, management strategies, and driving behaviour
- Title（参考訳）: 都市交通脱炭のための持続可能な経路を探る--自動車技術、経営戦略、運転行動
- Authors: Saba Sabet and Bilal Farooq
- Abstract要約: 本研究は,カナダのトロント市中心部における交通・排ガスの包括的マイクロシミュレーションを行う。
これを達成するために、トランスフォーマーに基づく予測モデルは、温室効果ガス(GHG)と窒素酸化物(NOx)の排出を正確に予測する。
研究によると、100%の電気自動車は最低のGHG排出量を有しており、持続可能な輸送ソリューションとしての可能性を示している。
- 参考スコア（独自算出の注目度）: 5.172508424953869
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The global fight against climate change and air pollution prioritizes the
transition to sustainable transportation options. Understanding the impacts of
various sustainable pathways on emissions, travel time, and costs is crucial
for researchers and policymakers. This research conducts a comprehensive
microsimulation of traffic and emissions in downtown Toronto, Canada, to
examine decarbonization scenarios. The resulting 140 scenarios involve
different fuel types, Connected and Automated Vehicles (CAV) penetration rates,
and routing strategies combined with driving style. To achieve this,
transformers-based prediction models accurately forecast Greenhouse Gas (GHG)
and Nitrogen Oxides (NOx) emissions and average speed for eco-routing. The
study finds that 100% battery electric vehicles have the lowest GHG emissions,
showing their potential as a sustainable transportation solution. However,
challenges related to cost and availability persist. Hybrid Electric Vehicles
and e-fuels demonstrate considerable emission reductions, emerging as promising
alternatives. Integrating CAVs with anticipatory routing strategies
significantly reduces GHG emissions. Additionally, eco-driving practices and
eco-routing strategies have a notable impact on NOx emissions and travel time.
Comprehensive cost analysis provides valuable insights into the economic
implications of various strategies and technologies. These findings offer
guidance to various stakeholders in formulating effective strategies, behaviour
changes, and policies for emission reduction and sustainable transportation
development.
- Abstract（参考訳）: 気候変動と大気汚染に対する世界的な戦いは、持続可能な輸送手段への移行を優先している。
さまざまな持続可能な経路が排出、旅行時間、コストに与える影響を理解することは、研究者や政策立案者にとって重要である。
本研究は,カナダのトロント市中心部の交通・排ガスの包括的マイクロシミュレーションを行い,脱炭シナリオについて検討する。
結果140のシナリオには、異なる燃料タイプ、コネクテッド・アンド・オートマチック・ビークルズ(CAV)の浸透率、そして運転スタイルと組み合わせたルーティング戦略が含まれる。
これを達成するために、トランスフォーマーに基づく予測モデルは、温室効果ガス(GHG)と窒素酸化物(NOx)の排出とエコローティングの平均速度を正確に予測する。
研究によると、100%の電気自動車はGHG排出量が最も低く、持続可能な輸送ソリューションとしての可能性を示している。
しかし、コストと可用性に関する課題は続いている。
ハイブリッド電気自動車とe-fuelsは、有望な代替手段として登場し、かなりの排出削減を示している。
CAVと予測ルーティング戦略を統合することで、GHG排出量を大幅に削減できる。
さらに、エコドライブの実践とエコルート戦略はNOx排出と旅行時間に顕著な影響を及ぼす。
包括的コスト分析は、様々な戦略や技術の経済的影響に関する貴重な洞察を提供する。
これらの知見は、効率的な戦略、行動変化、排出削減と持続可能な輸送開発のための政策を策定する様々なステークホルダーにガイダンスを提供する。
関連論文リスト
