論文の概要: The built environment and induced transport CO2 emissions: A double
machine learning approach to account for residential self-selection
- arxiv url: http://arxiv.org/abs/2312.06616v1
- Date: Thu, 7 Dec 2023 22:04:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-12 14:18:14.246122
- Title: The built environment and induced transport CO2 emissions: A double
machine learning approach to account for residential self-selection
- Title（参考訳）: 建設環境と誘導輸送CO2排出量:住宅自選を考慮した二重機械学習アプローチ
- Authors: Florian Nachtigall, Felix Wagner, Peter Berrill and Felix Creutzig
- Abstract要約: 構築された環境は、ベルリンの中心部と郊外の2つの地区で、家庭の旅行関連のCO2排出量をほぼ2倍に変化させることが判明した。
本研究は,輸送セクターを脱炭する空間的に分化したコンパクト開発の重要性を明らかにするものである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Understanding why travel behavior differs between residents of urban centers
and suburbs is key to sustainable urban planning. Especially in light of rapid
urban growth, identifying housing locations that minimize travel demand and
induced CO2 emissions is crucial to mitigate climate change. While the built
environment plays an important role, the precise impact on travel behavior is
obfuscated by residential self-selection. To address this issue, we propose a
double machine learning approach to obtain unbiased, spatially-explicit
estimates of the effect of the built environment on travel-related CO2
emissions for each neighborhood by controlling for residential self-selection.
We examine how socio-demographics and travel-related attitudes moderate the
effect and how it decomposes across the 5Ds of the built environment. Based on
a case study for Berlin and the travel diaries of 32,000 residents, we find
that the built environment causes household travel-related CO2 emissions to
differ by a factor of almost two between central and suburban neighborhoods in
Berlin. To highlight the practical importance for urban climate mitigation, we
evaluate current plans for 64,000 new residential units in terms of total
induced transport CO2 emissions. Our findings underscore the significance of
spatially differentiated compact development to decarbonize the transport
sector.
- Abstract（参考訳）: 都市と郊外の住民の移動行動がなぜ異なるのかを理解することは、持続可能な都市計画の鍵である。
特に急速な都市成長に照らして、旅行需要を最小化しco2排出量を発生させる住宅地を特定することは、気候変動の緩和に不可欠である。
建設環境は重要な役割を担っているが、旅行行動に対する正確な影響は住宅の自己選択によって隠蔽される。
そこで本研究では, 住宅の自己選択を制御し, 建設環境が各地区のco2排出量に与える影響を非偏り空間的に推定する二重機械学習手法を提案する。
本研究では,社会デマトグラフィーと旅行関連態度が,建築環境の5次元にわたってどのように分解するかを検討する。
ベルリンのケーススタディと32,000人の住民の旅行日記から、建設された環境は、ベルリンの中央地区と郊外地区のほぼ2つの要因で家庭の旅行関連CO2排出量が異なることが判明した。
都市部における温暖化対策の実際的重要性を明らかにするため, 総輸送量CO2排出量の観点から, 64,000戸の新規住宅計画を評価する。
本研究は,輸送セクターを脱炭する空間的に分化したコンパクトな開発の重要性を浮き彫りにした。
関連論文リスト
- 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) - 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) - 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) - Climate-sensitive Urban Planning through Optimization of Tree Placements [55.11389516857789]
気候変動は、熱波を含む多くの極端な気象事象の強度と頻度を増している。
最も有望な戦略の1つは、街路樹の恩恵を利用して歩行者レベルの環境を冷やすことである。
物理シミュレーションでは、樹木の放射的および熱的影響が人間の熱的快適性に与える影響を推定できるが、高い計算コストが生じる。
我々は,屋外の熱的快適さの駆動因子である点平均放射温度を,様々な時間スケールでシミュレーションするためにニューラルネットワークを用いた。
論文 参考訳（メタデータ） (2023-10-09T13:07:23Z) - Using machine learning to understand causal relationships between urban
form and travel CO2 emissions across continents [9.204800002382044]
都会形態が過去の研究で無視されていた旅行エミッションや施設間効果に有意な因果関係が認められた。
より単心的な都市では,主中心へのアクセスの増加よりも,サブセンター指向の開発がより重要となる空間回廊を同定する。
我々の研究は、エビデンスベースの都市気候ソリューションをスケールするための因果関係、一般化可能性、文脈的特異性の必要性に対処する新しい研究を可能にする機械学習の応用を実証する。
論文 参考訳（メタデータ） (2023-08-31T09:57:52Z) - Multi-scale Digital Twin: Developing a fast and physics-informed
surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。
U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。
並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
論文 参考訳（メタデータ） (2022-11-20T06:46:35Z) - Dfferentiable Raycasting for Self-supervised Occupancy Forecasting [52.61762537741392]
自動運転のための運動計画では、エゴ車の周囲の環境が時間とともにどのように進化するかを学ぶ必要がある。
本稿では,自由空間のようなビュー依存表現の自然な代替手段として,幾何学的占有を用いる。
私たちの重要な洞察は、差別化可能なレイキャストを使用して、将来の占有率予測を、将来のLiDARスイープ予測に"レンダリング"することです。
論文 参考訳（メタデータ） (2022-10-04T21:35:21Z) - 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) - Understanding Cycling Mobility: Bologna Case Study [0.0]
この研究の主な目的は、イタリアのボローニャ市におけるサイクリングモビリティの研究である。
320,118回のセルフレポートされた自転車旅行からなる6ヶ月のデータセットを使用しました。
本研究の主な結果は, 自転車の利用が気温, 降水量と相関し, 風速や汚染と相関しないことを示している。
論文 参考訳（メタデータ） (2021-09-09T13:11:35Z) - 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) - Examining Passenger Vehicle Miles Traveled and Carbon Emissions in the
Boston Metropolitan Area [3.988796279614794]
本章は、2014年にボストン都市圏のオンロード乗用車輸送セクターの温室効果ガス排出量を調査している。
生産ベースと消費ベースの両方の観点からの温室効果ガス排出量の推定を、2つの大規模管理データセットと比較する。
ボストン都市圏の都市や町は、VMTを抑え、二酸化炭素排出量を減らし、炭素中立性の気候目標を達成する方法を推奨している。
論文 参考訳（メタデータ） (2021-06-12T03:28:58Z)
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。