- From Efficiency Gains to Rebound Effects: The Problem of Jevons' Paradox in AI's Polarized Environmental Debate [69.05573887799203]
この議論の多くは、大きな間接効果に対処することなく直接的影響に集中している。
本稿では,Jevonsのパラドックス問題がどのようにAIに適用され,効率向上がパラドックス的に消費増加を促すかを検討する。
これらの2次の影響を理解するには、ライフサイクルアセスメントと社会経済分析を組み合わせた学際的アプローチが必要であると論じる。
論文 参考訳（メタデータ） (2025-01-27T22:45:06Z) - 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) - EcoFollower: An Environment-Friendly Car Following Model Considering Fuel Consumption [9.42048156323799]
本研究では,自動車追従シナリオにおける燃料消費を最適化するために強化学習(RL)を用いて開発された新しいエコカー追従モデルであるEcoFollowerを紹介する。
このモデルは燃料消費を大幅に削減し、実際の運転シナリオと比較して10.42%削減した。
論文 参考訳（メタデータ） (2024-07-22T16:48:37Z) - Carbon Market Simulation with Adaptive Mechanism Design [55.25103894620696]
炭素市場(英: carbon market)は、個人の利益をグローバルユーティリティーと整合させる経済エージェントをインセンティブとする、市場ベースのツールである。
階層型モデルフリーマルチエージェント強化学習(MARL)を用いて市場をシミュレートする適応機構設計フレームワークを提案する。
MARLは、政府エージェントが生産性、平等、二酸化炭素排出のバランスをとることができることを示している。
論文 参考訳（メタデータ） (2024-06-12T05:08:51Z) - Generative AI for Low-Carbon Artificial Intelligence of Things with Large Language Models [67.0243099823109]
ジェネレーティブAI(GAI)は、AIoT(Artificial Intelligence of Things)の二酸化炭素排出量を減らす大きな可能性を秘めている
本稿では, 炭素排出量削減のためのGAIの可能性について検討し, 低炭素AIoTのための新しいGAI対応ソリューションを提案する。
本稿では,Large Language Model (LLM) を利用したCO_2排出最適化フレームワークを提案し,このフレームワークにより,プラグ可能なLLMとRetrieval Augmented Generation (RAG) モジュールを設計する。
論文 参考訳（メタデータ） (2024-04-28T05:46:28Z) - 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) - Driver Assistance Eco-driving and Transmission Control with Deep
Reinforcement Learning [2.064612766965483]
本稿では, モデルフリー深部強化学習(RL)制御エージェントを提案する。
燃料消費を他の運転者の収容目標と交換し、最適な牽引トルクと伝達シフトポリシーを経験から学習する。
燃料効率テーブルの知識を十分に備えたベースラインコントローラと比較して, 燃料消費量の最小化に優れた性能を示す。
論文 参考訳（メタデータ） (2022-12-15T02:52:07Z) - Learning energy-efficient driving behaviors by imitating experts [75.12960180185105]
本稿では,コミュニケーション・センシングにおける制御戦略と現実的限界のギャップを埋める上で,模倣学習が果たす役割について考察する。
擬似学習は、車両の5%に採用されれば、局地的な観測のみを用いて、交通条件の異なるネットワークのエネルギー効率を15%向上させる政策を導出できることを示す。
論文 参考訳（メタデータ） (2022-06-28T17:08:31Z) - Learning Eco-Driving Strategies at Signalized Intersections [1.7682859739940435]
本研究では,効率的なエコドライブ制御戦略を学習するための強化学習手法を提案する。
我々は,学習戦略が燃料消費,CO2排出,旅行時間に与える影響について分析した。
その結果、25%のCAV侵入でも、全燃料および排出削減効果の少なくとも50%を得られることが示唆された。
論文 参考訳（メタデータ） (2022-04-26T19:45:11Z) - Modelling the transition to a low-carbon energy supply [91.3755431537592]
気候変動の影響を制限するため、低炭素電力供給への移行が不可欠である。
二酸化炭素排出量の削減は、世界がピーク点に達するのを防ぐのに役立ちます。
排気ガスの排出は、世界中の気象条件の極端に繋がる可能性がある。
論文 参考訳（メタデータ） (2021-09-25T12:37:05Z) - Optimizing carbon tax for decentralized electricity markets using an
agent-based model [69.3939291118954]
人為的気候変動の影響を避けるためには、化石燃料から低炭素技術への移行が必要である。
炭素税は、この移行を支援する効率的な方法であることが示されている。
NSGA-IIの遺伝的アルゴリズムを用いて、電力混合の平均電気価格と相対炭素強度を最小化する。
論文 参考訳（メタデータ） (2020-05-28T06:54:43Z)
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。